基于系统思维构建商业模型

一、基于系统思维构建商业模型

随着科技的不断发展和市场竞争的日益激烈，构建一个成功的商业模型变得愈发重要。无论是创业者还是企业家，都需要通过系统思维来构建商业模型，以确保业务的可持续发展和长期成功。

什么是系统思维？

系统思维是一种综合性的思考方式，它将问题视为一个复杂的系统，并关注系统中各个组成部分之间的相互作用和关系。基于系统思维构建商业模型意味着将组织的各个方面综合起来，理解它们之间的相互依赖关系，并找到最优的解决方案。

商业模型的重要性

商业模型是指描述一个企业如何创造、提供和捕获价值的逻辑框架。一个成功的商业模型能够为企业提供清晰的方向和目标，帮助企业实现盈利和持续增长。

商业模型的好坏直接影响到企业的竞争力和市场地位。一个优秀的商业模型能够帮助企业从竞争对手中脱颖而出，为用户提供独特价值，并为企业带来可观的利润。

基于系统思维构建商业模型的步骤

1. 确定商业目标和使命

首先，需要明确企业的商业目标和使命。商业目标是企业长期追求的利润和市场份额等具体目标，使命是企业为客户、员工和社会创造价值的宗旨。

通过系统思维，可以将商业目标和使命与企业的内外环境相互关联起来，理解它们之间的相互作用，并将其转化为构建商业模型的指导原则。

2. 分析市场和客户需求

了解市场和客户需求是构建商业模型的关键步骤。通过系统思维，可以分析市场的规模、趋势和竞争情况，深入了解客户的需求、问题和偏好。

基于这些分析结果，可以识别出市场的机会和挑战，为企业构建一个能够满足客户需求并具有竞争优势的商业模型提供基础。

3. 确定核心业务和竞争策略

核心业务是企业在市场上持续竞争的基础，而竞争策略则是企业为了在市场竞争中取得成功所采取的方法和手段。

通过系统思维，可以清晰地定义企业的核心业务和竞争策略，并将其与商业目标和客户需求相匹配。这有助于确保企业能够提供差异化的产品或服务，以满足客户的需求并在市场中脱颖而出。

4. 设计收入模型和成本控制

收入模型是指企业如何从产品或服务中获得收入的方式，成本控制则是确保企业在提供产品或服务过程中能够有效控制成本的方法。

通过系统思维，可以设计出适合企业的收入模型，并找到平衡收入和成本的最佳方案。这有助于企业实现盈利和持续增长，同时为客户提供高质量的产品或服务。

5. 实施和监控商业模型

一旦商业模型设计完成，就需要将其付诸实施，并不断进行监控和调整。通过系统思维，可以将商业模型视为一个动态系统，及时发现和解决问题，并根据市场变化和客户反馈进行调整。

在实施和监控过程中，不仅要注重整体视角和系统思维，还要与团队和利益相关者进行良好的沟通和合作，以实现商业模型的成功执行。

基于系统思维构建商业模型的优势

基于系统思维构建商业模型具有以下优势：

• 综合性思考：系统思维能够帮助企业从整体上思考问题，综合各种因素，并找到最佳解决方案。
• 全局视角：系统思维能够帮助企业从全局视角看待商业模型，理解各个组成部分之间的相互关系，从而避免局部优化和重复劳动。
• 动态适应：系统思维能够使企业将商业模型视为一个动态系统，及时调整和优化模型，以适应市场和客户的变化。
• 团队合作：系统思维需要团队合作和跨职能协作，能够促进团队的沟通和合作，提高整体绩效。

无论是创业者还是企业家，基于系统思维构建商业模型都是非常重要的。通过系统思维，可以从综合的角度去理解和解决问题，同时提高企业的竞争力和创新能力，为企业的可持续发展打下坚实的基础。

二、基于ai模型的专家系统

基于ai模型的专家系统 - 未来科技的前沿

在当今数字化时代，人工智能（AI）技术不断发展，为我们的生活带来了诸多改变。其中一项引人注目的应用是基于AI模型的专家系统。专家系统是一种能够模仿人类专家决策过程的计算机程序，通过对大量数据和知识进行学习和推理，为用户提供个性化且准确的建议和解决方案。

基于AI模型的专家系统将人工智能技术与专业知识相结合，实现了人类智慧的延伸和提升。通过模拟专家的思维过程和决策能力，专家系统能够在诸多领域发挥关键作用，如医疗诊断、金融风险评估、客户服务等。

专家系统的工作原理

基于AI模型的专家系统的工作原理主要包括以下几个步骤：

1. 知识获取：专家系统通过学习海量数据和专业知识，构建起知识库和规则库。
2. 知识表示：系统将获取的知识以符号、逻辑或模型的方式进行表示，以便进行推理和决策。
3. 推理机制：系统通过内置的推理引擎，根据事实和规则进行逻辑推理，找出最优解。
4. 解释与输出：系统输出推理过程和结果，向用户解释推断的过程和依据。

专家系统的优势与应用领域

基于AI模型的专家系统具有以下优势：

• 高效性：专家系统能够迅速处理大量信息并做出准确决策，提高工作效率。
• 可靠性：系统基于事实和逻辑进行推理，排除了人为因素的干扰，提高了决策的可靠性。
• 个性化：系统能够根据用户的需求和背景提供个性化的建议和解决方案，增强了用户体验。

专家系统在诸多领域都有广泛的应用，如：

• 医疗诊断：专家系统能够根据患者的症状和病史进行诊断，并给出治疗建议。
• 金融风险评估：系统能够分析市场数据和风险因素，帮助金融机构进行风险评估和管理。
• 客户服务：专家系统可以智能化地回答客户提出的问题，提供高效的客户服务。

未来展望

随着人工智能技术的不断进步，基于AI模型的专家系统将会在更多领域发挥作用，并逐渐走向成熟和普及。未来，专家系统可能会实现更加智能化、自适应性和个性化，为人们的生活和工作带来更多便利和价值。

总的来说，基于AI模型的专家系统是人工智能技术发展的重要方向之一，其潜力巨大，将为各行各业带来革命性的变革和创新。

三、什么是基于模型的专家系统

在当今信息时代，人工智能技术已经深入各个领域，其中基于模型的专家系统作为人工智能的一个重要分支在各行各业扮演着至关重要的角色。

什么是基于模型的专家系统？

基于模型的专家系统是一种利用规则和模型驱动的人工智能系统，它通过对专家知识进行建模和规则化，实现智能决策和问题解决的系统。相比于传统的基于知识库的专家系统，基于模型的专家系统更加灵活、智能化，能够更好地适应复杂多变的环境。

基于模型的专家系统的工作原理

基于模型的专家系统的工作原理可以简单概括为以下几个步骤：

1. 知识建模：将专家知识进行抽象化和形式化，转化为规则和模型的形式。
2. 模型驱动：基于构建的模型，系统能够自主学习、推理和决策。
3. 智能决策：系统根据输入的信息和建立的模型，进行智能决策和问题解决。

基于模型的专家系统的优势

相比于其他专家系统，基于模型的专家系统具有以下明显优势：

• 灵活性：能够根据实际情况动态调整模型和规则，适应性强。
• 智能性：系统能够通过学习和优化不断提升决策和解决问题的能力。
• 高效性：基于模型的推理和决策更加快速准确，提高工作效率。

总的来说，基于模型的专家系统在未来人工智能发展中将扮演越发重要的角色，带来更多智能化的应用场景和解决方案。

四、智能辅助驾驶系统？

智能驾驶辅助系统（ADAS）

通过前向摄像头，ADAS视觉子系统可以实时识别前方车辆、行人和车道线， 检测本车与前车或行人之间的距离、方位及相对速度，以及本车在车道中的位置，并由此做出预警判定,从而为安全驾驶提供辅助作用。

一旦检测到与前车潜在的碰撞风险、车距过近或车道偏离时，系统会通过语音提醒司机及时采取措施。

前车碰撞报警

当检测到碰撞时间处于潜在危险范围内，用语音或视觉显示给予不同级别的报警提示。

前车启动提示

当车辆停止（如等待红灯）时，如果前车已经启动开出，会发出前车启动提示。

车距过近报警

监测与前车的距离小于安全范围时，发出报警提示。

车道偏离报警

当检测到车道偏移时，根据车辆速度与偏移程度给予不同级别的报警，同时进行语音或视觉显示提示。

行人碰撞报警

当检测到与行人距离时间存在潜在风险时，给予不同级别的语音或视觉显示报警提示。

交通标志识别

当检测到交通标志时，根据当前的驾驶状态，若有潜在违反当前的交通风险，给予语音或者视觉显示提示。

盲区检测报警

当检测到驾驶员盲区范围有行人、物体移动时，若有潜在风险，给予语音或者视觉显示提示。

五、如何搭建基于文本语义的智能问答系统？

刚好之前做过智能问答的研究和落地，从0到1给某O2O平台搭建了支撑百万级用户的智能客服系统。下面分别回答题主的三个具体问题：

1. 问答系统有哪些分类

我们可以将问答系统大概划分为5个类型，主要根据任务形式和知识库里数据的存储结构。

(1) FAQ-Bot: 基于常见问答对的问答，这也是运用最为广泛的智能问答技术。抽象出来是一个信息检索的问题，给定用户的问题，在由{问答：答案}组成的知识库中检索相似的问题，最后将与用户相似问法问题的答案作为结果返回给用户。

(2) MRC-Bot: 基于机器阅读的智能问答，一般运用在开放域的问答中。给定用户的问题，具体分成召回和机器阅读两个阶段，先从知识库中检索出可能存在答案的文档，再针对文档做机器阅读确定答案。在实际落地中也很有前景，相比FAQ-Bot用户不需要耗费很大力气构建知识库，只需要上传产品文档即可。但是目前机器阅读的准确性还不够，效果不稳定，还不能直接将机器阅读的结果作为答案返回给用户。

(3)KG-Bot: 基于知识图谱的问答，一般用于解答属性型的问题，比如“北京的市长是谁”。给定用户的问题，需要先解析成知识图谱查询语句，再到知识图谱中检索答案。这种问答一般回答的准确率非常高，但是能回答的问题也非常局限，同时构建知识图谱非常耗费人力。

(4)Task-Bot: 任务型对话，是面向特定场景的多轮对话，比如“查天气”，“订机票”。"Task oriented dialogue"在学术和工业界都已经有了很深入的研究，分成pipeline和end-to-end两种思路。在实地落地过程中，难得是如何让用户自主的灵活配置一个任务型对话场景，训练语料可能只有一两条，如何让模型能学到这个槽位？

(5)Chat-Bot: 闲聊对话，一般用于提高机器人的趣味性，比如“你是谁？”，“你是机器人吗？”等。在学术上一般基于end-to-end的方案，可以支持多轮，但是回复结果不可控。所以在实际落地中还是会转换成FAQ-Bot，预先构建一个寒暄库，转换成检索的任务。

机器人类型	知识库结构	核心技术	落地难度
FAQ-Bot	{问题:答案}	信息检索	低
MRC-Bot	文档	信息检索+机器阅读	中
KG-Bot	知识三元组	知识图谱构建/检索	高
Task-Bot	槽位/对话策略	对话状态跟踪/管理	高
Chat-Bot	{寒暄语:回复}	信息检索	低

一般作为一个商业化的智能问答系统一般上面的各种bot都会有，通过中控来做类型识别和分发。

2.如何快速得搭建一个问答系统

最简单最切合实际的落地方式是基于FAQ-Bot，目前“智能客服”等产品采用的技术也大都基于此。

而要搭建FAQ-Bot最快的方式就是通过Elesticsearch来构建，基于ES可以快速构建检索型的智能问答系统，包括“输入联想”，“相似问题检索排序”，“拼音/首字母混合检索”等常见功能。传统的ES仅支持“字面”匹配（BM25算法），最新的ES也已经支持“语义”匹配，所以可以通过深度学习模型提取问题的语义特征（例如sentence-bert），然后存入ES中。这样用户的query就可以与问题库进行“字面”匹配+“语义”匹配了。

所以基于ES已经可以快速搭建一个能用，且效果还不错的问答系统了

3.如何评估问答系统的效果

智能问答系统的评估一般会包含多个层面：

• 系统层面：cpu占用，内存占用，QPS等
• 算法层面：回答问题的准确率，召回率，精确率
• 业务层面：机器人回答满意度（用户的打分），机器人独立解决问题占比，转人工占比

---

之前写过基于FAQ智能问答技术的系列文章，可以参考

基于FAQ的智能问答(一): Elasticsearch的调教基于FAQ的智能问答(二): 召回篇基于FAQ的智能问答(三): 精排篇

六、基于物联网的智能照明系统如何设计？

照明系统是智能家居领域最为重要的组成部分，随着科学技术快速发展，如今人类对于照明系统的要求已不再是传统、简单的视觉层面的明暗表现，而是变为对富有美感、极具智能化照明方案的极致追求。当下LED照明已进入智能时代，越来越多的人开始考虑如何节约电能，享受多样化照明功能带来的时尚美感与舒适性，提高照明系统实用效率。但是，传统的照明系统功能单一、能耗高、线路烦琐，无法满足智慧生活高品质要求。物联网的出现，让Wi-Fi、BLE、ZigBee、NB-IOT等无线通信技术的融合成为可能。

1 系统总体控制方案

1.1 设计原理

“照明”是人类生活的基本需求，随着物联网技术快速发展与变革，智能化LED照明在医学抗抑郁症治疗（情绪调节）、家庭氛围调节、景观照明以及智能楼宇照明控制等方面实现了广泛应用，但是对于智慧生活家庭而言，智能化LED照明更需要控制方案的个性化与集成化，比如，传统的灯具使用寿命短，对环境和人体污染危害大，所以设计一款能实现灯光软启动、强弱调节、定时控制以及场景设置等多样化功能的LED灯控制方案就十分重要[3]。基于此，本研究基于物联网四层架构，应用现代网络技术、传感技术、智能控制技术以及自动软件技术等，将感知层、控制层、网络层及综合应用层集成到一体，以单片机为核心，由各种传感器、智能照明终端和网络通信终端等，组成了可完成对灯的亮度、颜色以及周围环境进行智能感知与实时监测控制的各级智能硬件和网关，然后借助网络及现场控制软件，实现对照明系统的远程综合控制，智能照明方案拓扑图如图1所示。

1.2 系统架构

本系统采用模块化设计思想，主要由感知层、控制层、网络层和综合应用层四层组成，同时可支持ZigBee、以太网、DMX512、Wi-Fi、DALI、PLC等多种通信协议，借助物联网智能网关，可实现对上述多种通信协议的互换，同时还设计了同时支持人体传感、红外测距传感以及光敏传感、声音传感的多种智能传感器，在支持对LED灯光远程控制与智能控制基础上，让本系统应用场景和方案更加广泛。

2 硬件功能设计

2.1 智能网关硬件模块

智能网关硬件模块是现场ZigBee、以太网、DMX512、Wi-Fi、DALI、PLC等多种通信协议之间实现顺利转换的中枢，它分别包含串口拓展模块、主控芯片模块以及各通信硬件协议栈三大结构，可支持对上述协议的智能鉴别与转换。其中，智能网关硬件中的主控芯片采用国产GM8125芯片，由于主控芯片外设资源较多，但该模块只有三个串行口，为了丰富串口扩展器，该芯片将主控制器三个串行口一扩为五，共有15个串行口，而每个主控芯片均与GM8125一扩五芯片相连，构成不同的硬件协议栈，然后基于每个串行口端口地址来针对不同的硬件协议类型进行有效识别，由此顺利实现对对应层中相关的软件模块控制程序数据进行解析[6]。因本智能照明系统RL78/I1A单片机有专用引脚，且支持DALI协议，因此主控芯片直接连接RL78/I1A单片机的DALI硬件协议栈，而无须通过GM8125串口扩展芯片。

2.2 现场控制智能硬件

基于物联网架构的智能照明系统现场控制智能硬件主要负责的工作内容是：

（1）采集信息感知层的相关信号;

（2）按照系统预设阈值和用户的控制决策指令，对各类使用场景中的智能LED灯进行远程和现场智能控制;

（3）作为远程服务器终端，对系统智能网关硬件模块上传的控制命令信息进行分析和存储，从而实现对智能LED灯的调控。

在上述功能开发基础上，在硬件设计过程中，同时还在现场控制智能硬件的信息感知层设计了异常报警功能模块，当用户智能家居使用场景中的电源供电不足或者电路发生异常时，系统的信息感知层通过收集异常故障信息，主动发起通信，通过Wi-Fi即可实时给用户或者安全操作员及时发送相关的故障信息及报警指令。

2.3 信息感知采集模块

信息感知层主要工作是采集现场周围的环境信息，然后针对智能家居环境中采集到的信息进行预处理，并实时传给现场控制智能硬件模块，经过对感知信息的进一步处理与分析，实现对LED照明系统的智能化控制。本系统的物联感知层可同时感知智能家居周围环境中的红外信号、光敏源、声音源、人体健康信息等，基于感知层的数字传感器，采集上述信息，然后通过与控制器相连接，从而直接经过串口进行相关数据传送[7]。

3 软件控制流程设计

本智能系统软件模块分别与该系统物联网架构中的感知层、控制层、网络层和应用层相对应，由于本系统可同时支持ZigBee、以太网、DMX512、Wi-Fi、DALI、PLC等多种通信协议，因此本研究开发制定了一套能够同时针对智能LED灯进行亮度控制、颜色调节、延迟开关灯控制以及饱和度设置的完整的智能灯控系统通信协议，该通信协议接口简单，可预设不同的用户情境模式，并支持远程访问，可对智能LED灯组进行分别控制，较好地覆盖和满足了现代人工智能照明领域所有的智能照明控制功能，如图3所示为本智能系统软件模块主控程序发起的即时通信的控制程序。

4 系统测试

在完成上述所有硬件与软件设计任务之后，为了确保本智能系统能够实现安全、经济、可靠运行，本研究将对系统硬件部分及软件部分分别进行功能测试。本系统测试平台包括示波器、PC、串口调试软件、万用表以及智能手机、网络调试助手等。

4.1 硬件测试

4.2 软件测试

5 结 论

基于感知层、控制层、网络层和综合应用层四层架构的模块化设计思想，开发设计了一款集智能网关、现场控制智能硬件、信息采集模块为一体的物联网智慧照明系统。经过对LED智能照明系统分别进行电性能、电气指标、调光、待机功耗优化及无线组网操作测试，结果表明，本系统在1%～100%的调光范围内，系统的待机功耗极低，电气性能的各项技术指标表现优秀，系统各软硬件模块的组网功能、调光线性度和兼容性参数均满足实际应用要求，本系统还可根据用户需求进行容量扩展，更加节省硬件资源，便于后期升级维护，且基础照明、物联网通信以及服务控制等各项功能运行可靠，满足设计要求。

七、基于物联网的智能 农业系统

基于物联网的智能农业系统

智能农业正逐渐成为农业生产领域的一种重要趋势，而这种趋势的崛起主要得益于现代技术的发展。在过去，农业生产依赖于人力劳动和天然资源，而如今，随着物联网技术的不断进步，基于物联网的智能农业系统正逐渐改变着整个农业产业的运作方式。

基于物联网的智能农业系统通过将传感器、无线通信技术和云计算等现代技术融合在一起，实现了对农业生产过程的智能监控和精细化管理。传感器可以实时检测土壤湿度、温度、光照等环境参数，无线通信技术可以将这些数据传输到中央控制系统，而云计算则可以对这些数据进行分析和处理，为农民提供决策支持。

传统农业中存在着很多不确定性因素，比如天气变化、病虫害的侵袭等，这些因素都会影响到农作物的产量和质量。而基于物联网的智能农业系统则可以帮助农民更好地应对这些不确定性因素，提高农业生产的效率和质量。

基于物联网的智能农业系统的优势

基于物联网的智能农业系统相比传统农业具有诸多优势，其中最显著的优势之一就是提高了农业生产的精度和准确性。传统农业中，农民往往需要靠主观判断和经验来管理农田，这容易受到个人主观因素的影响，而基于物联网的智能农业系统则可以通过数据分析和算法模型，实现对农业生产过程的精准监控和管理。

另外，基于物联网的智能农业系统还可以帮助农民实现精准施肥、精准浇水等精细化管理，有效地节约了农业生产成本，提高了生产效率。此外，智能农业系统还可以实现远程监控和控制，农民可以通过手机、平板电脑等设备随时随地监测农田的情况，及时调整农业生产策略。

未来发展趋势

随着人工智能、大数据、云计算等技术的不断发展和应用，基于物联网的智能农业系统在未来的发展空间将会更加广阔。未来，智能农业系统将更加智能化，可以根据不同农田的实际情况进行个性化定制，为农民提供更加智能、高效的农业生产解决方案。

此外，未来的智能农业系统将与农业机械、无人机等设备相结合，实现自动化作业和无人值守，进一步提高农业生产的效率和质量。同时，智能农业系统还可以帮助农民进行农产品的市场预测和销售，为农民提供更加全面的农业生产服务。

总的来说，基于物联网的智能农业系统将会成为未来农业生产的主流发展方向，它不仅可以帮助农民实现“智慧农业”，提高农业生产的效率和质量，还可以促进农业产业的数字化转型和升级，推动农业产业朝着更加智能化、绿色化、可持续发展的方向迈进。

八、基于模型的软件测试

基于模型的软件测试：提高软件质量的关键步骤

在当今高度竞争的软件开发行业中，确保软件质量成为了每个开发团队的首要任务。而在这个过程中，基于模型的软件测试正逐渐成为提高软件质量和可靠性的关键步骤。通过采用系统化的方法和模型来测试软件，开发团队可以更有效地发现和修复潜在的问题，从而确保最终交付的产品符合用户的需求和预期。

理解模型在软件测试中的作用

传统的软件测试方法往往局限于一些基本的测试案例和场景，无法全面覆盖软件的各个方面。而基于模型的软件测试则通过建立模型来描述软件系统的各种特性和行为，从而更全面地进行测试。这种方法不仅可以帮助测试人员更好地理解软件系统的工作原理，还可以帮助他们发现潜在的问题，并提出更有效的解决方案。

不同类型的测试模型

在进行基于模型的软件测试时，开发团队可以选择不同类型的测试模型来应用于不同阶段的软件开发过程中。一些常见的测试模型包括：

• 行为模型：用于描述软件系统的行为特征和功能，帮助测试人员更好地理解软件的预期行为。
• 结构模型：用于描述软件系统的内部结构和关系，帮助测试人员发现潜在的设计缺陷和错误。
• 数据模型：用于描述软件系统处理数据的方式和规则，帮助测试人员验证软件对不同数据输入的响应。

基于模型的软件测试的优势

采用基于模型的软件测试方法具有诸多优势，包括但不限于：

• 可以更全面地测试软件系统的各个方面，提高测试覆盖率和检测能力。
• 可以帮助测试人员更好地理解软件系统的工作原理和内部结构，从而更准确地识别和解决问题。
• 可以提高测试效率，减少测试成本，加快软件交付速度。
• 可以提供更准确的测试报告和分析，帮助开发团队做出更明智的决策。

如何应用基于模型的软件测试

在实践中应用基于模型的软件测试时，开发团队需要按照以下步骤进行：

1. 模型建立：根据软件系统的特性和需求，建立相应的测试模型，包括行为模型、结构模型和数据模型等。
2. 测试设计：基于测试模型，设计相应的测试用例和测试场景，覆盖软件系统的各个方面。
3. 测试执行：按照设计的测试用例和场景，执行测试并记录测试结果，发现和修复问题。
4. 测试分析：分析测试结果，生成测试报告并提出改进建议，帮助改进软件质量和性能。

结语

基于模型的软件测试是提高软件质量和可靠性的重要手段，可以帮助开发团队更全面地测试软件系统，发现潜在问题，并加快软件交付速度。通过理解模型在软件测试中的作用，并合理应用不同类型的测试模型，开发团队可以更好地提升软件测试的效率和质量，从而为用户提供更优质的产品和服务。

九、智能驾驶系统的技术原理？

智能驾驶系统主要由传感器、控制器、执行器组成，通过感知周围环境、分析数据并做出决策，实现车辆的自主驾驶。其技术原理包括以下几个方面：传感器技术：采用激光雷达、摄像头、毫米波雷达等多种传感器，对车辆周围环境进行全方位感知，包括道路状况、车辆、行人等。数据融合技术：将传感器收集到的数据进行融合处理，提高数据的准确性和可靠性。建模与规划技术：通过建立车辆行驶模型和环境模型，进行路径规划和决策。控制技术：根据规划结果，对车辆的转向、加速、制动等进行控制，实现自主驾驶。通信技术：智能驾驶系统需要与其他车辆、基础设施等进行通信，实现车与车、车与路之间的协同。智能驾驶系统是一个复杂的系统工程，涉及多个学科领域的知识，需要不断地进行研究和创新，以提高其安全性、可靠性和智能化水平。

十、基于组件的开发模型优缺点？

优点是可以复用已有的组件，加快开发效率，提升标准等级，缺点是需要熟悉已有的组件，还要在原有平台上去做开发。