作念过三次 AI 原生组织搭建的实践者，把三年训诲摊开：从个东说念主器具适配、历程适配，到组织适配、评价权重构，AI 落地要爬四层坡。著作复盘 CEO 数字分身与企业全案瞎想的完满案例九游会J9，阐明多数团队为何中途停住。

上周六进行了一场对于 AI 原生组织/团队搭建的高质料共享。

此次共享简直将我三年对于 AI 神色的阐明全部点了一次，今天先去除敏锐、宽阔的部分整理成文，让全国感受下什么是 AI 原生。

我认为要聊清爽这个话题，可能需要从我的三次 AI 原生组织搭建的阅历作念伸开：

第一次：CEO 数字分身

两年半之前，我就在回答AI 应该怎样与团队合作的课题。那时我的解法是：门径论 + 器具链。

其中的门径论如果都备大开等于一些机制、历程；器具链大开的话是两套东西：

一、AI 效力助手，其本色是构建企业信息流，将 AI 所需高下文千里淀下来；

二、历程引擎，其本色是构建用于承载企业职责流的容器，那时咱们是我方齐全了一套 AI 表格；

全国要终点拦截这个组合：机制历程 + 企业信息通说念开导 + 企业职责流承载平台，事实上悉数的 AI 原生组织或者说数字分身平台，最终等于要搭建一套这个系统：

只不外，在两年前这套系统的实践落地是很失败的，原因很爽快：莫得企业买单，而原因雷同爽快：阐明差距太大，企业和我之间莫得共同话语，他们合计我是疯子…

第二次：企业全案瞎想

然后等于第二次 AI 原生实践了，此次运说念较好，那时受 DeepSeek 发布影响，国内多数雇主出于极点烦燥当中。

PS：其实这批雇主不烦燥就怪了，他们平时也不恰当好勤学习，遇到时刻大的迭代只可抓瞎，果然请我去作念斟酌也很难恰当听，因为 AI 常识这东西确乎不性感，或者他们感兴味唯独提效的阿谁数字…

因为烦燥，是以之前对 CEO 数字分身不屑于顾的雇主，又将我“请了”夙昔，要作念全业务的 AI 化处理，况兼此次他们是下了很大的决心的！

于是此次与之前就有很大的不同：

之前是团队无阐明 + 不测愿，此次是团队无阐明 + 挑升愿

于是在一号位遑急的配合下，咱们很快的拿到了消失：

如果你问我作念了什么，那么依旧会淡雅到之前的机制历程 + 器具链（信息流开导 + 职责流承载平台开导）逻辑；

而如果你问我为什么会成效，我会说：因为一号位的 AI 烦燥，是以团队对咱们（外部 AI 巨匠）的悉数要求极其配合。

终末，如果你问我他们当今怎样样，我会告诉你：他们在自运行半年后排除了整套系统！

至于原因是以下几点：

他们对 AI 几无阐明，都备是咱们强行拔高作念出来的，后续业务历程上一些小的改变，都倾向于手动贬责，不会/也没技艺用 AI 去贬责；他们一号位烦燥感夙昔了，合计 AI 有效，但似乎没那么神奇，况兼合座机制珍重起来太远程，底下职工投诉也多，他也就算了；

是以，得之易则失之易，他们很快的成效了，然而因为本来就莫得斟酌的阐明，也就很快的“失败”了。

第三次：全链路升级

到这里意愿 x 阐明的四象限图就出来了，不同的征象会产生不同的问题，也有对应的贬责计策：

前两次实践，一次死于阐明鸿沟，一次败于料理惰性。这迫使我运转反念念中枢问题：现代码坐褥速率被AI拉起来后，究竟什么才是隔断团队级提效的实在瓶颈？

前两次实践，第一次场所团队无阐明、不测愿；第二次无阐明、挑升愿；然后等于第三次，咱们作念了一次有阐明 + 挑升愿的案例，AI 基于产研团队的全链路优化：

此次实践的机会出当今本年上半年，两个前置条目：

各个雇主又被小龙虾 OpenClaw 搞得烦燥的不行；AI Coding 器具一经相对熟练，个东说念主提效的案例层见错出；

然而当今问题也出现了：个东说念主提效不等于合座提效。

这里的原因是：表率员用 AI 写代码可能快了三倍，但他的高卑劣并莫得变化，比如需求依旧会反复换取，并不会加快、卑劣的测试依旧需要一个个点，合座依旧会卡在哪里。

是以，这里的消失是：代码变快了，委派莫得。或者说全链路中某个节点/某个东说念主快了，但合座并莫得什么变化…

综上，又要淡雅咱们领先的 AI 原生框架了：机制历程 + 企业信息通说念开导 + 企业职责流承载平台。

至此，咱们简直不错为 AI 原生作念下一个判断：

许多同学认为 AI 原生是个工程时刻问题，其实我几次实践下来他是个机制合作问题

比如，AI Coding 贬责的是代码坐褥效率，但他并不会贬责产研合作效率，因为需求歧义、验收扯皮、表率缺失，这些才是实在的瓶颈。

如果想要团队简略合座提效，就需要全链路升级，而在这个场景下就不得不触及四个方面：历程模范化、需求结构化、常识库开导、Skills 千里淀。

因为：AI 原生组织，本色上是一场组织变革。

器具链贬责的可能只是 10% 的问题，剩下 90% 是料理机制的重构，需要再行界说东说念主和 AI 的职责范围，让 AI 处理大宗重叠、结构化的扩充，让东说念主聚焦在判断和兜底上：

说完三个案例，接下来正文就不错伸开了：

AI 干与组织，要爬四层坡

是以，什么是 AI 原生组织？

其实等于：大模子这个跨时期的时刻干与组织后引起的复杂度爬坡完毕。

一运转，AI 只是干与职责任务：写文档、写代码、查贵寓、作念有缠绵；

上述都是时刻干与的职责，况兼他们还只是都是围绕在个东说念主作念伸开，是以他起首很具体，其次很爽快。

然后，AI 运转干与历程：它改变输入、输出、合作、委派和验收模范；

从这里运转就不仅是器具导入的问题，影响面运转从个东说念主到组织，这里会触及前边说的机制历程，会激励许多东说念主的不适感，最终体现出来的等于多样料理资本。

再往后，AI 会干与组织：它会冲击扮装范围、职守范围、资源转念和评价体系；

终于在不停拉扯中，新时刻和组织运转实在的交融，组织效率达到了某个平衡点。

终末，AI 会倒逼生意模式……

是以 AI 干与组织:

领先是单点效率擢升；其次是组织为匹配个东说念主效率擢升领先的机制历程改变；终末是雄厚后通盘评价体系基于新时刻的重塑;

这套东西在扩充过程中会带来一连串同锁反应：器具使用导致系统里面发生变化，超出了组织泛泛的消化技艺。

这亦然为什么许多公司买了 AI 器具，作念了 AI 培训，搞了 AI 试点，但终末成果很一般。

因为他们以为我方在贬责怎样用 AI的问题，施行上实在的问题是：

组织有莫得技艺消化 AI 带来的新复杂度

在这个基础之下，咱们来斟酌四层爬坡：

第一层：个东说念主器具适配

刚运转战斗 AI 的时候，全国都会把 AI 当成器具来使用，这个阶段的中枢需求是：怎样把 AI 用起来。

施行卡点也很显着：许多东说念主心态上顽抗，不想学也不知说念怎样学，许多职工实在的想法是：

我为什么要花荒芜的时候，去帮公司学习 AI ？

这句话不宛转，但很实在。因为对于团队来说，要达到梦想中个东说念主使用 AI 所达到的效率，许多时候惟一的主意等于：在日常职责基础上，用加班来补全效率差额。

这也讲解了为什么许多东说念主用了 AI 以后，反而更累了。因为 AI 莫得自动让组织变轻，只是让个东说念主承担了更多学习和兜底的资本。

况兼这里全国很快就意志到了本色的问题：个东说念主效率不等于团队效率。

一个东说念主用 AI 写代码快了、写有缠绵快了，生成文档快了，这些自然有价值。但如果他的高卑劣莫得变化，团队合座效率并不会同步擢升：

以致，上游用 AI 加快内容坐褥，卑劣可能更难消化。

这一方面是 AI 制造出来的新问题；另一方面，是原来就莫得处理、只是放在哪里的问题，在 AI 引入的时候被暴骄贵来了。

比如需求本来就不清爽，夙昔只是迟缓换取、迟缓磨；当今 AI 把需求文档生成得很快，看起来更完满了，但卑劣会发现：它只是看起来完满，施行上不成用。

于是矛盾就出现了：

上游合计我方一经很完满了；卑劣合计你只是把消化资本转给我了；雇主合计 AI 都用了，效率为什么还没擢升？

最终消失是，从个东说念主视角用 AI 都合计很爽，但团队视角用 AI 却很虚，是以第一层的中枢论断是：

AI 不错擢升个东说念主效率，但个东说念主效率擢升之后，会把团队合作问题暴骄贵来。

这时候就干与第二层。

第二层：历程适配

团队经过新时刻（AI）导入后，一经运转爆提问题了：个东说念主效率很高，团队效率没主意。

但组织也想吃 AI 的红利啊，是以他们必须念念考一个命题：

团队的历程和模范，能不成连续 AI 带来的效率变化

换句话说，咱们应该怎样优化历程，以便于简略更好的配合 AI？

这里就会运转触及高卑劣合作，触及输入输出模范化，也触及需求准入、质料评价和验收机制。

说白了，等于要再行界说：

什么样的需求不错干与开发？什么样的文档算及格？什么样的代码不错验收？什么样的测试算完成？

这个阶段最大的卡点是：高卑劣莫得共同的输入输出模范。

在之前，居品、开发、测试各有一套模范，况兼他们的模范经常不成吞并，之是以能职责，多半是卑劣在补位上游。

只不外，AI 出当今职务链条中后，问题运改动得不可幸免，也等于：之前靠扯皮、息争不错泛泛职责的系统玩不澄莹，因为：

AI 不会补位，他只认高下文…

这里有些同学可能不睬解问题到底在哪，我赘述一句：AI 自然让输出变快了，但并莫得让输出变得更容易被消耗。

这是什么敬爱呢？敬爱是：居品破耗之前 1/10 时候，讹诈出来的需求文档，表率员读不懂，AI 也读不懂；时刻快速代码生成的界面，测试一经需要每个按钮点一次才算通过…

是以这个阶段要作念的事情，等于 SOP 优化、输入输出模范重建。在咱们过往实践中，实在可操作的计策是，双方往相互靠：

居品往下走小数，不单是写需求文档，而是平直输出更可交互的原型；开发往上走小数，不单是等需求，而是主动补全业务相识和时刻齐全有缠绵；

这里全国也要看明白，这亦然为什么居品、时刻、测试正在走向交融的原因

只不外，明眼东说念主这里也看出问题了，这套计策其实对每个东说念主的技艺要求更高了，要求他们愈增多面手了，但并不是悉数的岗亭都不错走向交融，是以他不可幸免会导致下一层的问题：历程顺了，不等于组织顺了

什么敬爱呢？敬爱是部门里面的历程通了，跨部门历程照旧欠亨。

产研里面不错优化得很好，但一个实在神色从运转到收尾，不单产研这一个智商，他会触及销售、售前、居品、开发、测试、委派、运维、客服、财务、法务、客户成效等多个扮装。

产研历程再顺，在通盘业务历程里也可能只占一部分，编码速率再快，在通盘委派链路里也只是一部分，以致只是一小部分，在这里全国会愈加能感受到，什么叫：代码变快了，委派莫得变快

因为每个扮装在传递过程中，都要同步高下文、息争资源、讲解范围、处理非标问题，而这些扮装是果然不好再想产研体系那样作念补位和交融了…

于是依旧会有许多一事一议，也依旧会有许多扯皮，而这些损耗的大头，一经跟 AI 莫得太大关联了。是以第二层的中枢论断是：AI 不错推动历程模范化，但历程模范化之后，会把组织合作问题暴骄贵来

第三层：组织适配

到了第三层，问题就不再是历程，而是组织。

因为前边说的部门墙（职守范围、资源转念、评价体系）会把效率吃掉，是以这个阶段的中枢需求是：组织里面交互合座最优。

这里要终点说一嘴，许多东说念主对部门墙的知音趣比爽快，以为部门墙等于全国不配合，是格调问题。

其实，部门墙不是格调问题，而是组织结构允许的消失，如图所述：

每个部门负责东说念主都会基于我方的职守，选拔对我方最成心的场所讲解步地。

每个部门都会说我方是为公司好。

每个部门都会合计我方一经很配合了。

换个说法：这东西从瞎想上等于个追求局部最优的系统。但因为是追求局部最优，那问题就来了：

每个部门都在优化我方的接口，但愿其他部分按照我的规则来走，但昭着这不一定能优化合座效率

而，这等于组织复杂度

况兼，这是不可吞并的，部门和部门之间，部门和雇主之间，自然都有场所、资源、职守和风险上的冲突。

这种情况下，你很难单纯要求其他部门应该怎样作念。是以组织适配阶段，实在要贬责的不是让全国更配合，而是再行瞎想职守范围和场所讲解权。

在过往实践中，有两个计策是相比好用的：

第一类是柔性的，靠利益交换、靠刷脸去追求局部合作。说白了，等于你不要只想着别东说念主应该作念什么，而是要让别东说念主骄贵跟你一齐作念。

第二类是毅力的，靠组织诊治、岗亭合并、部门接纳，平直拿到场所讲解权，冲突常规合作步地。

但组织架构诊治也不是全能解，它只是把资本前置了，因为公司之是以拆成不同部门，本人等于一种信息压缩步地。敬爱是：业务复杂的评价资本、时刻壁垒的判断资本依旧在哪里，是以谁去负责或者买单呢？

举个例子：你将时刻团队合并给销售团队，自然不错贬责时刻不懂业务的问题，但依旧不成贬责时刻问题复杂的问题，以致合座迭代速率还可能更慢！

且无论过程中还会触及到生人指引内行、职工成长、价值不雅冲突等问题。

是以第三层的中枢论断是：

AI 不错推动组织重构，但组织重构之后，会把专科评价问题暴骄贵来

谁该为复杂的业态、高壁垒的专科最终负责，是这个阶段留传的问题

第四层：评价权重构

是以，第四层关心的不是组织要不要合并，而是应该贬责合并后带来的组织复杂度：谁来评价、能不成评价的问题。

举个例子，就只是说 AI 原生这个事情，问题都会变得很狞恶了，因为就我实在的企业 AI 斟酌实操来说：

不是悉数公司都需要快速智能化。不是悉数业务都值得重构组织。不是悉数历程都值得作念 Agent。不是悉数 AI 转型都是正收益。

许多时候，过早转型其实是负优化，然而谁应该去对这些消失负责？

是以，这里的问题是：谁应该去评价这一切，谁又有技艺去评价这一切，更进一步：怎样将 AI 完满的镶嵌公司的业务历程评价和料理历程评价体系之中。

要拦截，这个评价问题会比之前的悉数问题愈加辣手，因为他之前莫得出现过，也莫得不错抄的谜底。

况兼，现阶段 AI 果然在补足每个职工多样技艺，岗亭合并、部门交融似乎一经成了一个趋势。

比如咱们前边说的居品要更懂时刻，时刻要更懂业务，委派要更懂客户，售前要更懂有缠绵，全国不要以为他是离奇乖癖，因为这个岗亭一经被挂出来了，他的名字叫 FDE。

FDE 名义上是一个跨域委派岗亭，本色上是 AI 干与业务历程后，评价权前移所产生的组织接口东说念主：

是以第四层的中枢问题是：AI 原生组织必须再行界说评价权

而评价权背后的涵义很丰富，他包括质料模范、验收机制、职守范围等等，如果要进一步大开，就又有四个问题需要回答：

谁界说利害？谁负责验收？谁承担风险？谁领有最终讲解权？

这个等于 AI 原生的终极问题：当业务判断、专科判断、客户反馈、AI 建议相互冲突的时候，谁说了算？

因为组织结构不错诊治，岗亭不错合并，历程不错重写，器具不错替换，但评价权不是那么容易改动的。评价权背后是专科壁垒、组织权利、职守包摄和风险承担。

至于这个问题的解法，就留给全国念念考吧……

四层爬坡：问题递归

总结一下，AI 干与组织以后，是一个伙同爬坡的过程：

第一层贬责个东说念主器具问题，会走漏团队合作问题；第二层贬责历程模范问题，会走漏组织范围问题；第三层贬责组织合作问题，会走漏专科评价问题；第四层贬责评价权专科问题，又会最终走漏生意模式问题；

其实许多东说念主作念到第四层就会运转质疑，因为他们会发现：就动作念到了组织适配这一层，就算一经欺骗 AI 将效率达到了机制，但公司业务巧合会带来什么增长

这里的原因又很爽快，个东说念主能戒指的是对器具的使用，组织能戒指的也唯独职工完毕，咱们都只是能戒指我方能戒指的那一部分。

除自身除外的生意模式不是你想优化就能优化的，以致来说：乙方其实是甲方的补丁。

如果甲方本色上就很低效，甲方也不想在这个过程中提效，他本来等于费钱让乙方去干他不想干的事情。

这个时候乙方再拚命提效，敬爱可能并莫得想象中那么大，这里再次干与了更大的圈层轮回：你贬责了部门墙，但你贬责不了公司墙…

这里如果要伸开会很复杂，是以咱们淡雅 AI 原生转型过程中的四层爬坡，全国会发现他尽然是个递归问题：上一层的问题贬责以后，会把下一层的问题推出来。

但你不成认为这些问题是 AI 带来的，事实上就我对料理及 AI 的阐明，我会认为：AI 走漏的不是 AI 的问题，而是组织原来就存在的问题。

只是夙昔这些问题不错被低效率消散，但 AI 进来以后，某些节点俄顷变快了，旧系统的不平衡就被放大了，是以你想推 AI 原生，就必须关心到每一层的问题，贬责每一层的问题：

组织变革，双向依赖

这一段对至今天的内容也许不是必须，但他却是我在作念企业斟酌过程中对于组织一号位颠倒理性的体悟：AI 和组织变革之间，其实是双向依赖：

AI 要阐扬成果，经常需要推动历程变革和组织优化

但一霸手如果看清趋势，推动了部门诊治、岗亭合并、历程重构，又会依赖 AI 果然能阐扬成果

这等于双向依赖

过程中，我见过的每个企业，雇主一定是最受伤的阿谁东说念主：

如果一霸手走得太激进，底下的东说念主会合计雇主是不是被自媒体忽悠了；如果一霸手因为一些原因（业务压力、阐明截止或者现款流敛迹），没法诊治组织，又会有东说念主合计公司跟不上 AI 时期；

一言以蔽之，作为一号位，你唯独赢才能堵住他们的嘴，然而多数公司施行去作念扩充落地的并不是雇主，而是 CTO或者CIO或者 AI 神色负责东说念主。

这个时候，就要颠倒拦截 AI 原生鼓动的节律了，主淌若要把雇主和职工两个扮装串起来（妻子当军）：

一边要把雇主的烦燥，改动成组织演进不错成效扩充的真金白银；

一边要把一线的实在问题，翻译成雇主能相识的要不要连接的判断，也等于一切尽在掌抓，职工虽有问题，但最近效率擢升显着，全国正在攻克难关；

说得从邡点，是双方哄，说得宛转点，是和团队一齐迟缓把阐明、门径、历程、器具、组织和消失串起来！

而这个东说念主的扮装画像，全国不错认为是我这么的东说念主，一个带参谋人属性的 AI 巨匠。

前边证据我三次实践案例，咱们为 AI 原生作念了一个界说：机制历程 + 企业信息通说念开导 + 企业职责流承载平台；

尔后咱们提议了 AI 干与组织，要爬四层坡：个东说念主器具适配 → 历程适配 → 组织适配 → 评价权适配。

而当今表面的部分差未几了，似乎还差一个复杂的案例将他们串起来：

第四次：复杂案例阐明

底下这个案例，是我之前在电商限度作念的一次完满实践：

它完满阅历了从个东说念主器具到评价权重构的四层爬坡，而且因为行业的特殊性，每层出了问题，不是效率下跌那么爽快，而是安全红线、合规风险，总之代价很大的。

这里咱们会为全国完满展示一个坐褥级 AI 客服是什么样的，况兼会告诉全国，时刻的部分只占不到 50%，要匹配这套 AI 系统好好的运行，需要多样机制配合：

业务布景

平台有 1000 个兼职客服，但近期自然业务量暴涨，单次做事收入却不绝下跌，兼职客服利润被严重挤压，对应着平台这边用东说念主资本也在增加，于是这边对效率器具提议了新的要求。

只不听说统的基于规则引擎的客服赞成插件一经到了天花板：

意图识别覆盖率唯独68%，大宗对话需要东说念主工介入；兼职客服日均处理单量恒久盘桓在 300-400 单，资本降不下来；

于是咱们竖立专项组，场所自然不是作念更好用的器具，而是重构通盘客服职责流，让兼职客服一天的接单量翻倍，而合座平台的资本却无须增加太多：

而这里的齐全旅途也等于上头的四层轮回：

第一层：个东说念主器具适配

领先，咱们的想法很爽快，作念老器具矫正：给规则引擎接入 AI 大模子，把那些“木有”、“没啥嗅觉”、“咋整啊”之类的白话化抒发也识别出来。

咱们认为有 AI 的加入，表面上意图识别应该能提到 90% 以上。

很快作念出了第一个版块，消失兼职客服却集体拒却使用，原因有两个：

AI 太慢，反适时候 5 秒，慢；意图识别时有演叨，不准；

是以，论断是一个更灵巧但更慢的器具，反而缩小了熟练客服的效率。

这里等于许多企业在作念 AI 引入会遭受的施行问题了，以这里的案例来说：

许多东说念主都会以为 AI 裕如灵巧就行了，但施行上客服要的是不打断职责流的器具，对他们来说：反应慢 5 秒，他一天的订单量可能要少 100单！

在这一层，我想告诉全国的是：个东说念主器具适配不是时刻问题，而是体验和雄厚问题，会用器具只是第一步，器具丝滑、不出错才是中枢！

如果 AI 不成无缝融入使用者的日常操作俗例，不成雄厚可靠地输出消失，那么他们就一定会吐槽。

第二层：历程适配

被客服拒却后，咱们作念了大宗工程优化：缓存、异步、模子迭代，把反应压到 2 秒内，况兼准确率也想主意搞上来了。

然后，客服终于运转用了，只不外他们照旧在牢骚…

咱们追踪后发现：每个会话，客服都要盯着屏幕点一下“发送”或“阐发”。这个恭候-阐发的动作，把 AI 提速的红利全吃掉了。

于是咱们作念了一个要津的历程变更决策：AI 客盲从赞成器具升级为自动化历程引擎。系统自主运行模范问答历程，只在以下情况才中断历程：

AI置信度低，拿不准用户意图；触发了业务硬性规则，如敏锐词掷中；落入必须东说念主工处理的复杂场景，如投诉升级；

这一轮历程矫正，成果很好：日均单量从 300 跳到了 1100。这等于历程适配带来的威力。

第三层：组织适配

历程变了，客服的扮装和组织范围也会随着变。

夙昔，客服是每个会话的必经节点；当今，系统处理了 70% 以上的模范会话。

这让一些客服感到不适：我的职责被AI抢了？也有些客服合计节略了：终于无须跟那些重叠问题耗时候了。

但不管怎样，消失是：一经不需要 1000 个兼职客服了。于是这里需要作念两件事：

一是再行界说岗亭职责。客服的考查缠绵从处理单量形旧例外处理质料 + 系统报错孝顺。系统自动处理的会话，客服不背锅；但客服发现系统演叨并一键报错，计入绩效。

二是成就跨部门的协同机制。时刻团队和运营团队不再各干各的，而是每周一次结伴复盘：哪些报错是模子问题？哪些是规则缺失？哪些是常识库没覆盖？

这等于组织适配：再行瞎想职守范围和场所讲解权。

第四层：评价权重构

到了这一层，问题才实在触及根柢：系统自动发出的回话，质料怎样评价？谁来界说“好”？

咱们这里成就了一套数据驱动的闭环评价体系：

一键报错：客服在处理东说念主工会话时，如果发现系统之前的判断有误，不错一键报错，附带原因分类。数据回扫：如期导出历史会话，用最新的规则引擎再行跑批，找出潜在问题。质检闭环：运营团队对报错和回扫发现的问题进行复核，阐发后纳入规则库或模子覆按集。

最终，一套数据飞轮系统产生了…

这里的点是：悉数的 AI 神色都有一套围绕着他的 “Harness”，这套工程机制历程存在的价值等于保证 AI 神色雄厚的运行，是以并不是 Agent 才需要 Harness，悉数的 AI神色或者线上神色都需要！

本文由东说念主东说念主都是居品司理作家【叶小钗】，微信公众号：【叶小钗】，原创/授权 发布于东说念主东说念主都是居品司理，未经许可，谢却转载。

题图来自Unsplash九游会J9，基于 CC0 公约。