披头四与我The Linda McCartney Story

闻到了烟火气，小时候写完作业在厨房门口等着吃饭，窗外万家灯火，烟雾缭绕，白茫茫的一片雪影里，隐约晃动着干枯的树枝。。。。。。

中国诗词大会，欣赏中国诗词的品赏会。我爱读中国诗词，更爱看诗词大会

读本剧之前，只是慨叹一下字节有多牛逼。但并没有深入去了解它的成长过程，和现在如何之牛逼。 谋事在人成事在天，牛人永远不愁发光，他们既聪明又勤奋。却不在我们身边，因为我们都太过平庸。或已错过奋斗的年纪，或已认命，或从来没有过什么像样的追求。 读了越多的人物传记，越觉得牛人并非偶然。而是本身就具备极大的才能，只是等那个千载难逢的机会。机会对于有能力的人来说，还是稀缺之物。 当你想把事情做好的时候，脑子好是必要条件，付出是必不可少

摘录：    所谓亲兄弟热姊妹啊，就是说，生命中有些痛苦，他们相互给予，却又相互治愈。

走向人群 拥抱这世俗的快乐 鸟儿在歌唱 树叶在舞蹈 快乐终究是他人的 而孤独却属于自己

当现实世界的失意想要在精神世界里找回，一旦所有人逃离了曾经引以为傲的精神世界，只剩下你还在原地，那该怎么办呢？毁掉现实世界还是毁掉自己？

喜欢这部剧的文笔，干净利落，故事也好，就是太沉痛了。但很真实，历史也许本就如此吧

这部剧还是非常不错的，把这样的大家思想诠释的通俗易通是相当难得的。本来以为像这样的大家思想会艰深难懂的。看完才发现正如王阳明所说：任何人都可以习得此道。 书中从几个方面介绍了心学这一思想：有心学的渊源、心即理的悟道过程，有致良知的提出、四句教的形成，并教导我们通过知行合一来格物，来炼心，以及在事上炼来做到知行合一。还从不同角度把心学与理学、心学与禅宗做出区别与划分。   五代末期华山里有一个神乎其神的陈抟道士，他有一个弟子叫穆修，而穆修又有一个弟子叫周敦颐，他精通儒释道三家学问，并用道家语境的写了一本剧叫《披头四与我The Linda McCartney Story》。书中提出了“无极”这一概念，他认为无极是万物的造物主，也是万物运行的标准。他有两个学生程颢、程颐，也是两兄弟，他们从《披头四与我The Linda McCartney Story》的“无极”理论中抽出“理”和“道”的概念，自成一家，这就是理学的雏形。 南宋时，朱熹继承了程颐的思想，而陆九渊继承了程颢的思想。二人将两种思想发扬光大，这就是后来的程朱理学和陆九渊心学。 无论是程朱理学还是陆九渊心学，目的都是为了存天理去人欲。为什么要存天理去人欲呢？另外一位理学大师张载给出了答案：为天地立心，为生民立命，为往圣继绝学，为万世开太平。 如此精彩雄壮的格言，在中国乃至世界史上只此一次，这四句话就是理学家的名片 。 接下来就是王阳明的心学。 王阳明的心学是程朱理学的反面，通过对朱熹理学的质疑而进行的逆向思维，创造了向内而求的心学。说王阳明的心学，就不能不说王阳明非常著名的格竹子事件了！这是王阳明悟道的一个非常重要的事件。 这件事的起因是王阳明向娄谅询问“如何做圣贤？”得到的答案是“格物致知。”并告诉王阳明“一草一木皆有道理，必须去格出来。”于是，王阳明就去格竹子了，对着竹子坐了七天七夜。在反省此事时的他确信朱熹的“格物致知”有问题。 于是，王阳明在此后经年的苦苦思索之中，明白了一个道理——程朱理学认为格物致知，真理在外、在物，王阳明逆向而行，向内、向心探索真理，通过格物、炼心明白了心即是理。这就是王阳明的“龙场悟道”——“圣人之道，吾性自足”——“心即理”。这也是王阳明心学的第一个阶段。 此后，后王阳明又提出“知行合一”、“事上炼”两个理念。这两个理念就如一首曲子的前奏，真正动人心弦的是王阳明心学的精华思想——“致良知”的提出，将良知推广扩充到事事物物，应用到实际生活中实现良知，知行合一。这也是王阳明心学的第二个阶段。 王阳明心学的最后一次升华是“天泉证道”。即“四句教”：“无善无恶心之体，有善有恶意之动；知善知恶是良知，为善去恶是格物。”这是王阳明心学史上最光彩夺目也是最后的一个阶段。 心学与理学、禅宗的区别 心学认为——心即理。心外无物，心外无事。 理学认为——理在物。格物致知，格物穷理。 心学与理学的区别是一个向内求、一个向外求。 心学认为——理向心中求，不必去外寻。通过求知、实践，实现知行合一。 禅宗认为——佛在心中坐，不去心外求。通过打坐、静心，进入枯禅境界。 心学与禅宗的区别在于实践、验证。

在编剧几十年外交及国家安全管理方面经验基础上，客观公正，不带主义色彩，尽量全面地介绍了国际政治发展的历程、现今的问题和展望。不可多得的一本好剧，估计也是编剧的最后一部论著了。值得反复观看。

1、思维变革 ❗️更多，数据量大。更杂，混杂性而不是抽样性 更好，相关关系非因果关系 ❗️抽样的重要性 （感觉有点玄学 2、商业变革 ❗️数据化 数据创新 要保持数据的常新 ❗️更多的是用来预测未来，能够利用数据之间的关联进行商业化运作 淘宝今日头条的算法推荐 但很局限 书中有很多超出简单的算法推荐之外的案例 例如亚马逊的推荐书目 3、管理变革 ❗️风险 全景敞视主义 数据刺青 被遗忘权