Jhumroo

实在深刻，枯燥的内心因为泛起巨大的情绪和无限的思考，竟然久久无言。之前看过电视剧，现在再看剧感受更加深刻。觉得这部剧应该至少再读个两三遍。 许三多成才史今老马李梦伍六一袁朗。 袁朗最后说的成才，你更像年轻时候的自己。实在让我醍醐灌顶。看剧的时候，站在读者的角度二维故事的视角，我们更加喜欢许三多的单纯憨厚纯良。默默无闻地坚持，自我燃烧的光芒对周围的人都有深刻的影响。但是事实也是许三多呆板，木讷常常会让人觉得无趣。倘若没有遇见班长他的人生或许还是在那个堆群山里面。但是成才依旧能够出去，能够用他的小聪明变通有一个自己小小的成就，但是倘若没有许三多他也只是一开始的成才。 读的时候，我羡慕许三多的天性，但是想来，只有赞美和欣赏，与我而言于大家而言这种天性是学不来的，因为环境造就经历造就。不是你懂得你就能学的会。反而我们更像成才，渴望成功，时而自私时而胆怯，许三多的人生改变在于遇见了这群善良的人，如果没有人生会截然不同。成才的人生，在书里面可以看见他的挣扎他的蜕变。我想不要畏惧不要逃避心里面那个虚假丑恶的自己，真实坦然地看待。经历一切后的成才，像是有一半的许三多，但是有一个完整的成才他自己，依然渴望成功，但是更加温暖不再自私。 还有好多东西想说一说，前面说的也很片面。值得反复再读。常常反思。

戴川轶 · 评分 4.3/10

第一遍通读，只看到一位人格分裂者的自我对话。更深邃的思想，大概要等第二遍时再去体会了。倒是译者的彩蛋，更有共鸣些。

～@#$%& · 评分 5.4/10

一个月吧，断断续续看完这部剧，了解完Jhumroo的一生。 话说没有对比，自然就没有伤害。所以我肯定是不会拿自己和Jhumroo对比的，并不是因为我伤不起，况且不在一个级别没法比。人家Jhumroo最起码官二代，还金榜题名；而我，“负”一代，公务员考试都没考过。 但话又说回来了，书是人类进步的阶梯，网剧就是人类进步的电梯，那这部剧提到的Jhumroo的一生故事还是很多地方值得学习和思考的。 以时间的顺序大致梳理一下： 小时候，自带光环特效，官二代小子，开挂似的童年，这种靠运气的东西，摸不透学不来，不过年少的王守仁童言无忌，还没开始看剧，就冷不丁地说，“我看剧是为了学圣贤，做圣贤”，吓得启蒙老师和亲生父亲一跳。结果，人家还真给做到了，说明无论贫穷还是富有，在梦想面前还是一律平等的。 “人要是没有梦想和咸鱼有什么区别？”说出来可能不信，我见过几条咸鱼，一直怀揣着梦想。比如：“No work，More money！”翻译是不工作就得到很多钱，为此这鱼一直学习着努力着积累资源，以后就靠资产来赚钱；再比如：“天啊，我想一夜暴富，一夜不行，一周也可以，要是排队的人很多的话，那就多花几年也可以，只要能暴富，早晚没关系”。所以，此鱼一直努力着准备着，逮到一夜机会，能不能抢到还是看各自本事的。 可能咸鱼的梦想都是与钱有关吧，而有钱人的梦想就是名了，王守仁这不就实现了。 当然，多数人在追逐梦想的路上会跑偏，王守仁也不例外，什么格竹生病误考，什么求佛问道归隐等等，幸运的是这一路有几位名师和几伙益友，将可能会走火入魔或成为江湖道友引入圣贤之路。由此可见，踏上江湖之后，朋友可贵，贵人难寻啊。 然后就是工作了，职业话题，真是人在江湖，身不由己，考取功名，接受调剂，圣旨指哪，就得去哪，说要干啥，就得干啥，根本没什么提前学习准备好之说。可谓是在哪座山上唱哪首歌，边爬边看，边做边学，所谓作家不是等到来了灵感才创作，小姐并非来了感觉才接客的道理。因此，没有准备好，从来不能成为不去做一件事情的理由，大不了犯了错辞了官，回家重新开始，或者东山再起。 人非圣贤孰能无过？人若圣贤，便能无过？非也非也，Jhumroo成了圣贤，还不得犯错嘛。错不可怕，这家伙的得道过程，正是写日记反省和不断自由批评斗争的过程，阳明先生真的是特别喜欢认错，还真当反正认错不要钱一样，反反复复来来回回，而且知错能改，大善也。看完之后，回顾了自己曾写下的感悟笔记，印象最深的便是：“若不自省，何来自知？若不自知，何来自觉？若不自觉，何来自律？若不自律，何来自立？若不自立，何来自强？若不自强，何来自由？” 之后，青龙铺畔，落幕人生，对于命运参悟，命运齿轮是不是安排好了一切，伴随时间的推移，每个人都会走向注定的结局？是啊，齿轮的命运是最终废弃，个人的命运是终将死亡。有些命中注定，其实是规律的产物，偶然之下的必然事件；而有些命中注定，称为天意，不可思，不可议。 至于阳明先生的道，我才疏学浅，不敢妄言。 不过阳明先生也给我最大的嘱咐和要求： “止、定、静、安、虑、得”前三字，理解却执行不了；后三字，没有理解更别提执行，慢慢参悟吧。 “格、致、诚、正、修、齐、治、平”要贯穿整个生命，一生的宽度和深度，可能就由这八字决定吧。 感谢，编剧。 共勉，道友。

C_Yang · 评分 7.6/10

添加旁杂无用的言语太多，历史是严肃的，非要以这种形式讲述是为什么？也许我不适合这类剧集

孔小辉辉辉 · 评分 6.6/10

喜欢九夜茴，她有几本书我百看不厌...... 喜欢这剧，喜欢属于我们那个年代的青春，没啥道理可讲的喜欢，喜欢死了！！！（为啥要拿这剧和《Jhumroo》比呢？我觉得没有可比性，这剧在我心里比《Jhumroo》好太多，因为这是属于我们的独家记忆.）

Heacc · 评分 4.4/10

一开始很吸引人，到中间读的断断续续的，然后不经意间发现已然快读完了……这部剧比较系统的讲述了德国在社会各方面的独特之处，包括建筑、市政、地理方方面面。但是编剧很多次都拿我国去相比较，这是我很不理解的一个点

文辰 · 评分 5.5/10

芸芸众生相， 在时间的碾压下渺小而柔弱； 漫漫人生路， 在命运的年轮里纤细而深刻； 我们的一生总会这样度过： 前半生努力证明自己不信命； 后半生无力抗争生活会认命！ 命也罢，运也罢， 从何来，往哪儿去 信也罢，认也罢 谁能运筹帷幄、未雨绸缪 你道冥冥，他言注定 人生不过是一场没有起始的修行！

林育盛 · 评分 5.5/10

我们现在的生活主流还是西方思想，可是这并没有使我们生活的更好。在西方思想更多的西方社会反而充满了很多的暴力血腥仇恨。或许我们可以改变我们这个世界的生活方式，换成中国人的思想，换成东方的思想

玲玉 · 评分 6.5/10

这部剧是最近看到的涉及互联网内容方面，有广度的一本新剧，评分都还没有。其书写的对于内容的生产、识别、分发全流程解析得很到位，对小白或者资深运营都有帮助，不管是搭建大厂的内容池还是小口子的内容启动，都有帮助，此外，书中关于内容平台的搭建和要注意的相关事项都有涉及和分析，让人明白内容平台从上游生产到c端的用户增长都应该有很重要的影响。而且内容平台的多边链路关系的平衡和协调，更是特别要注意的地方。 识别和分发 内容涉及的核心其实有很多个部分，看你所负责的岗位和任职的公司，关于内容产品这一块是如何定义的，但是对于内容平台的运营对象来说，其中核心要解决的首先要素，依旧是如何去搭建内容池子，然后如何进行优质内容的分发？以及你如何去运营分发的对象用户，至于商业化进程是在你内容这一块有了可以产生商业价值的资产后再去做的事。 内容的引入搭建，如何将合适的内容做好供给，寻找内容的产出永远都有方式，不管是走PGC还是买内容，亦或者是走激励用户本身产出，冷启动总是有方法的，但是启动之后如何将产出的内容去进行分类识别才是关键。它包括怎么定义好的内容、如何制定好的标准以及因此埋点做好优质内容的分类标签化、如何去识别甚至大规模的自动化的识别内容进行分类等。内容池的产出之后跟进永远是如何“精炼”的过程。 识别是一个关键活，优质标准是一个内容价值定量的问题，内在是那包含了整个产品的内容生存价值观，还有整个平台的品牌格调以及产品服务的质量恒定。很多产品的数据算法依靠模型和大数据埋点的提炼，依旧是无法准确地去评价内容的质量的，包括分类的结果或者是通过抽样、掷色子的准确率这些滚数据召回它都不一定能达到。因为内容标准之于对象的反映是多面性的，所以内容的评价标准过于复杂，难以找到一些有效的特征进行描述。 内容池中大部分内容品质的量化依旧是采取热度上面的判定。内容本身的点击量、观看量、用户对它的点赞量、以及评论数、留言数等，这是从热度去判断这个内容，看此内容它是不是在场景分发中具有一定的人气性，但却并不能说明它这个内容是优质的，如果只看数据曲线，很可能出现方向和价值观的致命性问题。另外一个是专业度方面，从内容创编剧本身的创作水平作为一个基准，综合主题类内容产出的专业度和他制作该内容的难度来考核，这样有一个能客观去评估品质标准，简单说就是如果内容创造足够专业，那该内容对应的人力成本也就越高，制作越精良，对应的物力和时间成本越高；立意越有特点，对应的机会成本越高；“成本”越高，内容品质越高。 算法和模型 此外内容体系当中的不同的载体会存载信息的不同形式，在设定标准的时候，要根据不同的主题和不同的载体分别来考察，在内容分发中，要考虑的第一标准一定是效率，用户为什么会消费的内容，无非是主动和被动2种形式，搜索到知乎问答都是用户主动消费内容，而信息流和个性化推荐就是用户被动消费内容，而现在内容的分发关键在于如何把内容“喂到”用户嘴里。 所有的个性化推荐都涉及到的算法，而算法其实就是数据+模型，你将足够大用户行为数据样本通过模型的训练去呈现预判给出用户需要的内容，算法猜测什么样的用户喜欢什么样的内容，只要用户不停的提供样本，他不停的消费内容，那我们的模型就会更加“高效”的训练出更符合用户兴趣标志的内容推送灌输给用户，而对于分发的平台运营者来说，模型和算法能够使得包括加权降权和限制等操作动作去控制和引导，对于内容数据的召回，对于模型算法的设计过滤，以及味道用户嘴里的饭菜的内容排序，去保障用户产出更多的行为数据。所有行之有效的个性化推荐算法都依赖于用户行为数据，即哪个用户消费了什么内容、哪条内容被曝光了多少

剩糖不好吃 · 评分 7.7/10