OKR 是一个框架，但它也包含了人们对于如何量化工作的认知的最基本的转换 —— 从专注于量化他们的输出转移到量化他们输出最终产生的结果。
愿景
制定 OKR 前，你需要找到你的愿景
大多数个人或组织都会有自己的愿景，它是你的北斗星，你的其他的目标都要向它对齐。你的愿景，可能是你未来 5 年、10 年或 20 年最终想要达到的目标。找到你的愿景能够让你专注在你最终想实现的事。
目标
我们在制定 OKR 的目标的时候，一定要仔细思考，我们的愿景是否与我们的目标有直接或间接的关系。
目标的前提即目标制定的依据，目标不是凭空、拍脑袋产生的，目标一定是经过仔细的思考、论证它的合理性、是否与自己的愿景有关系后得出。越是仔细思考后制定的目标，越是更有可能性实现它。
目标的前提由动机和可行性组成。
关键结果：可量化且有挑战性
关键结果，顾名思义，它的重点是在于结果，是该周期结束后得到的结果，而非具体做的事。诀窍：使用限制词，把具体的事转变为结果。有挑战性：按预估最终得分为 70%的阶段去设置关键结果的目标值。
关键结果的评审分为两个步骤：评分与总结。
- 在周期评审过程中，根据每个关键结果对目标的贡献程度，由用户给出一个结合客观进度和主观判断的分数。
- 只有在周期结束时，认真总结并反省执行过程中的长处和短板，才更可能在以后的周期中进步。
Vision 的使用逻辑
OKR 和 To Do 的区别：
To Do 专注于你要做的具体的事情（在 Vision 中它对应的是任务）而目标和关键结果不同，它们是抽象的。它们更需要用户花费时间和精力去总结和抽象出你想要去哪（目标），实现了什么结果，就能证明你去到了那（关键结果）
OKR 的价值
「关联」这个词，借用自记忆、知识、学习领域的研究。关联是记忆的本质属性，知识的本质是一个个知识模块之间的关联。什么叫理解？理解就是通过学习在知识间建立有意义的关联，在大脑神经元之间建立有意义的关联。学习需要从机械学习(rote learning)变成理解性学习(meaningful learning)，行动也需要从机械操作变成理解关联基础上的有意义行动(meaninful doing)。OKR系统，就是要在一生的目标和一天的做到之间「建立关联」。
用系统来工作（work the system），让系统服务人本身，有了系统的帮助，有了清晰的规则，明确的边界，对事物本来样子的清晰定义，于是，可以减少人的时间和注意力资源浪费，事物成了它本来的样子，人就不在模糊和混乱中浪费生命。
