接着，让我们的思考再深入一些。
现在，假设你已经明确了用户是谁、摸到了需求的大概脉络，那也要考量“对需求理解是否深入”的问题，即浅层需求和深层需求的问题。
图像检索的核心技术是度量学习，其目标是在固定维度的特征空间中，约束模型将同类别样本拉近，不同类别样本推远。在深度学习时代，主要有几种经典的结构，包括：对比损失（contractive loss）、三元组损失(triplet loss)、中心损失（center loss）等，均是通过正负样本定义以及损失函数设计上进行优化。
通常对于检索任务来说，使用深度学习模型提取到的全局特征更为鲁棒，可以适应牌匾视角、颜色、光照变化等不同场景。为了进一步提升全局特征的鲁棒性，我们主要从以下两方面进行了优化：1）采用Attention机制，加强对重要特征的关注；2）网络backbone的改进，以关注到更多细粒度特征。
业务分析：在这个阶段需要集齐项目团队的成员主要包括领域专家、设计人员、开发人员等一起对业务问题域以及业务期望进行全面的梳理，厘请业务中的统一语言，在业务领域中发现领域事件、领域对象及其对应的领域行为，搞清楚他们各自的关联关系。
战略设计：通过DDD的理论，对业务进行领域划分构建领域模型，梳理出相应的限界上下文，通过统一的领域语言从战略层面进行领域划分以及构建领域模型。在构建领域模型的过程中需要梳理出对应的聚合、实体、以及值对象。
战术设计：以领域模型为战术设计的输入，以限界上下文作为微服务划分的边界进行微服务拆分，在每个微服务中进行领域分层，实现领域模型对于代码的映射，从而实现DDD的真正落地实施。
不同于战略设计的高屋建瓴，战术设计是从实际的技术角度出发，它更加侧重于领域模型的技术实现，按照领域模型完成微服务的开发以及落地。从某种意义来说，战略设计实际就是战术设计的输入。
通过DDD按照一定的规则对业务领域进行细分，是的问题范围可以限定在指定的边界中，因此我们可以在这个边界内建立领域模型，而后再通过代码实现领域模型，从而解决相应的业务问题。
。让领导更好的帮助我们工作，我们也帮助他收集更多的信息，辅助他的工作。另外，现在很多公司越来越倾向于扁平化组织，垂直功能组织的职责逐渐被淡化，员工之间的分工协作逐渐会向项目管理模式倾斜。
在横向的项目组织里，要平衡两个关系：上游和下游。在项目合作中，我们通常将上游当做乙方去对待：约定好你对它的诉求，对其需要的接口。
