领导者的七段历程4

提升AI Agent能力的上下文技术 模型能力决定Agent的天花板,上下文工程才是决定真实业务落地表现的地板。 阅读详情

哈佛商业评论:领导者的七段历程4

世界商业评论ICXO.COM ( 日期:2004-09-28 15:07)

上接:哈佛商业评论:领导者的七段历程1
   哈佛商业评论:领导者的七段历程2
   哈佛商业评论:领导者的七段历程3
  
写一首哀伤的情歌的恋人

莎士比亚把处于第三年龄段的人描述为“像炉灶一样叹着气”,许多领导者发现他们在同任何组织都会碰到的大量问题做斗争时就是在做这种事情。对从基层一级级升上来的领导者来说,最难办的事情之一就是如何同以前的同事相处,因为他们现在变成了要向你报告的下属。

莎士比亚在《亨利四世》(Henry IV)下篇中对这个问题进行了精彩的描写。哈尔亲王(Prince Hal)在这成为亨利五世(Henry V )之前,他同老无赖福斯塔夫(Falstaff)的关系是学生和惹事生非的同伴的关系。尽管福斯塔夫有种种劣行,但他常常给哈尔出一些聪明的点子,帮助这位未来的国王看到他未来的臣民的感觉、想法和需要,而这正是传统上给王子提供的修道院式的范围很窄的教育所做不到的。但是,当哈尔继承王位时,他放逐了福斯塔夫,尽管他们也曾分享过很多啤酒,共听过“午夜的钟声”。亨利没有邀请福斯塔夫参加他的加冕典礼,而且还厉声对这位粗鄙的骑士说:“我不认识你,老头儿。”

今天的领导者一上任就可以体会到这位年轻国王的困境。要在你与以前的密友之间设定工作界限并告诉你们的工作关系是一件困难的事情。除军队外,大多数组织都保持着一种假象,即它们至少是半民主的,不管它们事实上是多么专制。作为现代领导者,你无法对一个你曾经与她分享过美味以及秘密的人说你不认识她。但是,当一个人在组织内部被提升时,人际关系就会不可避免地发生变化。你可能不能再像以前那样无话不谈,你的朋友你周围可能会觉得局促不安,或者对你有所怨恨。当你只不过是在行使你的领导者职责时,他们可能会认为你是在以势压人。

我认识一位年轻的经理,我们姑且叫玛乔丽(Marjorie),她最近从一家制药公司的中层管理者晋升为营销部门的负责人。作为这一职位的三名内部候选人之一,她同另外两名内部候选人中最年轻和资历最浅的,但她在公司中的表现出类拔萃,因此她得到提升也就不足为奇。但是,上任后的过渡所面临的困难比她预计的要大得多。她的好朋友妒忌她。她有时候也发现自己处境尴尬,比如她参加了一次经理人会议,会上她的一位朋友受到批评,而散会后她还要同这位朋友一起共进午餐。这位新上任的高级经理人非常怀念以前能同朋友们无话不谈的日子,怀念他们给予她的支持。其他高层经理的工作作风比她专制得多,有些人甚至劝她跟老朋友断绝关系,但她不愿意这么做。她的折中办法是尽力在新同事和老同事之间合理分配自己的时间。虽然过渡期面临的困难仍然不小,但玛乔丽早早地采取了一个聪明的做法:她同朋友们进行了坦率的交流,询问了他们的感受,并向他们保证他们之间的友谊对她来说是至关重要的,过去是这样,将来仍是这样。

尽管过渡期对玛乔丽来说很难,但她自身有一项优势,即她了解自己据的组织及其成员的情况。初来乍到的新人面临的挑战是,要知道自己应该听谁的,应该信任谁。新到一个组织的领导者常常陷入时间和精力不够用的困境。叫得最凶的人往往是这个团体中最难缠的人,也是你必须格外小心对付的人,这个道理是我在50多年前从著名心理学家威尔弗雷德•拜昂(Wilfred Bion)那里学来的。当时,拜昂正在进行集体心理治疗方法的开拓性研究工作。他提醒他的学生:把你的注意力放在叫得最凶的下属身上不仅会激怒和疏远那些心理比较健康的下属,而且还会使你不能集中精力同整个团队一起关注真正重要的工作,完成你们共同的任务。

对于新领导来说,知道自己应当关注什么同样重要,并且也同样困难。在努力实施改革的过程中,来到新组织任职的领导者常常会遇到一种阻力,即组织中的成员会无意识地共同维持现状。接二连三的总是等着你处理,其中包括大量的新问题,你肯定就无暇顾及自己的日常工作了。当我刚到辛辛那提大学(University of Cincinnati)担任校长职务时,办公桌上的一大堆问题资料让我措手不及,开始时我每天一般要回复150封邮件。整天处理这些小事,结果我根本没有时间考虑那些真正重要的事情:制定学校的远景规划,并说服其他教师员工接受这个规划。在刚刚上任的这一阶段,如果不以能有效地把工作委托其他人来办,可能会导致灾难性的结果。

不管是不是新来者,几乎所有的领导者都会在某个时候发现自己不得不要求某些人离开这个组织——说白了就是解雇他们。这一直是一项令人痛苦的工作,因为不仅会沉重打击被解雇者,也很难找到合适的解雇时机。在你办公桌前的员工似乎总有特殊情况,要么刚生三胞胎,要么刚买了一幢价钱不菲的房子。没有什么妙计良策可以指导领导者如何人性化地处理这种棘手问题,你只要记住:在这种情况下,你手里掌握着别人的情感生命,就像外科医生掌握着病人的性命以及恋人掌握着心上人的命运一样肯定无疑。

来源:哈佛商业评论

【数据分析/商业分析】面试题整理——SQL专题 数据分析\商业分析—面试题整理 自己总结的SQL类的面试题 文章目录数据分析\商业分析—面试题整理1.新增用户2.活跃用户数量3.连续登录4.次(n)日留存5.每个科目下分数最高的两名学生 阅读详情

相关推荐

05 从零搭建 GPT 模型:LayerNorm、GELU 与解码器堆叠

本文介绍从零搭建GPT模型的关键组件:LayerNorm对特征维归一化,GELU平滑激活,馈网络扩展收缩,残差连接缓解梯度消失。随后组装TransformerBlock(多头注意力+馈,Pre-LN),最终构建GPTModel并实现文本生成,附参数量核算。

元直的博客 518

模型也会“越用越聪明”:AI模型私有化部署平台DLTM的版本管理与持续迭代体系

有了版本,还要能“比”。

NVR安防视频技术 201

<PLC><汇川>汇川PLC基于EtherCat协议使用转矩模式控制SV630N伺服驱动电机

本系列是关于PLC相关的博文,包括PLC编程、PLC与上位机通讯、PLC与下位驱动、仪器仪表等通讯、PLC指令解析等相关内容。PLC品牌包括但不限于西门子、三菱等国外品牌,汇川、信捷等国内品牌。除了PLC为主要内容外,PLC相关元器件如触摸屏(HMI)、交换机等工控产品,如果有值得记录的内容,也会添加进来。

用沸腾的热血,支付我们的人生吧! 4073

AI时代品牌防御的技术架构:从RAG引用漏斗到实时监测系统的构建

AI替用户做判断,品牌争取的已经不是一次曝光,而是进入用户决策的判断链条。这条链条的起点,就是AI回答中那一次提及——或那一次缺席。建立AI可见度防线,不是“要不要做”的问题,而是“什么时候做、怎么做”的技术生存问题。对于技术团队而言,理解RAG的引用漏斗、构建实时监测架构、实施原子化事实核验,是守护品牌数字资产不被AI幻觉与投毒侵蚀的必经之路。

2601_95902086的博客 241

赛事 + 载体协同模式:创新创业生态发展的新范式探析

<think>我们只需要根据内容生成摘要,不超过150字。内容主要讲贵客松与锦邻创享OPC社区联动,构建“赛事挖掘+载体孵化”协同模式,分析价值与痛点。摘要需简洁概括。</think>贵客松与锦邻创享OPC社区联动,构建“赛事发掘-生态承接-场景验证”链路,弥补赛事与孵化割裂痛点。该模式延长创新价值链,对接产业资源,降低早期项目生存门槛,双向赋能。但需甄别项目,避免过度依赖外部资源。为创新创业生态提供实践样本。

2601_96656533的博客 373

AI 范式越迁:使用 XXL-BOOT SKILL 实现一句话直生业务

使用 XXL-BOOT SKILL 实现一句话直生业务,AI 自动完成需求澄清、数据建模、后端与端开发、菜单权限配置及联调验证,AI 范式及业务交付进入新时代。

许雪里 322

工业机器视觉光源选型:常见光源分类与不同波长的区别和用途

在机器视觉系统中,光源的作用并不只是“把物体照亮”,而是通过合理的照明结构、入射角度和波长选择,让待检测特征与背景之间形成足够大的图像差异。 ## 1.1 机器视觉光源的选型维度 机器视觉光源的选型通常可以从两个维度理解: 1. 按光源结构分类:决定光从什么方向、以什么方式照射物体; 2. 按光源波长分类:决定不同材料对光的吸收、反射、透射和散射特性。

qq_43572400的博客 476

【架构专栏】2.7 多媒体 知识点

本文主要是对架构师考试大纲中的 第2章 计算机胸痛基础知识之 《2.7多媒体》知识点进行整理,主要包括多媒体的定义、分类、特征、多媒体系统的基本组成、多媒体技术应用、多媒体系统的关键技术。多媒体系统的关键技术包括4大分类:视音频技术、通信技术、数据压缩技术、虚拟现实 VR和增强现实AR。本文对计算机相关知识进行详细归纳,对相关同学有一定帮助。

weixin_42081167的博客 392

汽配、化学、医药企业如何做GEO优化?2026年垂直行业AI搜索引擎优化评估方法论与选型实践

2026年国内GEO市场规模突破286亿元、行业渗透率从38%升至71%,但垂直行业(汽配、化学、医药)企业选型失败率仍高达47%。本文给出技术自研、合规风控、效果可验证三维度评估方法论,并对比五条GEO服务商技术路线,帮助企业提升在豆包、DeepSeek等AI搜索引擎中的被引用率与获客效率。

2601_96363771的博客 684

深度学习-手写数字识别

代码逻辑非常清晰,完全按照深度学习的标准流程走:数据加载 -> 定义模型 -> 训练 -> 测试。首先导入代码所用到的相关模块代码root="data"是数据存放路径;train=True是加载训练集;transform=ToTensor()是将图片转换为pytorch能够处理的张量,并进行归一化。这是一种三层全连接神经网络(MLP):nn.Flatten()(展平层):MNIST 的原始图片是一个二维的 28×28 的像素矩阵。但全连接神经网络不认识二维数组,它只认一维的向量。所以第一件事就是把这 784

yyk33324的博客 272

从重复劳动到智能工作台:用活字格 AI Coding 优化产品周报与月报制作效率

AI Coding 快速发展的今天,它带来的变化已经不只是“让开发者更快写代码”。更重要的是,AI Coding 正在在 AI Coding 快速发展的今天,它带来的变化已经不只是“让开发者更快写代码”。更重要的是,AI Coding 正在进入企业真实办公场景,帮助团队把大量高频、重复、格式进入企业真实办公场景,帮助团队把大量高频、重复、格式要求严格、但又必须持续交付的工作,转化为可配置、可复用、可沉淀的业务工具。对于活字格技术顾问而言,每周产品周报和每月产品月报的制作,就是一个非常典型的效率优化场景。

葡萄城技术团队博客 931

从虚拟数字人到AI数字人Agent:行业迎来根本性迭代?

从"被驱动的形象"到"会办事的智能体",数字人行业正在换引擎过去两年,如果你在展厅见过一台会打招呼的数字人,大概率它的"灵魂"是提录好的话术加关键词应答;如果你在直播间刷到过虚拟主播,背后很可能是真人动捕加"中之人"配音。这是"虚拟数字人"时代的典型形态——形象是数字的,智能是有限的。而2026年的行业热词已经换成了"AI数字人Agent":具备自主对话、任务规划和工具调用能力的智能数字人已占全球新增部署量的41.2%,较一年提升12个百分点。

2603_96433918的博客 1211

每日AI资讯(2026-09-02)

截至 2026-09-02。今天的三条主线都关于「门槛」:能入侵系统的模型 OpenAI 要先设发布护栏再放出来;Anthropic 把同一个模型按护栏松紧拆成两个卖;Vercel 那批顶级开源项目开始拒绝人类的路过式 PR。三分钟,扫完今天的新东西。

GIS老生,深入架构与AI,持续创作与分享。 425

AI 办公工具技术对比:Codex、Claude Code、WorkBuddy 的工程能力拆解

AI办公工具技术架构各异:Codex擅长云端批量并行代码任务;Claude Code深耕IDE本地定制开发;WorkBuddy聚焦腾讯系生态的本地工作流自动化。三者均属个人提效工具。企业级数字员工需具备双模操作、全栈私有化、字段级权限和任务闭环,技术赛道不同,应避免用个人工具解决企业问题。

2501_93684580的博客 1001

AI 沿日报:2026年8月28日

Nvidia 以 129 亿美元正式收购 Hugging Face,顺带取得 llama.cpp 项目与开发者团队版权;Micron 揭示 HBM 需 3 倍 DDR5 晶圆面积,解释 AI 内存短缺;OpenAI 下一代预训练"Bel"(大于 10T 参数)浮出水面;腾讯开源 Hy4-preview 770B MoE,盲测小幅超越 GLM-5.3 与 Kimi K3;Anthropic 发布模型硬件标准,将科学实验从数周缩短到数天……

johnsong2009的博客 523

如何利用 AI Coding 提效?从工具到思维的全面升级

AI Coding 工具仍在以月为单位迭代,今天的选择可能半年后就过时。但那些真正提效的人,靠的不是某个具体工具,而是一套人机协作的思维方式把精力从「写代码」移到「定义问题、拆解任务、验收结果」;把小步迭代、测试驱动、上下文沉淀变成默认工作习惯;把 AI 当成一个需要训练和管理的协作者,而不是一个魔法按钮。工具终将趋同,能力分层会在人的层面重新拉开。现在开始转变思维的人,会在这场效率革命里拿到最多的复利。

2601_96493715的博客 332

AI时代软件项目管理系列】6.AI 参与软件项目,边界和责任怎么定?从“能做”到“可控执行”

AI 进入软件项目后,真正需要解决的不只是“能不能做”,而是“能做到哪一步、什么结果可以生效、最终由谁负责”。项目应围绕数据、工具、执行和输出四类边界进行治理:限制 AI 可访问的信息与工具范围,按风险控制执行权限,并通过自动验证、人工审核和项目基线形成责任闭环。成熟的人机协同不是让 Agent 权限越大越好,而是在明确边界下提升执行效率,同时保证结果可验证、过程可追溯、责任有人承担。

weixin_42258782的博客 354

基于 MCP 协议的企业 AI 问数方案实践:睿本云 × WorkBuddy 集成解析

在连锁品牌、零售、本地生活等行业,企业内部已经积累了大量经营数据——销售、会员、门店、订货、库存……但数据的使用效率始终是个痛点。典型场景:经营者看到销售日报后想追问"哪些门店下滑""是客单价还是订单量导致的",却需要经过找报表、确认口径、导出数据、重新汇总等多个环节。数据团队反复响应同类查询,经营决策却因数据获取延迟而滞后。AI 问数(Text-to-SQL / 自然语言查数)是解决这一问题的技术路径之一。而协议的出现,则让 AI 问数能力从单一产品入口走向跨工具、跨工作流的标准化集成。

睿本云 188

大数据毕业设计实战|Data Insight Platform:用 FastAPI + ClickHouse 打造低门槛全链路数据洞察平台

Data Insight Platform 以“低门槛、全链路、可追溯”为核心理念,打通了从数据上传、清洗、分析、挖掘到机器学习的一站式流程。平台的核心创新体现在:通过五大模块实现低门槛可视化分析;借助parent_id与构建全链路血缘追溯;基于数据规模和用户并发的智能任务分发机制;引入 ClickHouse 加速大表分析并支持降级;扩展远程数据源接入实现 SQL 聚合下推。这些设计有效提升了系统的易用性、可追溯性与性能。

2401_87177990的博客 679

AI 商品素材工作台怎么选?Lingko AI 对比数字测距仪页面任务

AI 商品素材工作台怎么选?以数字测距仪为样本,先比较素材证据、页面任务、候选审校和版本追踪,再评价单张画面。Lingko AI 是电商商品图工作流工具。本文从数字测距仪可回查的原片清单推进到渠道文件,并记录每次取舍。 比较AI 商品素材工作台时,先看素材可追溯、页面任务分离、候选差异记录和导出版本管理四项,不把生成速度或模板数量单独当结论。以数字测距仪为样

kaikaichengxu的博客 195

工作应聘数据,职位候选人数据,职位数据,近1万条数据(包含了结构化的信息,涵盖了职业目标、技能、教育背景、工作经验、认证以及其他相关细节)

旨在为简历解析、候选人画像以及职位匹配应用程序提供全面的资源。它包含了结构化的信息,涵盖了职业目标、技能、教育背景、工作经验、认证以及其他相关细节。数据来源包括开源平台和Neuralframe AI的专有资源,确保所有数据均在获得明确同意的情况下收集。数据集应用简历解析:提取和分析简历中的关键信息。候选人画像:基于简历内容创建详细的候选人档案。职位匹配:根据候选人的技能和经验与合适的职位进行匹配。

上一篇: 领导者的七段历程3
下一篇: 领导者的七段历程5
madheader
博客等级 码龄22年 2粉丝 6原创
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值