FCKeditor文本编辑器是一款功能十分强大的开源的在线文本编辑器(DHTML editor)，它能够实现你在web上使用类似微软Word 的桌面文本编辑器的许多强大功能。并且它是轻量级且不必在客户端进行任何方式的安装。

FCKeditor编辑器是一款非常优秀的HTML在线编辑器，不仅功能也可以定制，而且支持多种浏览器, 同时遵循LGPL版权。FCKeditor编辑器是一款文字处理客户端的应用。

FCKeditor 编辑器能够适用于绝大部分的网页浏览器，比如: Internet Explorer 5.5+ (Windows)浏览器、Mozilla Firefox 1.0+浏览器、Mozilla 1.3+ 浏览器、Netscape 7+以及Opera浏览器等等，这些所有的浏览器都能够完美兼容。

现阶段，Fckeditor html编辑器经历了一个版本升级并且改名为CKEditor ，CKEditor作为Fckeditor的升级版，完美的弥补了Fckeditor打开速度不理想这一缺陷，在Fckeditor基础上使得CKEditor更加的健壮。

下载地址：
https://docs-old.ckeditor.com/Main_Page

对于一些经常接触存储类的区块链项目的开发者来说，一定对 SSD（NvMe）非常熟悉。就比方说Filecoin 和 Chia，虽然它们最终的落盘都是在机械硬盘，但是在产生算力的过程中，SSD 的缓存是必不可缺的配件。 Filecoin使用ssd缓存主要是用在 PC1 和 PC2 的密封过程，Chia 是用在 P 盘大量写入临时数据的过程中。

并且随着 M.2, U.2 等高速传输协议的普及和快速发展，SSD 的速度也越来越快，同时价格也越来越低，而 RAM 价格依然是比较昂贵，所以在很多时候使用闪存来替换部分内存的功能会更经济实用一些。

年度最佳 M.2 SSD非三星 970 EVO Plus莫属。EVO Plus 是基于 970 EVO之上，EVO Plus于 2019 年发布问世，尽管关于EVO Plus在 EVO 上究竟改进了多少的问题始终存在一些争论，但是也不影响EVO Plus很快就给很多的存储专家留下了深刻的印象。

EVO Plus具有 3500 和 3300 MB/s 的顺序读写速度。并且更得民心的一点是EVO Plus 比 970 Pro 便宜很多，尽管它速度更快，而且相对于970 Pro 的 512G 和 1TiB容量EVO Plus还提供了 2TiB 的可选容量，比970 Pro更大更快。EVO Plus 是一款出色的 SSD，是寻求高性能 PCIe 3.0×4 M.2 驱动器的买家的绝佳选择。并且三星还有一种热节流方法，如果 SSD 开始过热，它会强制 SSD 变慢。

第二个之最便是最快的 M.2 SSD：三星 980 PRO。

980 PRO是目前市场上最快的 SSD 了，它的读写速度分别高达 7000 MB/s 和 5000 MB/s，近年来几乎闻所未闻。并且980 PRO 采用的是 PCIE4.0 的 M.2 接口。

在980 PRO最早出厂的时候只有 1TiB 的容量的，不过目前京东上已经有 2TiB 容量的 980 PRO 了。价格远远超出其他 2TiB 的 SSD，高达 4400 RMB。不过考虑它如此优秀的读写性能，还是仍然值得入手的。但美中不足的是它没有典型的散热器，所以980 PRO还在因存在缺陷而受到批评。

WebSocket 的诞生是针对于HTTP 协议的缺陷，因为HTTP通信只能由客户端发起，做不到服务器主动向客户端推送信息。而这种单向请求的特点，注定了如果服务器有连续的状态变化，客户端要获知就非常麻烦。我们只能使用"轮询"：每隔一段时候，就发出一个询问，了解服务器有没有新的信息。最典型的场景就是聊天室。

但是轮询的效率低，非常浪费资源，因为轮询需要不停建立连接，或者需要HTTP连接始终保持打开状态。

WebSocket 协议在 2008 年诞生，2011 年成为国际标准。所有浏览器都已经支持了。WebSocket 最大特点就是服务器可以主动向客户端推送信息，客户端也可以主动向服务器发送信息，是真正的双向平等对话，属于服务器推送技术的一种。

WebSocket 和 HTTP协议一样属于应用层协议，WebSocket 也是建立在TCP 协议之上，服务器端的会更容易实现。

WebSocket 与 HTTP 协议有着良好的兼容性。WebSocket 默认端口也是 80 和 443，第 1 次建立连接时采用 HTTP 协议，因此连接时不容易屏蔽，还能通过各种 HTTP 代理服务器。并且WebSocket 数据格式比较轻量，性能开销小，通信高效。支持发送文本，也可以发送二进制数据。

更优越的一点在于WebSocket 没有同源跨域限制，客户端可以与任意服务器通信。WebSocket 不是用来代替 HTTP 的，它是用来解决实时通信的业务场景。如果业务不需要实时性，那就没必要使用 WebSocket。

当你想到人工智能的时候，首先映入你脑海的要么是机器人，要么是有大脑的机器，要么是黑客帝国，要么是终结者，要么是机械姬，或者任何其他令人惊叹的概念，它们都有会思考的机器。这是对人工智能的恰当但模糊的理解。

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。

人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。

手机上关于AI的应用，可以简单分为三类，人机交互、人脸识别、美化拍照。

交互体验：目前应用比较广泛的就是语音助手，语音翻译，智能定位等。像Siri，Cortana和小爱等就属于AI的智能语音助手。不过，智能语音只是一种简单的AI运用，所以在人机交互上其实还有很大的发展空间。

人脸识别：AI之前，手机的人脸识别是通过相机硬件+系统软算法来实现的。AI加入后，通过数以亿计的计算方法来记住并熟悉人脸特征，还可以详细记录你日常的行为习惯来分析你是不是手机的主人。

美化拍照：AI技术的加持，可以直接检测和获取被摄物体的光线、局部细节、色彩等信息，让AI生成网络，再进行深度强化学习，对被摄体进行全面详细地分析，最后生成决策；再针对被摄体的特征进行更深层次的优化，从而获得不一样的效果图，使得人像更加清晰柔和，背景更虚化美丽，风光更锐利有层次，光线过渡更自然和谐。

科技的发展已经达到了一个水平，我们的人工智能已经成为围棋、国际象棋、跳棋等领域的世界冠军，它们可以订餐、预订出租车、翻译文本、识别人、玩扑克等等。但要实现人工智能的真正潜力，还有很长的路要走。

未来，新零售+产业路由器+X，将打造万亿产业共同体，是重构世界存量经济的不二法门。

存量法则：挑存量而不是去创造增量，也不去教育市场，也不去开新店，只是把现有的弱势群体中的碎片的存量，团结起来。从长供应链到短供应链，从拥有资产到管理资产，如果我们能够把市场上这些闲置的、碎片化的资产汇聚起来，共享到平台上，并重新动态定价，一定可以迅速拉动需求，就可以形成回报非常高的商业模式，它将创造伟大的胜利。

头牌法则：把双边市场，供给端到需求端，比如需求端，位置相对好，老板可能还有点PSD精神poor 贫穷，就是位置好，但没经营好。

大坝法则：小河有水大河满，大河有水小河满。从自营到共享，从存量到增量，从洼地到倒灌。先冲到价值洼地，把大家先团结起来，通过产业互联网，通过产业路由器，先利他，把公业务流量迅速做起来。做到一定程度以后，再开始把母业务做起来，母业务盈利了以后，不独吞，把母业务的利润分享给大家，当然这个分配的比例可能不一样。

爱因斯坦法则：产业共同体有一种互联网效应，这个效应有一个重要公式，我借用爱因斯坦的公式，就 是 E=MC²，E 就 是 Earn盈 利，M 就 是 商 品 Merchandise，C 就是 Customer，C2 就是顾客的平方。

190幂次法则：在产业互联网时代，一旦某个产业或品类的共享经济体建立起来，整个市场格局都将完全进入190 幂次法则，可能 1 个共同体就将控制 90% 的利润。

产业路由器平台实现了从自营到共享，从交易到赋能，从重资产到轻资产，从经营企业的供应链到经营整个产业链，从模糊打击到精准打击，从大规模雇佣到大规模众包，从控制型组织到赋权型组织等七大转变，逐渐从新物种进化成指数型增长的超级物种，我们在他们身上看到了产业路由器的威力。

我们将数字化转型聚焦在金融行业，对于金融行业的理解：第一，业务的发展变得越来越快。作为数字金融便利性的享受者，其版本迭代、业务要求变得越来越快。

第二，大B行业尤其像金融行业，监管非常严格，其监管单位对于商业银行业务系统的稳定性，技术要求非常高。一方面要变得很快，另一方面，监管要求稳定，这是第一个矛盾点。

业务不断的迭代和发展需要许多资金。国内的金融机构，比如一家头部的股份制银行，每年拿出营收的百分之三点几投IT ,大概一年一百个亿。我们国内排名第二大的国有商业银行，它每年在IT上花一百八十五一到两百亿左右，这是非常大的一笔钱。但投入资金对业务之间的关系IT 无法给出一个答案，业务投资与IT之间脱节了。这是第二个矛盾点。

第三个矛盾点是发展和人员技能的矛盾。招聘很难，特别是高素质 coder 往往非常难招聘。第二方面，商业银行里技术性员工的数量增加非常快。比如一家股份制银行，它的技术员工在过去的十年里面增加了二十倍，但是他用来做运行维护人只增加了零点五倍。这是一个很大的矛盾点。同时管理的东西越来越多，现在管理的对象有几万倍的增加。对于人的要求越来越高，但人数没有增加，管理难度变高了，所以这就是三大矛盾点。

产品经理需要考虑几个点：方向是否正确；是否做得出来；是否能卖掉；是否能交付；钱是否能收回来；是否能持续扩容。

选对路、走对路：大B端一定是出售给一个组织或是出售给组织里面的某个部门，再精确点讲是这个部门里的某一种角色。明白组织很关键，先把组织架构图画出来，明确做的产品解决谁的问题。

做对产品，卖得出去：对于如何把产品卖出去，上述所谓的产品十倍好的点，就是用户的KPI。如天旦帮助客户提升业务连续性，核心就三个指标，一分钟发现，三分钟定位，五分钟恢复服务。不断将指标提高竖立门槛。

在产品经理工作中，可能不免需要接触一些金融基础知识。此时，便需要产品经理补充相应的知识点，进而完善自身的知识体系，推动业务进展。

OMS是Order Management System的缩写，即订单管理系统。订单管理模块是信息系统集中管理的核心模块，是实现宏观调控、统一管理和决策分析的核心。

WMS是仓库管理系统（Warehouse Management System）的缩写。仓库管理系统是通过入库业务、出库业务、仓库调拨、库存调拨和虚仓管理等功能，综合批次管理、物料对应、库存盘点、质检管理、虚仓管理和即时库存管理等功能综合运用的管理系统，有效控制并跟踪仓库业务的物流和成本管理全过程，实现完善的企业仓储信息管理。

SRM是Supplier Relationship Management的缩写，即供应商关系管理。

ERP是Enterprise Resource Planning的缩写，即企业资源计划。ERP系统是指建立在信息技术基础上，以系统化的管理思想，为企业决策层及员工提供决策运行手段的管理平台。

BPR（business process reengineering）业务流程重组、企业流程再造，是当前管理学领域非常有争议的话题。支持者声称BPR 是恢复美国竞争力的惟一途径，并将取代工业革命，使之进入重建革命的时代，而反对者则提出了实施BPR的失败率高达70％。

风控控制的“六化”原则：业务闭合化、管理垂直化、收入自偿化、交易信息化、风险结构化和声誉资产化。管理垂直化可以从两方面来理解，一是供应链企业间的管理，体现在机构的设计上；二是供应链中企业内部的管理，体现在职能的设置上。

企业间的管理，业务审批和业务操作不能是同一个企业，要各自分离、相互制约，防止企业盲目扩大业务，贪多嚼不烂、消化不良，最后撑死；再就是交易运作和物流监管不能是同一个企业，不能既当运动员又当裁判员，防止监守自盗。企业内的管理，要让金融业务的开发部门、操作部门和巡查部门三权分立，三个部门目标一致、相互制约、协同发展。

当接手一个产品并发现一个解决方案不好时，我们往往就倾向对这个方案全盘否定，并着急去开始重构，但着急重构这个选择往往是不明智的。

所以在实际的方案设计过程中，系统自动化逻辑，应该是人决策的补充和辅助，或是人决策逻辑的有效和有限的归纳，设计时应尽可能的谨慎。

当系统状态不能反应真实业务场景时，即使可能从某些角度看是合理的，但是确实违反了业务建模过程中的抽象原理。
事物是动态发展的，系统优化是和实际的业务情况一起螺旋上升的，从来也没有一个产品可以在20年前就考虑满足到今天的业务诉求，所以这种情况是正常的。

核心方案：核心方案指该产品为解决主要问题而设计的方案，要求是保证稳定，一般不进行重构。如果重构基本相当于做一个新的产品，从我们内部的经验来看，应以新项目的方式组织评估、生产而非重构的方式进行。两者的区别是，新项目一般需要事业部级别的专家主持，而重构一般由各产品线的中高级产品经理主持；
个性化方案：为了解决个别客户更复杂的业务场景，或响应客户更高业务水平的功能，如生鲜电商中的退差价方案，此时如果客户要求或同意，即可进行重构。

辅助方案：一般为为了运营设计的数据分析等功能，和为运维搭建的配置调试、监控预警体系，优先级最低，当内部评审认为已经严重影响到内部工作开展时，才会决定重构；

当然，我们也可以从投入、收益（ROI）的角度来评估，重构的效益是否超过了重构的投入，如果重构的收益。
兼容不同客户的使用情况，可以采用增加功能而非直接替代的方式进行重构，以方便一批一批进行方案切换，或兼容不愿意切换的客户的业务场景。

用户故事在软件开发过程中被作为描述需求的一种表达形式，产品经理在与研发的交流中经常会围绕用户故事来理解，所以产品经理对于用户故事的技能掌握是非常重要的。
用户故事是什么？用户故事，意思是来描述用户渴望得到的功能。

核心关键词：三个角色、一个载体
三个角色：产品、研发、目标用户。用户是我们的爸爸，衣食父母，产品经理的使命就是将用户的需求清楚地告诉给负责具体实现的研发。
一个载体：用户故事。连接这三个角色的一个载体。当然，这它并不是唯一的载体，但相对更加高效和容易接受。
讲好故事，先了解原则。一个好的用户故事，一般都遵循INVEST原则。Idependent（独立的）：故事之间相互独立；Negotiable（可协商的）：故事内容是概要，方便对齐思路，详细内容是可以沟通时候明确的；Valuable（有价值的）：有价值的用户故事，才是合格；Estimatable（可评估）：能够根据用户故事大概评估出工作量；Small（小的）：用户故事拆解的颗粒度是比较细的，一般用10个开发/测试人日既可以完成；Testable（可测试的）：一个故事是一个正向的测试案例。
用户故事，通过拆词，分为：用户、缘故、事项。用一条公式概括为：用户故事=人+故+事。标准的写法包含三段式结构：我作为怎么样的用户，希望拥有什么样的功能，以便于达到什么样的结果。
用户故事，有哪些应用场景？第一，肯定是需求流程的关键节点。第二，需求评估之外，职场处处是场景。每一个跟同事的触点，都可以是展示你讲述用户故事的能力，体现你专业性和洞察力，让人眼前一亮。第三，生活日常，用户故事也同样适用

对于不少产品经理来说，掌握数据分析的核心能力并不在于了解丰富的模型和方法论，而是能敏锐的发现数据并且从中找出潜在规律。

数据落地的常见错误：很多同学一看到问题，就说：老师，这题我会！工单=需求数*转化率吗，既然要提高完成工单件数，那要做的就是，把需求数和转化率两个指标：搞高！所以数据落地的方式，就是：一要多签厂商客户，二要多签企业客户，三要做大个人流量，四要提高客服效率，五要加强上门管理，六要提升师傅技能。

想落地第一步，就是停止在数据层面：坐而论数，就数论数。数据到底从哪个业务流程里来，又受哪个流程影响，得先理清楚。业务层的梳理，一般由粗到细，剥洋葱般层层深入。比如本案例中，虽然涉及业务的角色很多，但以客服收到线索为界限，可以划分为：需求/供给量大部分。

第二步：树立判断标准。这是寻找判断标准的工作，建立标准工作后，还得跟各部门共识，才能达成一致认可。这一步很重要，很多同学之所以难以落地，从第一步就是：只有数字，没有判断。或者判断条件不严谨，导致后边一深入，发现有很多业务上定义模糊，相互扯皮的地方。

第三步：从短期到长期。注意：时间拖长，可能有季节性变化。比如特定设备在夏季/冬季使用频率高，更容易出故障。因此基于一个月份建立标准后，可以看一整年的情况，进一步锁定问题。

第四步，找重点、抓重点。整体情况确定以后，再看局部问题。比如在第一阶段，锁定了问题来自：供给端，就是供给不够，那么该怎么进一步分析呢？

首先，业务有三条线，三条线谁是重点，要先区分出来。因为厂商/企业这种toB类客户和toC类个人用户，是根本两个发展思路，不仅当前在工单总数中占比不同，而且对未来发展重要性也不同，很有可能toB才是公司生命线。
在不同重要性影响下，即使当前数据相同，对未来发展的判断也可能是不同的，要先做判断，再往下细看。

第六步，从局部到细节。最后，售后服务是分2个环节执行的，到底是客服派单慢，还是售后执行差，再分出来。
这个分解最为复杂。因为客服派单派不出去，很有可能是因为该区域/该大客户服务团队的工作已经饱和了，或者是因为节假日等正常原因，或者是因为在等零件调货等客观原因，所以不拿到接到单以后的服务团队/配套情况/节假情况等明细数据，很难说清楚到底是派单员的问题，还是服务的问题。
在考虑落地方案的时候，越细节的问题，越放在后边解决。因为很有可能落到特别细的细节以后，你会发现根本没有数据……手头有啥数据就用啥，这也是分析的基本原则。