人工智能的產(chǎn)業(yè)化進程，早已超越概念探索，正以“老場景,新解法”的范式，靜默卻深刻地重構(gòu)各行各業(yè)。在鈦媒體2025ITValueSummit前瞻WAIC現(xiàn)場版：AI落地指南系列的直播中，科銳國際CTO劉之與鈦媒體聯(lián)合創(chuàng)始人劉湘明聚焦人力資源服務(wù)領(lǐng)域，深入探討了Agent（智能體）的實際落地路徑。

當前人力資源領(lǐng)域，招聘相關(guān)的AI新應(yīng)用層出不窮。面對尚未收斂的技術(shù)環(huán)境，科銳國際CTO劉之強調(diào)務(wù)實策略：回歸核心業(yè)務(wù)流程（“老場景”），尋找顛覆性解決方案（“新解法”），通過小范圍驗證成功后再規(guī)?；瘡椭啤?/p>

從"老場景"出發(fā),尋找AI單點突破

“AI仍處早期，技術(shù)變革仍在進行，新場景和新商業(yè)模式或需兩三年才能成型?，F(xiàn)階段，我們更關(guān)注如何用AI革命性地解決既有痛點?！眲⒅趯υ捗鞔_表示。同時，他提出了通用Agent工作記憶的三難困境：長上下文窗口、有效注意力和高信息密度的三者不可能同時實現(xiàn)，并且認為Agent落地可以從問題清晰度和費力度兩個維度出發(fā)進行選擇。

AI應(yīng)用三階段:從信息檢索到智能決策

劉之將生成式AI在業(yè)務(wù)中的應(yīng)用演進劃分為清晰的三階段：第一個階段是ChatGPT階段：重塑知識獲取方式?？其J國際利用其龐大人才庫與大模型結(jié)合，顯著提升了獵頭這種知識密集型業(yè)務(wù)的效率。

第二個階段是多模態(tài)階段：隨著多模態(tài)模型成熟，科銳國際聚焦語音與文本模態(tài)的融合，尤其用于優(yōu)化招聘中的語音溝通環(huán)節(jié)。

第三個階段是Agent階段:隨著Agent的推理、長程規(guī)劃和工具調(diào)用能力的提升，重構(gòu)短流程業(yè)務(wù),實現(xiàn)從輔助決策到自主執(zhí)行的跨越，成為科銳國際主攻的方向。

Agent時代:需求管理與產(chǎn)品設(shè)計的范式轉(zhuǎn)變

Agent的引入，從根本上改變了技術(shù)需求的界定方式和產(chǎn)品設(shè)計邏輯。Agent出現(xiàn)之前做產(chǎn)品，識別需求很重要，尤其是要識別出小需求和偽需求。如果某個小需求同時具備高頻出現(xiàn)的特點，往往這個需求是一個非常好的抓手，能夠幫助實現(xiàn)單點突破。但大部分情況下，這類小需求難以尋找，往往更多的是無法被規(guī)?；男⌒枨?。

這兩類需求產(chǎn)生的原因主要有三點：1，對技術(shù)上限不了解，容易陷入宏大敘事；2，沒有真正理解需求的本質(zhì)；3，沒考慮適用范圍和頻次。

針對這些問題，科銳國際提出了“問題方案鏈“的需求管理方法。其核心是明確需求涉及的對象、具體問題以及對應(yīng)方案。設(shè)計出方案Before和After的對比，并針對方案本身分析可能存在的問題和進一步優(yōu)化的方向，此外還要判斷實施后是否能帶來顯著改善，進而進入決策環(huán)節(jié)。

Agent出現(xiàn)后，產(chǎn)品設(shè)計與需求管理發(fā)生巨變。Agent核心是自主性，強調(diào)自主完成任務(wù)——不同于以往系統(tǒng)聚焦流程節(jié)點（交付物）并固化到線上，Agent時代更需觀察優(yōu)秀顧問的感知與決策過程，因此需要更多顧問參與產(chǎn)研環(huán)節(jié)。

劉之認為，剛落地Agent時應(yīng)當優(yōu)先解決基礎(chǔ)能力，再落地場景需求。例如先構(gòu)建好沙箱、工作記憶與長期記憶、感知系統(tǒng)、工具等等。當基礎(chǔ)能力完善后，再去看場景需求。落地場景需求時往往會要求基礎(chǔ)能力提出一些新的要求。這種迭代螺旋上升的方式可以既不失去Agent的自主性，又能更好的貼近場景。展望未來，劉之表示，2025年科銳國際的核心目標是將MatchSystem持續(xù)改進以增強其從語義級匹配往應(yīng)用級匹配過渡的能力，并與招聘場景進行結(jié)合，最終形成SearchAgent。他透露科銳國際已經(jīng)開始內(nèi)測更強大的Agent產(chǎn)品，自動化與自助化標簽定義、CRN圖模型等場景化應(yīng)用也在同步推進。

附上本期直播時間軸,幫你快速跳轉(zhuǎn)感興趣的部分

03：03Agent應(yīng)用現(xiàn)狀

04：17科銳AI應(yīng)用布局

06：43大模型發(fā)展的三個階段

11：20Agent應(yīng)用痛點

17：40如何選出“真”AI需求

27：45兩個指標，篩選Agent優(yōu)先落地場景

33：54AI正在重塑各行各業(yè)

38：17AI如何重構(gòu)人力資源行業(yè)

以下為對話實錄,經(jīng)鈦媒體APP整理:

招聘還沒有誕生“新場景”

劉湘明:首先,請您簡單介紹一下科銳國際。

劉之：科銳國際是一家技術(shù)驅(qū)動型的人力資源解決方案公司，是國內(nèi)第一家在A股上市的人力資源公司。目前在全球有160多個分支機構(gòu)，主要提供獵頭、招聘流程外包以及靈活用工等人力資源服務(wù)，核心優(yōu)勢是技術(shù)+平臺+服務(wù)的商業(yè)模式。

劉湘明:此次參加WAIC大會,您的感受如何?

劉之：我看到了具身智能和很多硬件廠商的展臺。AI當然仍然還是更多是圍繞著基礎(chǔ)設(shè)施，應(yīng)用廠商還比較少。不過我相信明年、后年，WAIC上會出現(xiàn)更多的應(yīng)用公司。另外，我覺得技術(shù)氛圍十分不錯，能在會上看見一些不錯的技術(shù)展示。

劉湘明：AI落地是目前熱議的話題，現(xiàn)在AI在招聘業(yè)務(wù)的應(yīng)用和改造，已經(jīng)到什么程度了？

劉之：目前國內(nèi)外在招聘方面的AI應(yīng)用有很多進展。整體上看，我覺得人力資源公司和SaaS公司發(fā)展是最快的，而企業(yè)側(cè)相對來說慢一點。雖然AI仍處于完善基礎(chǔ)設(shè)施的階段，但我相信過一段時間之后，在招聘場景中會有更多的應(yīng)用，甚至新的商業(yè)模式出現(xiàn)。

劉湘明：目前科銳國際在AI應(yīng)用做了哪些嘗試？

劉之：科銳在ChatGPT剛問世的時候就開始了AI應(yīng)用的嘗試。我覺得這個過程中大概經(jīng)歷了三次技術(shù)突破。

第一次是ChatGPT問世。ChatGPT改變了知識獲取的方式。在這個階段，科銳主要針對獵頭業(yè)務(wù)展開AI化。因為科銳所服務(wù)的部分細分市場是圍繞著技術(shù)崗位的招聘業(yè)務(wù)展開的。所以獵頭業(yè)務(wù)需要對崗位的專業(yè)知識有深度理解。

獲取企業(yè)內(nèi)部數(shù)據(jù)有三種方法：微調(diào)、上下文學習與RAG。我在兩年多前判斷微調(diào)垂直大模型并沒有什么實際意義：參數(shù)小的模型容易微調(diào)，但是智能化水平低；參數(shù)大的模型難以微調(diào)?？其J的數(shù)據(jù)量太大，沒法放在上下文中。所以我們主攻的方向是RAG。而RAG的核心就是Embedding模型，過去兩年，科銳一直在訓練招聘與技能的垂直Embedding模型和研發(fā)MatchSystem匹配系統(tǒng)。

第二次是多模態(tài)大模型。但我認為，視覺-語言的多模態(tài)大模型缺乏ScalingLaw。這可能和語言是由人類創(chuàng)造的一種壓縮格式，所以容易出現(xiàn)ScalingLaw有關(guān)。而語音-語言的多模態(tài)都屬于人類創(chuàng)造的數(shù)據(jù)形式，是具備ScalingLaw的。在這個階段我們核心關(guān)注AI電話這個場景。因為在招聘過程中，很多都需要進行電話溝通。

第三次是Agent。這個階段是從DeepSeekR1通過強化學習將推理能力提升到了一個新高度開始的。這個階段我認為最佳的發(fā)展方向是：輕微重復的短流程業(yè)務(wù)。

剛才講的是技術(shù)，再講講產(chǎn)品。我們很多年前就判斷未來的招聘行業(yè)的市場變化速度會越來越快。原因有兩個：第一個是國內(nèi)產(chǎn)業(yè)鏈越來越細分，細分崗位也就越來越多，比如工程師崗位，原先用五個類別劃分就夠了，現(xiàn)在可能要九類，甚至十類進行劃分。第二個是技術(shù)呈現(xiàn)出指數(shù)型的發(fā)展。

我們在三年前開始構(gòu)建大數(shù)據(jù)平臺，所以積累了非常多的數(shù)據(jù)。我們希望利用研發(fā)的MatchSystem匹配系統(tǒng)和CREEmbedding模型的能力，將線上線下，增量存量、區(qū)域行業(yè)的客戶、職位、人才和顧問進行實時AI匹配，進而可以更快的響應(yīng)市場的快速變化。這些技術(shù)已經(jīng)應(yīng)用在科銳內(nèi)部系統(tǒng)和平臺產(chǎn)品禾蛙上。

劉湘明：您可否分享一些具體的細節(jié)和經(jīng)驗？

劉之：Embedding模型相當于將簡歷和招聘需求能夠編碼成一個計算機能讀懂的語言，從而讓大模型在訪問企業(yè)內(nèi)部數(shù)據(jù)的時候，可以快速在一個龐大的數(shù)據(jù)庫中找到想要的信息。

在今年4月份以前，Embedding模型還處在語義階段。語義即代表了一段文本的潛在意義。當來到了Agent時代，這種技術(shù)就存在問題了。比如我問Agent："我想知道科銳數(shù)據(jù)庫中，有哪些產(chǎn)品經(jīng)理是有從0到1經(jīng)驗的？"這就需要我看完這個人的簡歷后，進行一些推理。比如這個曾經(jīng)從0到1創(chuàng)業(yè)過，這個人曾經(jīng)在小公司待過，而這個公司曾經(jīng)發(fā)展很快，那么他就會有從0到1的經(jīng)驗。推理是指通過多個證據(jù)，并得出結(jié)論。還有些情況下，Agent還需要做一些多跳檢索。比如我想查詢"某家公司內(nèi)，有一個人選，這個人曾經(jīng)在哪些地方工作過"。

多跳檢索和推理任務(wù)在Agent時代里，如果用傳統(tǒng)基于語義的Embedding模型的話，Agent需要與系統(tǒng)進行反復交互。這樣消耗的Token量非常的大，速度很慢，而且還不一定準確。

我們在兩年多Embedding的實踐中，一直有一個疑惑："為什么像BERT這樣的Encoder架構(gòu)，它的ScalingLaw不明顯？"后來我們從強化學習、語言學和認知心理學的角度進行了深入研究，才有了一些頓悟。我們過去總以為語言的本質(zhì)是為了傳遞信息和知識，也就是我們所說的"語義"。但其實，語言與思維有著更深層的關(guān)系。比如人在思考的時候，腦海里會出現(xiàn)很多詞匯或句子。這種語言形式，我們稱之為"內(nèi)語（InnerSpeech）"。內(nèi)語有兩個關(guān)鍵作用：第一個是幫助人保持注意力集中，第二個是引導和組織人的思維過程。

既然我們認為語言與顯性思維有關(guān)，那么我們?yōu)槭裁床荒茉贓mbedding模型中把這種"思維鏈"激發(fā)出來呢？基于這個認識，科銳正在研發(fā)兩個創(chuàng)新性的技術(shù)：第一個叫RT（RefineThought）推理技術(shù)，它通過多次前向傳播，快速激發(fā)出Embedding模型在預訓練階段學習到的推理能力。RT與Embedding模型結(jié)合，已經(jīng)在多個公開數(shù)據(jù)集上刷新了SOTA（StateoftheArt，業(yè)界最優(yōu)）。第二個是正在訓練的CRE-T1模型。它引入了基于強化學習的訓練框架，并采用token級別的信用分配機制，從而擺脫傳統(tǒng)對比學習的約束，使Embedding模型在推理狀態(tài)空間中實現(xiàn)更加有效的跳躍與泛化。

劉湘明：招聘看起來是一個人力資源的環(huán)節(jié)，但其實這里面?zhèn)€性化差異非常大，面向不同的崗位、人才，分類龐雜，在進行AI應(yīng)用之前，你們怎么梳理這些需求的？

劉之：首先先談?wù)剬π袠I(yè)的理解。我認為服務(wù)跟產(chǎn)品是兩回事，管理學上講，服務(wù)管理與產(chǎn)品管理本質(zhì)上存在區(qū)別。服務(wù)管理比較強調(diào)激發(fā)顧問的自主性，需要充分授權(quán)。所以在服務(wù)行業(yè)里，過分強調(diào)標準化違背了行業(yè)特點。但是我們要做系統(tǒng)，即使有自定義能力，也必須具備一定的標準化能力。這就產(chǎn)生了沖突。

在這種個性化較多的情況下，最核心的是進行識別需求。在需求識別上，我們可以分為兩個階段：一是Agent出現(xiàn)之前；二是Agent出現(xiàn)之后。

Agent出現(xiàn)之前做產(chǎn)品，最核心的是要識別出小需求和偽需求。如果小需求，同時高頻出現(xiàn)，往往這個需求是一個非常好的抓手，能夠?qū)崿F(xiàn)單點突破。這兩類需求產(chǎn)生的原因：1，對技術(shù)上限不了解，過于宏大敘事；2，對需求背后的真相不理解；3，沒考慮需求的應(yīng)用范圍和頻次。

針對此，科銳提出了"問題-方案鏈"的需求管理方法。要明確"誰""問題"和"方案"。需要明確具體且有代表性的用戶角色。問題需要精準定義待解決的痛點。對比"現(xiàn)有方案"(Before)與"新方案"(After)，關(guān)鍵是新方案能否帶來十倍級體驗提升，同時預判新方案可能帶來的衍生問題。

另一方面，在AI早期，我們認為應(yīng)該盡量做"老場景"的"新解法"。因為技術(shù)還在變革，可能再過兩三年才會出現(xiàn)新場景。

Agent之后，產(chǎn)品設(shè)計和需求管理的方法又發(fā)生了巨大的改變。Agent更強調(diào)自主性，自主完成任務(wù)。原先做系統(tǒng)的時候，需要特別關(guān)注流程節(jié)點，我們稱為交付物。產(chǎn)研負責將線下的交付物固化到線上。但Agent時代，交付物的固化已經(jīng)不重要了，更多要觀察的是優(yōu)秀顧問的感知和決策的過程。所以，Agent需要更多優(yōu)秀顧問參與到產(chǎn)研開發(fā)環(huán)節(jié)中。

這個階段，要先解決基礎(chǔ)能力再解決場景需求。例如，以科銳正在內(nèi)測的Agent系統(tǒng)。舉個例子，基礎(chǔ)能力包括模型、沙箱（沙箱就是一臺電腦，需要一個代碼執(zhí)行環(huán)境，同時還需要訪問外部網(wǎng)站）、工作記憶與長期記憶、工具等等。解決了基礎(chǔ)能力之后，才開始優(yōu)化具體的場景。在場景開發(fā)時候，還對基礎(chǔ)能力提出一些特別的需求。

Agent與人一樣，都需要在一個巨大的問題空間中，搜索解決問題的路徑。這個問題空間我們可以用一個叫問題清晰度的指標來進行衡量。問題清晰度用專業(yè)的術(shù)語可以稱為"問題空間結(jié)構(gòu)良好性"。問題清晰度包含三個方面：第一是當前狀態(tài)清不清晰；第二個是目標狀態(tài)清不清晰；第三個是搜索空間是否巨大。當問題清晰度很低的情況下，搜索是非常復雜的。

第二個指標叫費力度。認知心理學的術(shù)語可以稱為"認知負荷"。它說明在這個任務(wù)當中需要耗費多少心智資源。

用費力度和問題清晰度兩個指標并結(jié)合頻次去進行判斷。比如有些高問題清晰度、低費力度的問題，如果這類問題是反復出現(xiàn)的，那么企業(yè)應(yīng)用優(yōu)先解決；而低問題清晰度、高費力度的問題，這類問題價值極大（例如AI編碼、Coding）。通常使用長程規(guī)劃（甚至是逐步規(guī)劃），并結(jié)合更多的工作記憶才能解決。

使用這兩個指標對企業(yè)的業(yè)務(wù)或任務(wù)進行分層，找出要重點解決的場景。找到場景后，還需要進一步去思考讓Agent先模仿人類，再如何超越人類。

劉湘明：我再追問一下，科銳國際AI應(yīng)用與員工協(xié)作關(guān)系是什么樣的？如何用AI？

劉之：先談產(chǎn)研內(nèi)部的協(xié)作關(guān)系。我覺得這一波AI是高度學科融合的，正在對所有職能的分工進行重塑。最早大模型關(guān)心的是工程與深度學習算法的融合，到了具身智能之后開始出現(xiàn)了強化學習，再到Agent時代，更多討論的是認知心理學。

過去我們一直在強調(diào)分工和協(xié)作，但這一輪AI浪潮的到來，正在加速消滅分工和協(xié)作。

所以在過去的幾年時間內(nèi)，無論是產(chǎn)品、數(shù)據(jù)、工程師，還是測試、前端、后端等部門的員工，科銳都做了很多融合工作，比如，我們要求后端會寫算法；產(chǎn)品經(jīng)理會寫代碼....這樣的融合才能拉齊大家的認知。

再從業(yè)務(wù)與產(chǎn)研的協(xié)作關(guān)系來看。我認為業(yè)務(wù)與產(chǎn)研的協(xié)作關(guān)系，應(yīng)該從原來的產(chǎn)品幫助業(yè)務(wù)梳理流程，到實現(xiàn)業(yè)務(wù)自己梳理，自己實現(xiàn)應(yīng)用的過程。產(chǎn)研提供的更多是可以根據(jù)業(yè)務(wù)人員的需求進行定制的通用產(chǎn)品。業(yè)務(wù)人員可以自己創(chuàng)建一個獨立的Agent，并通過對話的方式訓練它。但核心在于業(yè)務(wù)人員能不能把自己的感知和決策過程抽象提煉出來。

劉湘明：所以說，真正的技術(shù)革命是對組織文化、傳統(tǒng)管理提出了巨大的挑戰(zhàn)。

劉之：對，管理革命的確經(jīng)過了很多階段。從早年的科學管理，到行為管理，到目標管理，再到過去幾年大廠所推行的網(wǎng)格化管理。其實早在中臺出現(xiàn)之后，尤其在產(chǎn)研部門，更多出現(xiàn)的是反分工，消滅分工。

原先，在一些諸如打車、外賣等輕服務(wù)的行業(yè)，已經(jīng)利用數(shù)字化的手段實現(xiàn)了一定程度上的標準化。而產(chǎn)品管理，比如服裝行業(yè)，他們其實是用數(shù)字化的方法，實現(xiàn)了一定程度的個性化。

這一輪的AI變革對于服務(wù)行業(yè)而言，最大的改變是：能夠讓服務(wù)行業(yè)的標準化程度再高點，或者說是將其自動化程度再提高一點，這就會帶來一個全新的管理革命。

此外，我問過一些大模型一個問題：當Agent在一家企業(yè)里面的應(yīng)用數(shù)量超過人類會怎樣？超過100倍會怎樣？大多數(shù)模型給我的答案是：中層干部會消失。中層原來特別強調(diào)協(xié)調(diào)，他們的職能可能就是上傳下達，協(xié)調(diào)所有人。

劉湘明：以招聘為例，原來寫簡歷是為了要考慮搜索優(yōu)化，未來是不是要考慮AI優(yōu)化的問題？

劉之：這個問題我們前段時間還真考慮過。我們現(xiàn)在很多時候是基于人類語言進行交互和處理，那么我們有沒有可能為AI創(chuàng)造一個全新的語言，它的壓縮率更高（因為中文壓縮率是比英文壓縮率要高的）。后來我試著用AI創(chuàng)造出了一個高度壓縮的語言，說實話連我自己都沒看懂。

劉湘明：相比上一個技術(shù)時代，哪些新的突破性技術(shù)在推動產(chǎn)品智能化進程中，起到了關(guān)鍵作用？

劉之：對科銳而言，第一是預訓練語言模型和合成數(shù)據(jù)對我們的幫助極大。在此之前，企業(yè)做匹配系統(tǒng)更多的是靠標簽以及知識圖譜之類的方式。這需要大量的人工標注。但有了預訓練語言模型的話，標注量就少了很多。

合成數(shù)據(jù)方面，畢竟原有的數(shù)據(jù)十分有限，通過合成的方式，我們可以將原先有限的數(shù)據(jù)擴展出特別多的數(shù)據(jù)，這些數(shù)據(jù)再通過對比學習等方法進行訓練。

第二點我認為最大的變化是推理。我們過去理解匹配是語義的匹配，后來我們認為匹配不僅是語義，可能還包含了組織結(jié)構(gòu)、個人偏好等方面的匹配，現(xiàn)在，我們認為匹配就是推理。

推理呈現(xiàn)更多的是人類思維，我認為推理是一個意義重大的事情。而DeepSeek-R1問世之后，反響之所以這么大，也是因為他對推理，尤其是結(jié)合強化學習這方面的突破，讓人們明白了原來推理可以通過強化學習，僅需要少量數(shù)據(jù)（比預訓練少），就能達到原先預訓練階段的推理能力。

劉湘明：AI+人力資源招聘場景的上限取決于什么？

劉之：我先講一下對Agent上限的理解。

我認為通用Agent最大的難點在于工作記憶有限。Agent可以通過增大步數(shù)或提升計算總時長來提升任務(wù)執(zhí)行的效果。但這會產(chǎn)生巨大的上下文（工作記憶）。而很多大模型雖然名義上的上下文窗口很大，但實際有效的注意力有限。

我個人認為在Transformer架構(gòu)下有一個"三難困境"，即"上下文窗口大小"、"有效的注意力"和"高信息密度"，這三者無法同時實現(xiàn)。

比如長文章的檢索任務(wù)，大部分模型的有效注意力能到90%左右，但如果是推理任務(wù)，比如需要從里面根據(jù)某極端內(nèi)容推理得到一個結(jié)果，大部分模型的有效上下文，有效注意力長度就會變成上下文窗口大小的60%左右。

而招聘Agent的上限取決于感知能力。感知層面與具身智能一樣，都是最難解決的問題。在招聘當中，有一些肢體語言、表情等等。這些感知決定了招聘Agent的上限。

劉湘明：從客戶角度出發(fā)，客戶對于AI技術(shù)的接受度與付費意愿如何？

劉之：科銳國際的客戶群可以分為三類，一類是甲方/雇主方；一類是候選人；還有一類是生態(tài)伙伴。目前在候選人與甲方/雇主方這兩個群體中，科銳尚未對外提供AI產(chǎn)品。我覺得從今年年初開始AI接受度開始大幅度上升，已經(jīng)有很多甲方客戶會找我們了解AI落地。不過在禾蛙平臺上，我們提供了一些AI工具，用于幫助生態(tài)伙伴提升工作效率。

劉湘明：AI在落地過程中，最重要、最值得重視的問題是什么？

劉之：第一個是一定要預判方向，至少要做到預判3個月以內(nèi)的技術(shù)方向。在方向預判過程中，要避免走到通用大模型的主航道上，時時刻刻要思考國內(nèi)外科技巨頭們會怎樣做。

第二個是對技術(shù)要有敬畏之心。有了敬畏之心，就會選擇在一個技術(shù)或場景上反復打磨，而不是到處開花。這個技術(shù)一定是在整個系統(tǒng)中解決問題的核心技術(shù)。因為具體到落地過程中，哪怕一個小功能的落地上線，都有可能遇見很多坑。在單點上的投入，把一個點打磨的特別好，一旦這個點突破了，也許整體就突破了。

劉湘明：對您來說，這個點是什么？

劉之：以科銳為例，我認為我們過去幾年很重要的關(guān)鍵點是：行業(yè)變化速度很快，我們需要更快的響應(yīng)行業(yè)變化速度。所以圍繞這個判斷，我們做了很多工作。同時，我認為我們需要在某些業(yè)務(wù)上實現(xiàn)規(guī)?；热缭谀硞€崗位或某個賽道上達成規(guī)?；?yīng)。在這個過程中，我覺得最重要的是解決兩個問題：一是如何獲取更多數(shù)據(jù)，二是如何在單點業(yè)務(wù)中結(jié)合技術(shù)應(yīng)用。此外，技術(shù)討論必須與業(yè)務(wù)實際緊密結(jié)合。

校草送我減脂餐,我扭頭狂吃五個漢堡,直到我知道校草的白月光

校草送給我一份減脂餐，我扭頭狂吃五個漢堡。只因我覺醒了，知道他的青梅綁定了系統(tǒng)，可以竊取我的努力，而他為愛淪為幫兇_。到頭來女生不學無術(shù)，胡吃海塞，依然是年級第一的天才女神。而我認真補課，努力減肥，卻穩(wěn)居倒數(shù)，還變成了一個油膩的胖子_。覺醒后，我反手扔掉減脂餐，打開電視劇，開啟了大魚大肉的享受生活_?？赡程?，我意外發(fā)現(xiàn)有幫助請點贊————。 1《自己的老婆自己養(yǎng)》作者：關(guān)尼姜宜是陸家司機的兒子，六歲那年被接到了陸家，跟在陸家少爺陸黎后面做小跟班||。傳聞陸家小少爺?shù)钠夂懿缓?，姜爸爸有些擔憂|_。后來，他看到那個金尊玉貴的陸家小少爺，半跪在地上，皺著眉頭，替他身體不好的小兒子捂暖了腳才套上襪子。陸黎從小脾氣就不好，直到六歲他后面會介紹。

穿書女配文大合集,真的全都是丸子心頭好!炮灰覺醒,逆襲人生!

2.《癌癥墜海后，男主全員瘋批了》作者：一只貓小姐簡介前腳扒了男主褲子，稚寧后腳覺醒了自主意識。系統(tǒng)：你有兩個選擇-。一、成為惡毒女配。二、成為創(chuàng)飛所有人的惡毒女配_。稚寧人生前二十年順風順水，是千金堆里的富貴顯眼包。身邊圍繞著疼愛她的霸總哥哥、唯命是從的校草弟弟、心愛的痞帥未婚夫。美貌等會說——。
高冷竹馬變霸道校草，小青梅被撩得臉紅心跳直呼“你滾啊”親們，聽我說！這本書簡直是為咱們女頻書迷量身定制的寶藏！讀它就像喝了一口夏日冰飲，透心涼，心飛揚～情節(jié)環(huán)環(huán)相扣，每個角色都鮮活得能跳出來跟你對話_。愛情、友情、成長，一網(wǎng)打盡，看得我欲罷不能，熬夜也要追完！相信我，翻開它，就是開啟一場好了吧！