笔记

20170603【华与华官网】

我们在做方案的时候,要慎言、要贵言,我的话很金贵,言必中的,每说一句话都要解决一个问题。

言语金贵不一定是少说话,而是说让别人能够重视我所说的每一个字。这就需要我们所说的每一句话和每一个字都有内容、都有所指、都有行动。如果他错过了我一句话,就错过了一个内容,错过了一个行动,错过了一个价值。


20170525【得到】


一个时代,最先锋的理论一定是军事理论,而不是商业理论。因为商业的输赢要钱,而军事的输赢则要命。显然,军事理论比商业理论更具有先锋性。


20170523【得到:伯凡】


在一个屋子里头温度是一定的,但是我们摸木头和摸铁感受是很不一样的,摸铁觉得很凉,摸木头觉得不凉,原因就在于热量的不等式。

当我们与铁接触的时候,铁作为热的良性导体,它会将我们手的热量迅速的吸纳,而木头是热的不良导体,所以我们之所以觉得它不凉其实是它没有索取的倾向,所以我们不会感觉到它冰凉。

我们跟人打交道的时候,如果你拥有了合作、给予、共情力,你会给人一种温暖的感觉。相反你不具备这种能力,或者说你拥有一个相反的不等式,在与人打交道的时候习惯性的让自己的所得大于自己的付出的时候,别人会迅速的感受到你的身上散发的这种冰凉气息,这其实就是气场

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,053评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,527评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,779评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,685评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,699评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,609评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,989评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,654评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,890评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,634评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,716评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,394评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,976评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,950评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,191评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,849评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,458评论 2 342

推荐阅读更多精彩内容

  • 【概述】 SVM训练分类器的方法是寻找到超平面,使正负样本在超平面的两侧(分类正确性即“分得开”),且样本到超平面...
    sealaes阅读 10,994评论 0 7
  • 上大学以来,我比较少发火,比较少生气。相比高中真的好了一些吧。可是今天又忍不住了。很对不住我的舍友们,没有控制住。...
    最是多情掩初春阅读 674评论 0 0
  • 人脸识别(LDA+KNN方法): dataTrain=creatData(TrainDatabasePath); ...
    a微风掠过阅读 4,424评论 1 3
  • 高一的时候听了一首周杰伦的新歌《彩虹》,特别感动,歌词写得很好: “看不见你的笑我怎么睡得着 你的身影这么近我却抱...
    东南巽阅读 427评论 0 0
  • 5月19日——5月30日《读书与做人》 这是季羡林季老的一本随笔集,很有意思。读时的感觉就像是听一位老者坐在摇椅...
    李世男阅读 250评论 0 0