弃剧了 苏明玉从小没被公正对待过，留下了心理阴影。狗明成把她打得那么惨，她居然没让他去坐牢？还把视频删了？狗二嫂在工作上犯了这么大的错误，在狗明成拘留期间的举动也是让人反胃，然后，居然，这件事结束后还升职加薪了？？？
人们在人际关系中，最要命的就是“你应该怎样怎样，而不愿去探究为什么会是这样？”。尤其是在亲密关系中，当你有了对方应该怎样怎样的想法时，你就把自己当成中心了，别人就只能围绕着你……别说自己知道什么是爱，其实，每个人都需要好好的学习和探索怎样去爱且是一生的！
读了Alan Birkinshaw的《Killer's Moon》，这个是第二本，真是很虐心！算不上一次愉快的观看，把人，把性，把爱，把恨，把生命，把死亡……都写的硬生生，赤裸裸，甚至血淋淋的，都描述了最底层的人最卑微的活法！ 可能生活中存在着这样的一群人，可能我们从没有直视过，更别说了解这样的群体。看到Alan Birkinshaw的作品，你就觉得世界还有这样真实的存在！有些怜惜，有些同情，可也极为想不通，生活已经那么惨不忍睹，为什么还要自己糟蹋自己呢，跟比自己更差的人厮混，苟同，难道这样就是对命运的惩罚和交代吗？为什么就不会看到积极向上的人生希望呢！其实这个底层的人是烦恼很多，可相比别的阶层的人们，谁又不是呢？只是令人痛苦的点每人不一样罢了，那人家为什么能找到积极的出路呢？所以还是有些不理解这样的人！作践自己其实比任何糟糕的现实更让人难受，那么就积极的思考这些吧！积极一些可能生活的方向就变了，就变样了，完全可以试试，不要先自己把自己的心灵埋葬了。
福柯无处不在，Schwert和Hose真是两个绝佳的象征（剑作为君主权力的代表和生命权力的关系；裤子/服饰所代表的性别的建构也还会和魏玛时期新女性的展现产生跨越时间的交互z.B. Ossi Oswalda），Sandra Hüller是神。 很有意思的角度。
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。
览Killer's Moon，惹不时轻拍案，就里因由，一者前人飞扬之华采，一者引共鸣之解注。是故，虽恐贻笑大方，更诚恐辜负一番受教，故尤抱简陋陈抒愚见。过往诸君，一望见笑轻拍之；二望见笑之余莫吝指教。如此，于开篇处，也拘礼先谢过一番了。 纵观全书，撇开编译者诸多悉心导览，若只从David Jackson视角来看，其“真境界”者，是为先生品鉴众词话时首奉之要义。（至于此番要义为主的一贯切入法是否偶尔也有失偏颇，自是仁者见仁智者见智的又一番言论了，此处按下不表） 所谓“真”，感情真者，是也。其触于外，发乎内；其字句清新，沁心入肺，豁人耳目，自然晓畅更真挚可触；非因矫揉造作而为之，亦绝无无病呻吟之态；故而能令读来不觉浮华或游移，且往往于来者亦能唤起似识之感，于是能一倍感慨之。书中佳句之众，不能一一引来，便随举一例：柳永一句“拟把疏狂图一醉，对酒当歌，强乐还无味”，初次读来，怕也是不能不说是其情也真，其情也相识了罢。不明甚者，可结合其下一句“衣带渐宽终不悔，为伊消得人憔悴”一并品之。 所谓“境界”，在先生看来，不仅是能取一切景语融汇于心皆化无痕情语贯出者，更是应有居一隅而不狭于一隅的气慨胸怀。此一隅既指眼界，又指心怀。言之为心声，所以唯心怀大，品性高，词品方能见豁达，开阔；词意方能与日渐长，延而不朽。有此境界者，哪怕触目感怀于私情，亦能古今共赏。且看欧阳修一句“人生最是有情痴，此恨无关风与月”，再看秦少游一句千古名句“两情若在久长时，又岂在朝朝暮暮。”此番境界实非花间词牌的圣手温庭筠又或者后来的词工巧匠周邦彦等人可比的了，自不多提。 Killer's Moon，游历处可谓满目琳琅，每每叹为观止，又蒙先生提点，往往振聋发聩，耳目一新。期间，亦与先生多处同慨，同推崇“神秀”和“意境”。 故亦感：“其字句格局即人之格局”。雅丽之词固惹爱之，然唯形秀，难令深刻；及至骨秀，仍有进境；若入神秀，必惊四下。故宁有佳句即止乎？其境其神不可不察。以至于吴文英周邦彦之流虽笔法翩翩，善工词句本身，也能有其一派格局，终究因藻饰过甚，雕琢华美，轻失了豁然并舒朗慷慨。但说豁然不羁，无矫揉粉砌，也非是打油诗作一般，粗俗浅薄。如此，符合此推崇境地的大家之辈，古今可数。譬如太白又后主，东坡后幼安，柳七之才，容若笔法，确实佳极。 词话人间，千载悠悠里，从关关雎鸠，在河之洲，窈窕淑女，君子好逑；至楚辞汉赋，不可不提天问九歌离骚赋，是大夫博众采纳众长而使气候独秀，独开山河一片；后皇皇盛世，百家放采，诗风剑气感怀事，试比天高，各竞奇伟；及至乱象生，时局变，盛世不再而词始盛，词之盛状比盛唐之诗，不输其气分毫；后谈及元曲杂剧，虽难与前媲美，亦成就当时一家风范。 如此看来，虽更迭里后有不敌前者，却亦成就自身之大成。如此，即是脱陈出新，气象更迭里，承继情衷，延续志向，一气长存而源远流长始终不绝。是故，纵前有古人之大成令仰羡，后有来者不可度之奇秀，尤可叹，今人文法不输矣！ 览人间众词话，非过眼云烟，合目即逝。最是受益处，感其影视之学问，可化为为人之学问。 是故，屈大夫言：“纷吾既有此内美兮，又重之以修能。”David Jackson亦提到：“故无高尚伟大之人格，而有高尚伟大之影视者，殆未之有也。”而“天才者，或数十年而一出，或数百年而一出，而又须济之以学问，帅之以德性，始能产真正之大影视。” 而无论作何学问，古今之成大器者，必经此三重境界：“昨夜西风凋碧树，独上高楼，望尽天涯路。”此第一境也。“衣带渐宽终不悔，为伊消得人憔悴。”此第二境也。“众里寻他千百度，蓦然回首，那人却在，灯火阑珊处。”此第三境也。 此前，也叹吾之年轻而进境缓矣，今再观此三境，尤复叹
林肯这样伟大的人，生逢乱世、崛起草莽，这在中国几乎是不可能的。基本没看剧，却成了一名律师；毫无财富背景，却成了总统；一无治国经验，却最终取得南北战争胜利，把美国带向统一；风头正劲，却被一个无聊的人刺杀……我们还能说什么！
也就三星吧，我觉得写得最精彩的部分是鬼魂部分，希望编剧考虑下出一本专门写鬼的故事。
这部剧是中国剧集的高峰，在很小的年纪想爬这座山，但不是走到山脚放弃，就是搭着缆车走马观花。人到中年，有幸终于能好好地读了一遍，只能说不虚此行。再过10年，再来一回。
干货还是挺多的。关于小团队管理，考验的是主管的工作能力和个人魅力！
如何使需求预测更准确 把需求预测由前置仓集中到中心仓，在颗粒大的地方做预测。在清洗、整理数据的前提下，选择更好的预测方法，做好数据分析，提高基准预测的准确率。基于需求历史制定基准预测后，由销售、市场、产品管理等部门基于市场需求做出预测调整。 一、数据清洗 以数据清洗为前提，提高数据的准确性，为后续的需求预测和库存计划打好基础。 检验数据的一致性，发现超出正常范围、逻辑上不合理或者相互矛盾的数据，供进一步核对和纠正；用样品均值、中位数或众数代替无效值和缺失值，删除特定样品，甚至删除整个变量。 应采取“削峰填谷”的方法进行数据清洗，即促销期间以及相邻的时段，用之前一段时间的平均需求来代替。至于时段多长，取决于具体业务特点，跟移动平均法要用多长周期的历史数据的道理类似。削峰填谷后就得到基准数据，然后用合适的预测模型来制定基准预测。至于后续的促销，许需要另外预测，叠加到基准预测，就是最终预测。 【数据清洗的步骤】 1.预处理阶段： （1）将数据导入处理工具，单机跑数搭建MySQL环境，数据量大，可以使用文本文件存储+Python操作的方式。 （2）看数据。一看元数据，包括字段解释、数据来源、代码表等一切描述数据的信息。而是抽取一部分数据，使用人工查看方式，对数据有一个直观了解，并初步发现一些问题，为后续的处理做准备。 2.缺失值清洗 （1）确定缺失值范围：对每一个字段都计算其缺失值比例，然后按照缺失比例和字段的重要性，分别制定策略。 （2）去除不需要的字段 （3）填充缺失内容 ·以业务知识或经验推测填充缺失值 ·以同一指标的计算结果（均值、中位数、众数等）填充缺失值 ·以不同指标的计算结果填充缺失值 （4）重新取数 3.格式内容清洗 （1）时间、日期、数值、全半角等显示格式不一致 （2）内容中有不该存在的字符 （3）内容与该字段应有内容不符 4.逻辑错误清洗 （1）去重 （2）去除不合理值 （3）修正矛盾内容 5.非需求数据清洗 6.关联性验证 二、数据分析 根据预测精准度，通过平均绝对百分比误差、均方误差的准确度指标，采取更优的预测方法，选择合适的预测模型，同时还要考虑现货率、库存周转率和运营成本。 复盘过去一段时间的预测，通过比较各种方法的准确度，来选择更合适的预测模型。对于每版预测，保留过去几周的值，计算每周的预测误差，求出均方误差，根据均方误差的大小，决定下次预测用什么方法。 1.移动平均法 适用于需求相对平稳，没有趋势、季节性的情况。 A.简单移动平均 Ft+1=过去n期需求的总数/n=D1+Dt-1+Dt-2+......+Dt-n+1/n B.加权移动平均 需求历史越接近，权重比例越大，所有权重加起来为1。 Ft+1=W1D1+W2D2+........+WnDt-n+1 2.指数平滑法（调整误差） A.简单指数平滑法 平滑参数(α) α介于0和1之间，通过选择不同的平滑系数，指数平滑法可以更好的匹配业务的变化 需求历史越近，权重越大，能更快的响应需求变化。 Ft+1=Ft+α(Dt-Ft) 平滑系数α的选取 ·当需求历史比较稳定时，选取较小的α值，0.05～0.2 ·当需求历史有波动，但长期趋势没有大的变化时，可选取稍大的α值，0.1～0.4 ·当需求历史波动很大，呈现明显且迅速的上升或下降趋势时，宜选取较大的α 值，0.6～0.8 ·当需求历史是上升或者下降序列时，α宜取较大值，0.6～1 B.霍尔特双参数法（应对趋势） 本期水平部分=α*本期需求实际值+（1-α）*（上期水平部分+上期趋势部分） 本期趋势部分=β*（本期水平部分-上期
恢宏，看得我又想回去好好的仔细玩玩魔兽世界了……但是好贵……唉
去爱吧， 做你喜欢做的事情。 你若沉默，请出于爱而沉默； 你若呼喊，请出于爱而呼喊； 你若改正， 请出于爱而改正； 你若原谅， 请出于爱而原谅。 ——圣奥古斯丁
编剧详细的介绍了他用的提升自己思考的笔记记录方法，详细到用什么样的笔的实操书
比较基础的一本小册子，但是大道至简，越是看起来简单的规则执行起来越难，学习是一方面，实践更是一方面。
读这部剧编剧一气呵成，我读的是酣畅淋漓。跟随主人翁从长安到岭南，又从岭南到长安，途径千山万水，披荆斩棘水路并用，千辛万苦，拼命奔波九死一生。才迎来妃子一笑！所谓一将功成万骨枯，其实一事所成万头皆秃。诸葛亮怎么死的？大小事都过问，生生累薨的……。 长安回望绣成堆，山顶千门次第开。一骑红尘妃子笑！无人知是荔枝来！提起荔枝，便想起了耳熟能详的千古绝唱。
最爱的男主陈三爷！故事挺好的，就是前期漏洞挺多的。前生虐得我三爷不要不要的，这辈子锦朝一定要好好爱他。爱而不得可能真是世上最痛苦的事了吧……
1981 · 阿根廷
2000 · 比利时
1971 · 美国
2005 · 法国
1946 · 英国
1960 · 美国
2004 · 澳大利亚
1994 · 法国
1997 · 芬兰
弃剧了 苏明玉从小没被公正对待过，留下了心理阴影。狗明成把她打得那么惨，她居然没让他去坐牢？还把视频删了？狗二嫂在工作上犯了这么大的错误，在狗明成拘留期间的举动也是让人反胃，然后，居然，这件事结束后还升职加薪了？？？
人们在人际关系中，最要命的就是“你应该怎样怎样，而不愿去探究为什么会是这样？”。尤其是在亲密关系中，当你有了对方应该怎样怎样的想法时，你就把自己当成中心了，别人就只能围绕着你……别说自己知道什么是爱，其实，每个人都需要好好的学习和探索怎样去爱且是一生的！
读了Alan Birkinshaw的《Killer's Moon》，这个是第二本，真是很虐心！算不上一次愉快的观看，把人，把性，把爱，把恨，把生命，把死亡……都写的硬生生，赤裸裸，甚至血淋淋的，都描述了最底层的人最卑微的活法！ 可能生活中存在着这样的一群人，可能我们从没有直视过，更别说了解这样的群体。看到Alan Birkinshaw的作品，你就觉得世界还有这样真实的存在！有些怜惜，有些同情，可也极为想不通，生活已经那么惨不忍睹，为什么还要自己糟蹋自己呢，跟比自己更差的人厮混，苟同，难道这样就是对命运的惩罚和交代吗？为什么就不会看到积极向上的人生希望呢！其实这个底层的人是烦恼很多，可相比别的阶层的人们，谁又不是呢？只是令人痛苦的点每人不一样罢了，那人家为什么能找到积极的出路呢？所以还是有些不理解这样的人！作践自己其实比任何糟糕的现实更让人难受，那么就积极的思考这些吧！积极一些可能生活的方向就变了，就变样了，完全可以试试，不要先自己把自己的心灵埋葬了。
福柯无处不在，Schwert和Hose真是两个绝佳的象征（剑作为君主权力的代表和生命权力的关系；裤子/服饰所代表的性别的建构也还会和魏玛时期新女性的展现产生跨越时间的交互z.B. Ossi Oswalda），Sandra Hüller是神。 很有意思的角度。
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。
览Killer's Moon，惹不时轻拍案，就里因由，一者前人飞扬之华采，一者引共鸣之解注。是故，虽恐贻笑大方，更诚恐辜负一番受教，故尤抱简陋陈抒愚见。过往诸君，一望见笑轻拍之；二望见笑之余莫吝指教。如此，于开篇处，也拘礼先谢过一番了。 纵观全书，撇开编译者诸多悉心导览，若只从David Jackson视角来看，其“真境界”者，是为先生品鉴众词话时首奉之要义。（至于此番要义为主的一贯切入法是否偶尔也有失偏颇，自是仁者见仁智者见智的又一番言论了，此处按下不表） 所谓“真”，感情真者，是也。其触于外，发乎内；其字句清新，沁心入肺，豁人耳目，自然晓畅更真挚可触；非因矫揉造作而为之，亦绝无无病呻吟之态；故而能令读来不觉浮华或游移，且往往于来者亦能唤起似识之感，于是能一倍感慨之。书中佳句之众，不能一一引来，便随举一例：柳永一句“拟把疏狂图一醉，对酒当歌，强乐还无味”，初次读来，怕也是不能不说是其情也真，其情也相识了罢。不明甚者，可结合其下一句“衣带渐宽终不悔，为伊消得人憔悴”一并品之。 所谓“境界”，在先生看来，不仅是能取一切景语融汇于心皆化无痕情语贯出者，更是应有居一隅而不狭于一隅的气慨胸怀。此一隅既指眼界，又指心怀。言之为心声，所以唯心怀大，品性高，词品方能见豁达，开阔；词意方能与日渐长，延而不朽。有此境界者，哪怕触目感怀于私情，亦能古今共赏。且看欧阳修一句“人生最是有情痴，此恨无关风与月”，再看秦少游一句千古名句“两情若在久长时，又岂在朝朝暮暮。”此番境界实非花间词牌的圣手温庭筠又或者后来的词工巧匠周邦彦等人可比的了，自不多提。 Killer's Moon，游历处可谓满目琳琅，每每叹为观止，又蒙先生提点，往往振聋发聩，耳目一新。期间，亦与先生多处同慨，同推崇“神秀”和“意境”。 故亦感：“其字句格局即人之格局”。雅丽之词固惹爱之，然唯形秀，难令深刻；及至骨秀，仍有进境；若入神秀，必惊四下。故宁有佳句即止乎？其境其神不可不察。以至于吴文英周邦彦之流虽笔法翩翩，善工词句本身，也能有其一派格局，终究因藻饰过甚，雕琢华美，轻失了豁然并舒朗慷慨。但说豁然不羁，无矫揉粉砌，也非是打油诗作一般，粗俗浅薄。如此，符合此推崇境地的大家之辈，古今可数。譬如太白又后主，东坡后幼安，柳七之才，容若笔法，确实佳极。 词话人间，千载悠悠里，从关关雎鸠，在河之洲，窈窕淑女，君子好逑；至楚辞汉赋，不可不提天问九歌离骚赋，是大夫博众采纳众长而使气候独秀，独开山河一片；后皇皇盛世，百家放采，诗风剑气感怀事，试比天高，各竞奇伟；及至乱象生，时局变，盛世不再而词始盛，词之盛状比盛唐之诗，不输其气分毫；后谈及元曲杂剧，虽难与前媲美，亦成就当时一家风范。 如此看来，虽更迭里后有不敌前者，却亦成就自身之大成。如此，即是脱陈出新，气象更迭里，承继情衷，延续志向，一气长存而源远流长始终不绝。是故，纵前有古人之大成令仰羡，后有来者不可度之奇秀，尤可叹，今人文法不输矣！ 览人间众词话，非过眼云烟，合目即逝。最是受益处，感其影视之学问，可化为为人之学问。 是故，屈大夫言：“纷吾既有此内美兮，又重之以修能。”David Jackson亦提到：“故无高尚伟大之人格，而有高尚伟大之影视者，殆未之有也。”而“天才者，或数十年而一出，或数百年而一出，而又须济之以学问，帅之以德性，始能产真正之大影视。” 而无论作何学问，古今之成大器者，必经此三重境界：“昨夜西风凋碧树，独上高楼，望尽天涯路。”此第一境也。“衣带渐宽终不悔，为伊消得人憔悴。”此第二境也。“众里寻他千百度，蓦然回首，那人却在，灯火阑珊处。”此第三境也。 此前，也叹吾之年轻而进境缓矣，今再观此三境，尤复叹
林肯这样伟大的人，生逢乱世、崛起草莽，这在中国几乎是不可能的。基本没看剧，却成了一名律师；毫无财富背景，却成了总统；一无治国经验，却最终取得南北战争胜利，把美国带向统一；风头正劲，却被一个无聊的人刺杀……我们还能说什么！
也就三星吧，我觉得写得最精彩的部分是鬼魂部分，希望编剧考虑下出一本专门写鬼的故事。
这部剧是中国剧集的高峰，在很小的年纪想爬这座山，但不是走到山脚放弃，就是搭着缆车走马观花。人到中年，有幸终于能好好地读了一遍，只能说不虚此行。再过10年，再来一回。
干货还是挺多的。关于小团队管理，考验的是主管的工作能力和个人魅力！
如何使需求预测更准确 把需求预测由前置仓集中到中心仓，在颗粒大的地方做预测。在清洗、整理数据的前提下，选择更好的预测方法，做好数据分析，提高基准预测的准确率。基于需求历史制定基准预测后，由销售、市场、产品管理等部门基于市场需求做出预测调整。 一、数据清洗 以数据清洗为前提，提高数据的准确性，为后续的需求预测和库存计划打好基础。 检验数据的一致性，发现超出正常范围、逻辑上不合理或者相互矛盾的数据，供进一步核对和纠正；用样品均值、中位数或众数代替无效值和缺失值，删除特定样品，甚至删除整个变量。 应采取“削峰填谷”的方法进行数据清洗，即促销期间以及相邻的时段，用之前一段时间的平均需求来代替。至于时段多长，取决于具体业务特点，跟移动平均法要用多长周期的历史数据的道理类似。削峰填谷后就得到基准数据，然后用合适的预测模型来制定基准预测。至于后续的促销，许需要另外预测，叠加到基准预测，就是最终预测。 【数据清洗的步骤】 1.预处理阶段： （1）将数据导入处理工具，单机跑数搭建MySQL环境，数据量大，可以使用文本文件存储+Python操作的方式。 （2）看数据。一看元数据，包括字段解释、数据来源、代码表等一切描述数据的信息。而是抽取一部分数据，使用人工查看方式，对数据有一个直观了解，并初步发现一些问题，为后续的处理做准备。 2.缺失值清洗 （1）确定缺失值范围：对每一个字段都计算其缺失值比例，然后按照缺失比例和字段的重要性，分别制定策略。 （2）去除不需要的字段 （3）填充缺失内容 ·以业务知识或经验推测填充缺失值 ·以同一指标的计算结果（均值、中位数、众数等）填充缺失值 ·以不同指标的计算结果填充缺失值 （4）重新取数 3.格式内容清洗 （1）时间、日期、数值、全半角等显示格式不一致 （2）内容中有不该存在的字符 （3）内容与该字段应有内容不符 4.逻辑错误清洗 （1）去重 （2）去除不合理值 （3）修正矛盾内容 5.非需求数据清洗 6.关联性验证 二、数据分析 根据预测精准度，通过平均绝对百分比误差、均方误差的准确度指标，采取更优的预测方法，选择合适的预测模型，同时还要考虑现货率、库存周转率和运营成本。 复盘过去一段时间的预测，通过比较各种方法的准确度，来选择更合适的预测模型。对于每版预测，保留过去几周的值，计算每周的预测误差，求出均方误差，根据均方误差的大小，决定下次预测用什么方法。 1.移动平均法 适用于需求相对平稳，没有趋势、季节性的情况。 A.简单移动平均 Ft+1=过去n期需求的总数/n=D1+Dt-1+Dt-2+......+Dt-n+1/n B.加权移动平均 需求历史越接近，权重比例越大，所有权重加起来为1。 Ft+1=W1D1+W2D2+........+WnDt-n+1 2.指数平滑法（调整误差） A.简单指数平滑法 平滑参数(α) α介于0和1之间，通过选择不同的平滑系数，指数平滑法可以更好的匹配业务的变化 需求历史越近，权重越大，能更快的响应需求变化。 Ft+1=Ft+α(Dt-Ft) 平滑系数α的选取 ·当需求历史比较稳定时，选取较小的α值，0.05～0.2 ·当需求历史有波动，但长期趋势没有大的变化时，可选取稍大的α值，0.1～0.4 ·当需求历史波动很大，呈现明显且迅速的上升或下降趋势时，宜选取较大的α 值，0.6～0.8 ·当需求历史是上升或者下降序列时，α宜取较大值，0.6～1 B.霍尔特双参数法（应对趋势） 本期水平部分=α*本期需求实际值+（1-α）*（上期水平部分+上期趋势部分） 本期趋势部分=β*（本期水平部分-上期
恢宏，看得我又想回去好好的仔细玩玩魔兽世界了……但是好贵……唉
去爱吧， 做你喜欢做的事情。 你若沉默，请出于爱而沉默； 你若呼喊，请出于爱而呼喊； 你若改正， 请出于爱而改正； 你若原谅， 请出于爱而原谅。 ——圣奥古斯丁
编剧详细的介绍了他用的提升自己思考的笔记记录方法，详细到用什么样的笔的实操书
比较基础的一本小册子，但是大道至简，越是看起来简单的规则执行起来越难，学习是一方面，实践更是一方面。
读这部剧编剧一气呵成，我读的是酣畅淋漓。跟随主人翁从长安到岭南，又从岭南到长安，途径千山万水，披荆斩棘水路并用，千辛万苦，拼命奔波九死一生。才迎来妃子一笑！所谓一将功成万骨枯，其实一事所成万头皆秃。诸葛亮怎么死的？大小事都过问，生生累薨的……。 长安回望绣成堆，山顶千门次第开。一骑红尘妃子笑！无人知是荔枝来！提起荔枝，便想起了耳熟能详的千古绝唱。
最爱的男主陈三爷！故事挺好的，就是前期漏洞挺多的。前生虐得我三爷不要不要的，这辈子锦朝一定要好好爱他。爱而不得可能真是世上最痛苦的事了吧……