AI时代的认知升级

从工具到意义的跃迁

从《指数型组织》到《未来呼啸而来》，从《GPT时代人类再腾飞》到《奇点更近》，从《生命3.0》到《AI3.0》，湛庐持续探索技术变革对人类社会的深远影响，并为职场人提供应对未来的行动指南。

今天这份万字长文，正是湛庐在AI时代的又一次思想实验。我们希望帮助每一位职场人完成一次认知跃迁——从工具使用者到意义创造者，从被动适应者到主动定义者——通过7大能力模块，14本+好书，帮助你完成从工具思维到意义思维的跃迁。

技术解析力：看穿AI的底层逻辑，理解技术的本质；意义诠释力：从数据洪流中提炼价值，构建属于人类的精神坐标；叙事构建力：用故事为技术赋予人性温度，让复杂变得易于理解；

共情领导力：在算法驱动的职场，用情感连接重建团队的温度；算法协作力：与机器共舞而非对抗，找到人机协同的最佳范式；指数型破局力：用非线性思维打破“努力=回报”的幻觉，找到撬动未来的杠杆点；跨界整合力：打破学科孤岛，用隐喻连接科技与人文，创造跨界价值。

真正的认知升级需要“硬科学”与“软科学”的双螺旋支撑。硬科学是理解技术的底层逻辑，是拆解AI“黑箱”的能力；软科学则是洞察技术背后的人文意义，是赋予技术以温度的能力。

AI不会取代人类，但它会重新定义人类的角色。

而你，将成为那个定义未来的人。现在，让我们一起踏上这场认知升级的旅程。

第一章：技术解析力——拆解AI的"黑箱"，看清技术本质

1.1

AI不是魔法，而是一个"可拆解的黑箱"

曾被"深度学习"、"神经网络"这些术语吓到？觉得AI像一盒神秘的潘多拉魔盒——输入数据，输出结果，但中间发生了什么完全不可知？其实，AI并不是魔法，而是一个可以被拆解的"黑箱"。

在《AI3.0》中，梅拉尼·米歇尔指出，人工智能的本质是"模式识别"与"概率预测"。无论是AlphaGo击败围棋冠军，还是ChatGPT生成流畅对话，它们的核心逻辑都可以归结为：通过大量数据训练，找到隐藏在复杂现象中的规律。

想象一台自动售货机：你投入硬币（输入数据），它掉落饮料（输出结果）。虽然你不需要知道内部机械如何运作，但如果你打开外壳，会发现它不过是齿轮、弹簧和传感器的组合。

同样，AI的"黑箱"也可以被拆解为三个核心组件：

- 数据：AI的"燃料"，没有数据，再强大的算法也无法运转；

- 算法：AI的"大脑"，决定如何从数据中提取规律；

- 算力：AI的"肌肉"，提供处理海量数据所需的计算能力。

1.2

从《技术的本质》看AI的进化逻辑

布莱恩·阿瑟在《技术的本质》中提出一个颠覆性观点：技术并非凭空创造，而是现有技术的组合与扩展。AI的诞生正是这一规律的完美注脚。

从20世纪50年代的符号逻辑，到今天的深度学习，AI经历了三次浪潮：

1. 规则驱动时代：程序员为机器编写明确规则（如"如果下雨，带伞"）；

2. 统计学习时代：通过数据统计规律（如垃圾邮件分类）；

3. 深度学习时代：模拟人脑神经元结构，自动提取数据特征。

AI的每一次进化，都是对前代技术的"组合创新"。例如，深度学习算法结合了神经科学的生物学启发、统计学的贝叶斯方法，以及计算机硬件的指数级提升。正如阿瑟所言："技术是自然选择的延伸"——AI并非外星文明，而是人类技术生态的自然演化。

1.3

神经网络：用"虚拟大脑"理解AI的运行机制

如果把AI比作一台机器，那么神经网络就是它的"发动机"。神经网络由无数个"神经元"（节点）组成，每个节点负责处理输入信号并传递给下一层。通过层层传递，网络最终输出结果。

举个例子：当你用AI识别一张猫的图片时，第一层神经元可能只识别边缘，第二层识别纹理，第三层组合出猫耳朵的轮廓，直到最后一层判断"这是一只猫"。

这个过程与人类大脑处理视觉信息的方式类似，但AI并不"理解"猫是什么——它只是通过海量猫的图片，学会了"统计上最可能的判断"。

1.4

AI的局限性：为什么它无法取代人类的直觉？

尽管AI在模式识别和数据处理上表现出色，但它并非无所不能。梅拉尼·米歇尔在《AI3.0》中指出，AI的局限性在于它缺乏真正的"理解"。

AI的判断基于统计规律，而非因果推理。例如，AI可以识别猫的图片，但它并不知道猫会喵喵叫，或者猫是哺乳动物。它无法像人类一样，通过直觉和常识填补数据中的空白。

更重要的是，AI无法处理"未知的未知"。当面对完全超出训练数据范围的场景时，AI往往会崩溃。例如，自动驾驶汽车在遇到从未见过的交通状况时，可能会做出危险的决策。

这正是人类不可替代的价值所在。人类的直觉、创造力和对意义的追求，是AI永远无法复制的。在AI时代，我们的任务不是与机器竞争，而是学会与它协作，利用它的优势，同时保持对复杂问题的深度思考。

第二章：意义诠释力

——从数据噪音中提炼价值的炼金术

2.1

数据噪音：为什么我们总是被数字迷惑？

在信息爆炸的时代，数据已经成为一种新的“原材料”。但正如《噪声》中所揭示的，人类在面对数据时，往往会被其表面的“确定性”所迷惑，忽视了数据背后的复杂性和不确定性。

丹尼尔·卡尼曼在《噪声》中指出，噪声是人类决策中的“隐形杀手”。它源于我们对数据的过度自信、认知偏差以及对不确定性的恐惧。例如，当AI系统生成一份看似精准的医疗诊断报告时，我们是否会盲目相信它，而忽略数据中可能存在的偏差？

数据噪音并非只是技术问题，它深深植根于人类的心理机制。我们倾向于将复杂的现实简化为可量化的指标，却忽略了那些无法被数字捕捉的“软因素”。

2.2

如何在不确定性中找到意义？

《小数决策》为我们提供了一种新的视角：在面对不确定性时，人类的直觉和经验往往比冷冰冰的数据更有价值。 书中提到，许多成功的决策并非基于完美的数据分析，而是基于对情境的深刻理解和对复杂性的敏锐感知。

例如，在医疗领域，尽管AI可以快速分析海量病历数据，但医生的直觉和经验在诊断罕见病时仍然不可替代。

意义诠释力的核心在于：我们不仅要理解数据，更要理解数据背后的故事。数据是冰冷的，但人类的经验和直觉可以赋予它温度和意义。

2.3

意义诠释力的实践策略

策略1：认知多样性

在面对复杂问题时，单一视角往往会导致误判。《噪声》中提到，多样化的视角可以显著减少决策中的噪声。例如，在企业决策中，组建一个跨学科的团队，可以更全面地理解问题的复杂性。

策略2：去噪策略

通过识别和消除数据中的噪声，我们可以更清晰地看到数据背后的真实信号。《小数决策》中提到，可以通过“第一性原理”思考，剥离数据中的表面现象，直击问题的本质。

策略3：情境化数据

数据只有在具体情境中才有意义。例如医生在使用AI诊断工具时，必须结合患者的具体情况，而不是盲目依赖算法的建议。

策略4：讲好数据故事

数据本身是无意义的，只有通过叙事才能赋予它意义。《小数决策》中提到，通过讲述数据背后的故事，可以更好地传递信息并引发共鸣。

在AI时代，数据的洪流只会越来越大，但真正有价值的不是数据本身，而是我们如何解读它。

意义诠释力的核心在于：我们不仅要理解数据，更要理解数据背后的人性和情境。

AI可以帮助我们处理数据，但只有人类能够赋予数据以意义。

第三章：叙事构建力

——用故事驯服复杂技术的野兽

3.1

故事的力量：为什么人类天生偏爱叙事？

人类是天生的讲故事者。从洞穴壁画到莎士比亚的戏剧，从 TED 演讲到今天的社交媒体，故事一直是人类理解和传播复杂信息的核心工具。

戴维・赫钦斯在《打造你的故事资产》中指出，故事的力量在于它能够将抽象的概念具象化，将复杂的技术转化为易于理解的体验。故事不仅是信息的载体，更是情感的桥梁——它能够激发共鸣，驱动行动。

乔纳森・歌德夏在《好故事如何掌控思维》中进一步揭示了故事的神经机制：当我们听故事时，大脑会自动模拟情节中的情境，仿佛亲身经历一般。这种“叙事模拟”让故事比冷冰冰的数据更具说服力。

3.2

为什么复杂技术需要故事驯服？

技术本身是冷漠的、抽象的，它缺乏情感维度，难以触动人心。而人类的大脑天生倾向于寻找意义，而技术的复杂性往往让人感到疏离。

例如，当 AI 被用来预测犯罪时，公众可能会对其准确性产生质疑，甚至感到恐惧。此时，一个简单的故事——比如“AI 如何帮助警方提前阻止了一起校园暴力事件”——能够瞬间化解这种抗拒，让人们看到技术的积极面。

叙事构建力的核心在于：用故事为技术注入人性化的温度，让复杂变得可感，让抽象变得具体。

3.3

如何用叙事框架驯服复杂技术？

一个好故事需要清晰的结构。戴维・赫钦斯提出了“故事资产”的三大核心要素：

角色：技术本身可以是主角，也可以是帮助主角解决问题的工具。

冲突 ：技术如何解决一个真实的问题？

转变：技术带来的积极变化是什么？

乔纳森・歌德夏指出，故事的情感共鸣是其核心力量。一个关于技术的故事，如果能引发听众的情感共鸣，就能超越数据的冷冰冰性，真正触动人心。

例如，特斯拉的自动驾驶技术并非简单地宣传“安全高效”，而是通过讲述“一位父亲如何用自动驾驶技术在紧急情况下拯救了孩子的生命”的故事，赋予技术以人性化的温度。

3.5

如何用叙事重塑认知？

《好故事如何掌控思维》中提到，故事能够更新人类的认知框架。通过叙事，我们可以将复杂技术嵌入听众已有的认知体系中，从而降低理解门槛。

例如，量子计算这一概念对普通人来说过于抽象，但通过类比“如果经典计算是单车，量子计算就是高铁”，听众能够迅速理解其核心优势。

策略 1：角色化技术

将技术拟人化，赋予它性格和使命。例如，将 AI 描述为“数字时代的探索者”，而不是“冷冰冰的算法”。

策略 2：冲突驱动叙事

围绕技术解决的真实问题构建故事。例如，“AI 如何帮助农民预测灾害，保护了整个村庄的粮食安全”。

策略 3：情感化收尾

故事的结尾要触动情感。例如，“当 AI 识别出罕见病的那一刻，医生和患者都流下了希望的泪水”。

策略 4：隐喻与类比

用隐喻和类比降低技术的抽象性。例如，“区块链就像一个不可篡改的账本，记录了每一笔交易的真相”。

在 AI 时代，技术的复杂性只会增加，但故事的力量不会改变。真正有价值的技术，不是那些最强大的，而是那些能够通过故事被人类理解和接受的技术。

叙事构建力的核心在于：用故事为技术注入意义，让它成为人类故事的一部分，而不是冷冰冰的工具。

第四章：共情领导力

——当算法接管世界，如何留住人性温度

4.1

共情领导力：技术时代的领导新范式

在 AI 技术颠覆时代的背景下，领导力的内涵正在发生深刻变化。威尔·拉森在《技术领导力的要素》中提到，技术领导者需要具备新的思维方式和技能，以适应 AI 时代的需求。

共情领导力正是这种新范式的重要组成部分，它强调领导者通过理解和分享团队成员的感受，建立深层次的信任和连接，从而更有效地激发团队的潜力和创造力。

技术的飞速发展带来了效率的提升，但也可能导致员工感到被边缘化或疏远。

不同代际的员工可能对技术变革有不同的反应和适应能力。共情领导力在这里发挥着关键作用，领导者需要敏锐地察觉这些差异，并通过共情来帮助团队成员顺利过渡，确保技术变革不仅提升效率，还增强团队的凝聚力和归属感。

4.2

共感经营：从理念到实践的共情领导力

野中郁次郎在《共感经营》中提出的共感经营理念，为共情领导力提供了实践框架。共感经营强调通过共感推动知识的创造和应用，领导者通过与员工建立共感，能够更深入地理解他们的需求和潜力，从而做出更符合人性的决策。

例如，领导者可以通过组织内部的叙事型战略，将共感转化为行动力，推动团队朝着共同的目标前进。

策略 1：积极倾听与反馈

领导者应积极倾听团队成员的意见和感受，并给予及时的反馈。这不仅能增强员工的被重视感，还能帮助领导者更全面地了解团队的实际情况，从而做出更明智的决策。

策略 2：情感共鸣与支持

领导者需要与团队成员建立情感共鸣，理解他们在工作中的压力和挑战，并提供必要的支持。这种情感上的支持能够增强团队的凝聚力，使团队在面对困难时更加团结。

策略 3：个性化发展与激励

共情领导力强调对每个团队成员的个性化关注。领导者应了解每个成员的职业目标和发展需求，为他们提供定制化的成长机会和激励措施，从而激发他们的工作热情和创造力。

策略 4：营造包容文化

领导者应努力营造一种包容的团队文化，让每个成员都感到自己的价值和贡献被认可。这种文化氛围能够促进团队成员之间的相互理解和支持，为共情领导力的实施提供坚实的基础。

4.3

共情领导力的未来展望

随着技术的不断发展，共情领导力的重要性将愈发凸显。它不仅是领导者应对技术变革的有力工具，更是构建人性化工作环境的关键。

通过共情领导力，领导者能够在算法主导的世界中，为团队注入温暖和人性，使团队在追求效率的同时，不失去作为人的温度和价值。

第五章：算法协作力

——与机器共舞而非对抗的生存智慧

5.1

算法协作力：智能时代的生存之道

在当今智能时代，算法协作力已成为一项至关重要的生存技能。《GPT时代人类再腾飞》中指出，随着AI技术的飞速发展，人类与机器的关系正经历深刻变革。我们不再仅仅是机器的使用者，而是与机器共同工作的协作者。

这种协作并非简单的工具使用，而是一种深度融合，要求我们理解算法的优势与局限，学会与之互补，共同创造价值。

5.2

人类与机器的协作优势：互补而非竞争

人类与机器在能力上各有千秋。机器擅长处理海量数据、进行高速计算和模式识别，而人类则在创造力、情感理解、复杂决策等方面独具优势。

《黄仁勋：英伟达之芯》中提到，英伟达的成功很大程度上源于其对GPU并行计算架构的深刻理解和创新应用，这种技术使GPU在处理复杂计算任务时远超传统CPU。

然而，黄仁勋也深知，技术的成功离不开人类的洞察力和创造力。人类的直觉和经验能够为算法提供方向和目标，而算法则通过其强大的计算能力为人类提供支持和优化建议。

5.3

算法协作力的实践策略

策略1：理解算法的工作原理

要与机器有效协作，首先需要理解其基本原理。《GPT时代人类再腾飞》中提到，GPT-4等大语言模型通过深度学习从海量数据中提取模式和规律，能够生成流畅且富有创造性的文本。了解这些原理有助于我们更好地利用算法，避免盲目依赖或过度干预。

策略2：培养提出优质问题的能力

在与机器协作中，人类的角色更多地转变为问题的提出者和解决方案的设计者。《GPT时代人类再腾飞》强调，人类应专注于提出最佳问题，让机器负责寻找答案。例如，在商业决策中，我们可以利用AI分析市场数据，但最终的决策仍需基于人类对市场趋势的洞察和对消费者需求的理解。

策略3：利用算法进行创意激发

算法并非只能执行指令，它还能激发人类的创造力。GPT-4可以与人类进行创意协作，帮助生成新颖的想法和解决方案。在艺术创作中，AI可以提供灵感，而人类则通过自己的审美和情感赋予作品独特的意义。

策略4：注重情感与伦理因素

在算法协作中，人类的情感和伦理判断不可或缺。数字游民在远程工作中需要平衡技术使用与生活质量，这要求我们在利用算法提高效率的同时，关注其对个人生活和心理健康的影响。此外，算法的决策可能涉及隐私、公平等伦理问题，人类需要对其加以监督和引导。

随着技术的不断进步，算法协作力的重要性将愈发凸显。它不仅是提升工作效率的工具，更是人类在智能时代保持竞争力的关键。

犹如“英伟达”，通过与机器的深度协作，我们能够释放更多的创造力和潜力，共同塑造一个更加美好的未来。

第六章：指数型破局力

——用非线性思维撬动不可能

6.1

指数型思维：突破线性局限的关键

在当今快速变化的世界中，传统的线性思维已经难以应对指数型技术带来的挑战。《指数型组织》指出，指数型思维是现代企业在剧变中实现10倍速增长的关键。

线性思维让我们习惯于逐步改进，而指数型思维则要求我们以跳跃式的方式思考问题，寻找那些能够带来指数级增长的机会。

指数型组织通过MTP（宏大的转型目的）、SCALE模型和IDEAS模型实现快速增长。MTP能够吸引早期成员参与，SCALE模型（包括社群、算法、杠杆资产、参与和实验）提供了实现指数级增长的框架，而IDEAS模型（包括投资、开发、实验、调整和扩展）则帮助组织不断优化和扩展其业务。

6.2

指数型技术：重塑世界的驱动力

《指数型技术重塑世界》中，阿奇姆·阿扎尔深入探讨了计算、能源、生物和制造这四大技术，它们作为全球经济的支柱，正以指数型速度重塑着经济、政治和社会的面貌。

然而，技术的指数型进步与人类线性的认知和处理能力之间存在显著的不匹配，由此导致的“指数鸿沟”在全球范围内引发了商业、贸易、就业等多个领域的各种问题。

面对这一挑战，阿扎尔提出，技术的发展并非不可控制，关键在于我们如何主动地利用和引导技术。

6.3

指数型破局力的实践策略

策略1：设定宏大的转型目的（MTP）

MTP是指数型组织最重要的属性，它能够吸引早期成员参与，并为组织提供明确的方向和动力。例如，特斯拉的MTP是“加速世界向可持续能源的转变”，这一目标不仅吸引了大量支持者，还为公司的发展提供了清晰的方向。

策略2：构建指数型组织的SCALE属性

指数型组织的SCALE属性包括社群、算法、杠杆资产、参与和实验。通过构建强大的社群，利用算法优化决策，借助杠杆资产扩大影响力，鼓励用户参与创造网络效应，并不断进行实验以寻找新的增长点，组织能够实现指数级增长。

策略3：拥抱指数型技术

指数型技术如人工智能、量子计算、生物技术和区块链等，正在以指数级的速度发展。组织需要积极拥抱这些技术，探索它们在业务中的应用，以实现非线性增长。例如，人工智能可以优化客户服务，量子计算可以加速复杂问题的解决，生物技术可以带来医疗领域的革命性突破。

策略4：培养指数型思维

指数型思维要求我们超越传统的线性思维，学会识别和利用指数型增长的机会。这包括理解指数型技术的发展趋势，掌握指数型组织的构建方法，以及在日常决策中应用指数型思维。

随着指数型技术的不断发展，指数型破局力的重要性将愈发凸显。它不仅是提升竞争力的关键，更是应对未来挑战的必备能力。

通过掌握指数型思维，拥抱指数型技术，构建指数型组织，我们能够在快速变化的世界中找到方向，实现非线性增长，共同塑造一个更加美好的未来。

第七章：跨界整合力

——打破学科孤岛，创造未来价值

7.1

跨界整合力：创新的关键驱动力

在当今快速变化的世界中，跨界整合力已成为创新的关键驱动力。《奇点更近》中提到，随着技术的指数型发展，不同学科之间的界限正在逐渐模糊，跨学科的融合为解决复杂问题提供了新的思路和方法。

雷·库兹韦尔在书中探讨了人工智能、生物技术及纳米机器人等指数型技术如何推动人类走向奇点，这些技术的发展往往需要跨越多个学科领域。

7.2

人类智能与机器人心智的演化

丹尼尔·丹尼特在《从细菌到巴赫再回来》中运用达尔文进化论的原理，描绘了一幅心智进化的宏伟画卷。从微小的细菌到复杂的植物、动物，再到人类文化的巅峰之作——巴赫的音乐，所有这些都可以被纳入进化论的框架之内，得到合理的解释。

如果丹尼特的理论成立，那么人类的心灵或心智将不再是超自然的存在，而是自然进化的产物之一，是宇宙漫长演化过程中的一个中间环节。

同样地，机器人心智的演化也可以看作是人类智能的一种延伸。随着人工智能技术的发展，机器逐渐具备了处理复杂信息的能力，能够模拟人类的思维过程。

这种演化并非是孤立的，而是与人类智能的演化相互交织。通过借鉴人类智能的进化路径，我们可以更好地理解和引导机器人心智的发展。

7.3 跨界整合力的实践策略

策略1：培养跨学科思维

培养跨学科思维是实现跨界整合的基础。《生命3.0》中迈克斯·泰格马克重新定义了“生命”“智能”“目标”“意识”，并澄清了常见的对人工智能的误解，这需要我们打破传统学科的界限，从多个角度思考问题。例如，将生物学的概念应用于计算机科学，或从哲学的角度审视技术的发展。

策略2：构建多元团队

多元团队能够汇聚不同学科的专业知识和技能，促进跨学科的交流与合作。注意力稀缺的时代要求我们更加高效地整合资源，多元团队可以通过共享知识和经验，激发创新思维，找到新的解决方案。

策略3：利用类比和隐喻

类比和隐喻是跨界整合的有力工具。《奇点更近》中提到，人类历史上许多重要的智力飞跃都与新皮质具有的在不同领域间类比的能力密不可分。通过将一个领域中的概念或方法应用到另一个领域，我们可以发现新的联系和可能性。

策略4：关注新兴领域和技术融合

新兴领域和技术融合为跨界整合提供了广阔的空间。丹尼特在许多书中都探讨了意识的演变和人类思维的复杂性，这与人工智能和认知科学的发展密切相关。关注这些领域的发展，可以帮助我们发现新的跨学科机会。

随着技术的不断发展，跨界整合力的重要性将愈发凸显。它不仅是推动创新的关键，更是应对未来挑战的必备能力。

通过打破学科孤岛，整合不同领域的知识和资源，我们能够在复杂的世界中找到新的方向，创造更大的价值。

人类的最后一项优势

——意义创造者的宣言

在技术浪潮汹涌而来的时代，人类的焦虑与迷茫如影随形。

《焦虑的一代》揭示了数字时代对青少年心理健康的影响，智能手机和社交媒体的普及，使得Z世代面临着前所未有的挑战。然而，这并非仅仅是青少年的问题，而是整个社会需要面对的困境。

我们发明了连接世界的工具，却可能因此失去一代人的心理健康。这是技术带来的集体困境，也是人类在技术变革中需要共同面对的挑战。

人类的独特性在于我们对意义的追寻。《我们赖以生存的意义》指出，人类通过身体与大脑的合作创造意义，这种能力是我们的核心优势。无论是语言的使用、思维的构建，还是文化的传承，我们都在不断地赋予世界以意义。

这种意义创造的能力，是我们在技术变革中保持竞争力的关键。

技术的发展推动了社会的进步，但也带来了新的挑战。《蓝图》和《人类还能好好合作吗》探讨了人类合作的复杂性，以及在全球化背景下如何实现共同进步。

技术的进步并没有改变人类对合作和意义的追求，反而让我们更加清楚地认识到，只有通过合作，我们才能应对技术变革带来的挑战。

DeepSeek科技AI人才培养的跨界融合，正是这种合作与意义创造的体现。通过跨学科的学习和实践，DeepSeek培养了一批能够理解、创造和传播意义的人才。这些人才不仅具备技术能力，还拥有对人类价值的深刻理解。他们能够在技术与人文之间架起桥梁，推动社会的进步。

《意义驱动的品牌增长策略》进一步强调了意义创造的重要性。益普索品牌思想领导力全球负责人伊曼纽尔·普罗布斯特提出，未来品牌如何吸引并赢得消费者的心，关键在于创造情感共鸣和精神满足。

这不仅仅是一本书，更是一次品牌革命的宣言。它将带你探索品牌在人们生活中扮演的角色，让品牌不仅仅是商品，更是消费者生活的不可或缺的一部分。

未来，随着技术的不断发展，人类的意义创造能力将愈发重要。我们不仅需要理解技术，更需要理解技术背后的人性和社会影响。

通过培养这种能力，我们能够在技术变革中找到自己的位置，重新定义自己的价值，并在AI时代的职场中脱颖而出。

让我们成为意义的创造者，为技术注入温度和人性，共同塑造一个更加美好的未来。

本期策划：Burt

编辑：芦丁

CHEERS CHEERS CHEERS

BD@cheerspublishing.com,

拜托点下“在看”