Prompt engineering
原文中文，约900字，阅读约需3分钟。
📝
内容提要
文章讨论了在保健/医疗领域寻找研究问题的挑战，作者通过与医生建立联系来了解他们的痛点，但联系和访谈的成功率较低。同时，文章探讨了技术工具的使用，特别是Git与MapReduce的替代关系。
🔎
延伸解读
医疗研究问题挖掘的现实挑战
作者尝试通过LinkedIn联系医生以了解其痛点，但联系率仅25%，访谈率低至1%。这反映出在医疗领域进行用户研究时，直接接触一线医生存在较高门槛。对于希望采用类似方法的研究者，需考虑替代渠道或更有效的激励方式，而非仅依赖社交平台冷联系。
历史记忆的可靠性局限
文章提醒，人的记忆在40年后往往不可靠，这可能影响对历史技术问题的回答。在依赖口述历史或回忆进行技术溯源时，应结合文档、代码等客观证据。例如，关于微软早期系统使用TOPS-10的讨论，虽有间接证据，但仍需谨慎对待个人回忆。
技术工具的替代与演进
文章提到Spark可能完全取代了MapReduce，但作者仍看到其他数据库和分析工具中对MapReduce的引用。这提示我们，技术替代并非一刀切：Hadoop实现的MapReduce可能被Spark取代，但MapReduce作为一种编程模型仍可能在其他场景中延续。理解这种区别有助于评估技术选型。
❓
Q&A
在保健/医疗领域寻找研究问题的挑战是什么？
在保健/医疗领域寻找研究问题的挑战主要是联系医生的成功率较低，仅有25%的联系率和1%的访谈率。
作者是如何尝试与医生建立联系的？
作者通过在LinkedIn上搜索并尝试建立联系来询问医生的痛点。
人的记忆对研究历史问题的影响是什么？
人的记忆在长时间后可能不可靠，这可能影响对历史问题的回答。
文章中提到的技术工具有哪些？
文章提到的技术工具包括Git和MapReduce，此外还提到Spark可能完全取代MapReduce。
作者对代码转思维导图工具的看法是什么？
作者对代码转思维导图工具的需求感到困惑，并尝试了多种方法但未能成功。
Spark与MapReduce的关系是什么？
Spark被认为可能完全取代MapReduce，尤其是在Hadoop生态系统之外的其他数据库和分析工具中。
🏷️
