我曾经与创业公司谈过期权。当时了解的不多。为了搞清期权的来龙去脉，中间做了一些功课，请教了一些明白人，接下来给大家分享一下我学到的关于期权的知识，希望能帮助你和初创公司把期权的问题谈明白。

为什么有期权？

最简单的薪资构成，就只有固定工资。你干的好与不好，都影响不大，只要公司不倒闭，你就能靠它养家糊口。有些企业为了激励员工，会在固定工资上，加上奖金，你表现的越好，奖金就越多。

另外一种比较常见的构成，就是在固定工资，奖金的基础上，再加上期权。这时候，如果你的工资和奖金水平没有因为期权的引入而受到影响，那么公司就是为了更大的去激励员工，不仅要自己表现的好，还要把公司的市值做上去，因为公司越值钱，期权也就越值钱。如果你因为拿到期权，而放弃了一部分工资和奖金，那么，公司的目的就是想用未来可能能赚到的钱，来抵今天工资和奖金。但未来是不确定的，所以公司想让你分担一定的风险。

所以期权既可以用来激励，也可以用来让员工分担公司的风险。

什么是期权？

说完了期权的目的，下面我们来看看期权到底是什么。如果你和公司今天签好协议，双方同意在两年后，不论公司的股票值多少钱，你都有权利以10块钱的价格买入公司100股股票。签了这个协议，就说明你拥有期权了。

今天就定好明天你能买的股票的价格和数量，这就是期权。期权不是股份，只是一种选择的权利。如果公司经营的好，两年后估值翻了一倍，到了20块，别人需要20块钱来买，你10块就可以。如果经营的不好，跌到了2毛，你当然可以不买，也不损失什么。

由此看来，期权相对于股份来说，你承担的风险会小很多，收益也相对没那么大。这也是为什么一般只有公司的创始人和最最早期的员工才拥有股份（俗称干股），他们承担更大的风险，也有可能拿到更丰厚的回报。

期权如何兑现？

既然公司希望用期权来激励和分担风险，就希望你能真真正正的为公司效力。他们不希望你工作短短一阵子，兑现了期权，拿了股票就走，然后坐享其成。所以期权不会一下子全给你，而是采用分期的方式授予(Vesting)。比如公司承诺给你100股的期权，你只能在工作一年(Cliff)以后才可以开始持有，然后每多工作一年，可以兑现25股，干满四年才能兑完100股。

期权真正兑现了有什么用？

如果说，公司一直没倒闭，并且公司的估值也在不断的增长，你顺利的干满四年，拿到了所有承诺的股票，这就代表你一飞冲天了吗？不一定，必须有人愿意出那么多的钱买你的股票，你的股票才真正的有价值。如果公司没上市，股票的流动性就受限制，愿意出钱买你股票的人，也就受限制。所以公司不上市，你手里的股票也是有风险的。

拿多少期权才合适？

假如说，你的期权可以让你用10块钱的价格买100股，表面上1000块，可和其他人比起来，你是拿得多还是少呢？这时候，你需要知道公司一共发行了多少股票。如果发行了100万股，那么你占公司的不过万分之一。所以当公司已经有上百人的时候，你所占的比例肯定要比百分之一少很多，甚至少几个数量级。

实例

我曾经拿到过两家初创公司的Offer，一家刚经过B轮融资，融了4200万美元，一家A轮融资，融了500万欧元。他们对期权的态度，完全不一样。

融了4200万的公司，规模大概200人左右。他们不发期权，薪资的构成中，只有固定工资和奖金，期权只有达到了一定级别的时候才会有。公司发出的信号就是，我不需要你分担公司的风险，我当前有足够的现金流，来招你，如果你真想从公司的发展中获得额外的红利，就要表现的更突出，提升到一定的级别。这家公司，虽然我来来回回强调了三次我想持有期权的意愿，人家还是闭口不给。只是让了一步，说如果你干的好的话，我在一年以内给你升级，到时候再派发期权。

融了500万的初创公司，只有15个人，他们的薪资构成相对复杂。除了固定工资和奖金，还有入伙时的欢迎期权，以及接下来每年都可以获得的新期权。但这家公司在固定工资上，和上一家有差距。他们的信号是，我现在资金状况没那么好，不能给你发很高的固定工资，但是我愿意让你分担公司的风险，用期权弥补你，如果我们发展的好的话，你的期权会特别值钱。他们还尝试说服我说，公司的估值会在三年内翻十倍，所以你今天的牺牲是值得的。

结语

所以期权有没有，要看公司发展到的阶段，你如何选，要看你承担风险的能力。写这篇文章，最重要的目的，就是要告诉你，期权是一种激励和分担风险的手段，真真正正做到公司上市，股票翻翻，需要很长的一段路要走。最后给在法国工作的朋友发个福利，法国的期权叫做BSPCE(Bons de Souscription de Parts de Créateur d’Entreprise)。

感谢《Operating Systems : Three Easy Pieces》这本书，我终于看透了操作系统是如何控制CPU的。很久以来，我都有一个疑惑：操作系统是代码，应用程序也是代码，同为代码，凭什么操作系统对CPU有控制权，这种控制是如何实现的。

第一个问题，凭什么操作系统有控制权。当资源有限的时候，大伙对资源的使用，必定会出现分歧。如果没有人控制，就没有秩序。有的人抓住资源不放，有的人等到花儿谢了也轮不上。各自都只给各自着想，公平无从谈起，更分不清个轻重缓急。所以，我们需要一个管理者，让资源的使用更加高效，更加公平，更加灵活。

第二个问题，操作系统如何保证对CPU的控制，如何阻止不法分子钻空子。下面大家会看到，所谓的控制权，就是看CPU跑的是谁的代码，如果跑的是应用程序的代码，应用程序就决定CPU做什么，如果跑的是操作系统的代码，操作系统就可以选择，下一步把CPU交给谁。

第一招，叫系统调用。大概意思就是，应用程序，你用吧，我让你用，但你不可能只用CPU吧，如果你需要内存，文件，网络等资源，你就得调用我。如果你调用了我，CPU就跑了我的代码，我就可以把控制权拿下。可这一招，有漏洞，有的程序，对CPU的需求特别大，对其他资源的需求少，所以它就可能长时间占用CPU。

第二招，时钟中断。就像大圣打妖怪，打不过，就找菩萨，找老君。操作系统也一样，权利再大，它本身也是代码，遇到解决不了的问题，就求救硬件。时钟中断就是一个例子。你的主板里，会有一个时钟，滴滴答答的走着，每隔一段时间，它就会给CPU发信号。CPU收到信号，就会执行预先设定好的操作系统的代码，一旦这些代码被执行了，操作系统就有控制权了。

这两招合在一起，操作系统就实现了对CPU的控制。后来我体会到，更多的权利其实意味着更多的责任和义务，操作系统虽然会强行执行自己的代码，但它做的事，都是为了别人，让大家都有使用资源的权利。利人不利己，所以大家信任他。

我们在设计上层数据模型的时候，要对底层的数据结构抱有同情心，不要硬把关系型的数据模型，裹挟到只支持key-value的NoSQL数据库里。否则，就像是牛最爱吃的是草，你非得让它尝尝巧克力一样，不对口。

对数据结构抱有同情心，就像Martin Thompson在设计软件的时候，同情计算机中的机械硬件，是一个道理。Martin主张，要想开发出来高性能的软件，不要一味的追求流行的技术，而是深入理解底层硬件的工作原理，实现软硬的和谐。比如说，为了解决False sharing问题，他在设计队列的时候，故意给队列的头和尾指针加上填充，来保证他们不出现在同一个缓存线里。

基于key-value的NoSQL数据库，说白了就是一个Hashmap。Hashmap的最大特点，是能够快速的实现数据的保存和读取。假如我是一个使用hashmap的数据库，然后你告诉我，你们全校每个同学的颜值（假设大伙的颜值都不一样），只要你说个值，我只动一下手指头，就能告诉你它对应的人名。可是如果你的问题是，我们学校里谁颜值最高，我算起来可就麻烦了，得一个一个比一比。这时候，如果我用的不是hashmap，而是一个对有序数据更友好的Treemap，找到颜值最高的人，基本动一下手指头就行了。

除此之外，key-value数据库还有一些常见的其他因素值得注意。比如，每插入一对数据，除了主数据以外，往往还得加上一些辅助数据，比如主数据的修改时间。如果辅助数据所占的比例很大，数据库的使用效率就会很低，这时要尽量提高主数据的占比。你开一个动车，只送一个乘客，必定赔本，所以要尽量每趟多拉一些乘客。

只有理解底层数据结构的特点和局限，并且同情他们，在设计上层数据模型的时候，把它们考虑进去，才可能开发出一个和谐，高效的系统。

关于牛的事，我没有做过实验，万一你家的牛喜欢巧克力，只能祝福你能挤到巧克力味的牛奶。

亲情，友情都可以感动人。今天，我被一股炽烈的学习热情所感动。

这么多年来，无论是在学校，还是在企业，亦或是各种会议上，我从来没有看到过，有这么一群人，他们渴望，听到老师说的每一个字，看到老师演示的每一个动作，然后忘掉时间，全神贯注的沉浸在学习与创作中。这群人，是自费参加Ferrandi法国甜品师资格认证的学员们。我在他们的开放日现场感受到了这份渴望学习的热情。

起初，作为旁观者，我只是观察他们如何工作，后来，听到他们的老师回答一个观众的问题，说道， ”我们学校有两种学习班，一是针对年轻的孩子们，他们的父母给交学费，希望孩子们能在餐饮业发展；另一个是资格认证班，学员都是有过职业经验，然后自费来学习的大人们，都在30岁左右。和教那些孩子们不一样，我们这个班的目的，是整理学员们已有的但是比较零散的知识和技能，然后帮助他们系统化自己的知识体系。对他们讲授的内容，都比较难。但是他们吸收起来，却很快，因为他们学费是自己交的，都特别有学习的动力。“

听完这段话，我意识到，眼前的这群人，不仅仅是在学着如何搅拌巧克力，而是一群，从事过不同工作之后，发现了真心所爱，追求梦想的人们。他们中，有的是法国人，有的中国人，有的是墨西哥人；有的是工程师，有的是律师，有的是空乘，有的是餐厅的厨师，有的是家庭主妇；有的在巴黎，有的从外地搬来了巴黎；有的人单身，有的人生了小孩，还有的人孩子都可去旁边的孩子班了。

这么多拥有不同背景的人，在一个基本上不允许你再犯任何错误的年纪，非常坚定的走在了一起。他们所迸发出来的学习热情，如火焰般炽烈，我看到了他们的勇敢，他们的执着，和他们对生活深深的热爱。

站在他们身边，我自己都感觉到生活特别的美好，因为这里流淌着一股让人感动的学习热情。

作为程序员，我曾经困惑过，怎么说服领导采用我的解决方案？带着这个问题，我读了誉满全球的说服大师，西奥迪尼，写于1984的经典著作《影响力》。读完，与其说是我学会了影响别人，倒不如说如何不受他人影响。虽然没有找到我想要的答案，但这本书依然教会了我很多，尝试影响你的人永远都不可能告诉你的秘密。从中找几个对我触动别较大的分享一下。

如何让孩子下水学会游泳

前一段时间见一个朋友，他感叹孩子长大了，说话都开始像大人了。有一天，朋友带着孩子学习游泳，孩子怕水不敢下，朋友试图说服孩子，说水没什么好怕的。可孩子还是不愿意，像大人一样说，“你就不要再强迫我下水了”。

听到朋友给我讲这个故事，我就立刻想到了《影响力》书中所阐述的社会认同原理：我们会根据他人的行为来判断自己怎么做才合适，尤其是在我们觉得这些人跟自己相似的时候。书里的一位家长，也是无法说服孩子游泳，后来孩子在参加过一个夏令营之后，突然敢下水了，孩子告诉家长，“我都三岁了，小明也三岁了，他都敢下，我想我也可以！”。孩子们也会像大人们一样，通过别人的行为来衡量自己，只不过，他们更愿意看别的孩子是怎么做的，而不是家长。

长得好看又不能当饭吃

这两天，看新闻，说一个女孩相亲，嫌对方长得丑，不愿意。后来，女孩她妈告诉她，你都这年纪了，就别挑了，长得好看能当饭吃吗。

没读《影响力》之前，我也觉得，长得好看没什么用，还是得看真本事吃饭。可读完之后，就不完全这么认为了，因为光环效应：我们会自动给长得好看的人添加一些正面特点，比如有才华，善良，诚实和聪明等。而且我们在做出这些判断的时候，并没有意识到外表魅力在其中发挥的作用。研究表明，就连长得好看的犯罪嫌疑人，比那些丑的，入狱的概率都低。看吧，陪审团，法官也会不知不觉的以貌取人。

除了上面说到的，还有互惠，承诺和一致，喜好，权威，稀缺等提高影响力的武器。这些武器的共同点，就是它们利用了人类的条件反射。我们有时就像音乐娃娃一样，只要一按播放按钮，我们就开始唱歌。像所有的武器一样，看使用他的人，是出于好意，还是另有所图。对于那些另有所图的人，我们要学会如何辨别，如何防止让人操纵。以免买了自己根本都不愿意买的东西，还有苦说不出。

这已经是第四篇关于服务精神的文章了，前面谈过如果通过培养服务精神来超越自我，建立反馈循环，做职业规划。这次我想谈一谈，程序员进入管理层后，如何升级服务精神。我得出的结论是，在管理层上走得越高，所要服务的人就越多。

在我接触到的管理者中，有些人对自己位置的解读很耐人寻味。我曾经问过一个管理者，你觉得当上管理者以后有什么变化，他说他可以找更有意思的Bug来修，那些无聊的Bug就扔给手下了。

我觉得以上的反映，主要关注在了，能从权利中获取的利益，而忽略了服务的对象。管理者的服务对象，有两个方向，一是更上一级的管理者，一是下属。服务于上一级的管理者，这是自然而然的事情，很多人都不会忽略。然而服务下属，就没那么显而易见了。

我接触过很多程序员，有的人兢兢业业，只求靠写代码能过上衣食无忧的生活。还有一个程序员，真事，他为自己拿到的报酬感到羞愧，因为他觉得自己做的东西不配拿那么高的工资。我觉得作为管理者，应该服务好这种会感到羞愧的程序员。并不是所有的下属都会有很强烈的诉求，但有的人心中确实有需要，需要的是一个舞台。这种情况下的管理者，就应该给下属们找到最适合的战场，给他们施展拳脚的机会。

开头的时候我说，管理层越高，需要服务的人就越多，其实写到这我觉得话说反了，应该是服务的人越多，管理层才会上的越高。

过拟合(Overfitting)，是机器学习里很容易犯的错误。观察琢磨之后，发现，不仅是在机器学习里，在生活，学习，工作，特别是创业中，也需要我们多加小心。

什么是过拟合

什么是过拟合？让我们举个考试的例子说明，我敢保证，如果你是学霸没经历过，你身边的吃瓜群众肯定有过。

说快要期末考试了，大辉有点慌，因为整个学期把功夫都用到了小微身上。临考前几天，他搜集到了过去五年的期末考卷，疯狂的刷题，背答案。经过通宵达旦的训练，终于把五套卷子烂熟于心。考试的日子到了，大辉脚步轻盈的走进教室，扫了小微一眼，信心满满的坐下，心想，一定要第一个交卷，让小微崇拜一下。可当他拿到试卷的时候，发现失策了，之前的五套试卷都白背了，一个题都没能再现。这就是过拟合，你把全部精力都放在了过往的数据上，而当不确定的未来真正来临的时候，你惊鄂的发现，在猛虎面前，你拿了个苍蝇拍。

考试的例子，通俗易懂。在机器学习里的过拟合，看起来高深莫测，也是同样的道理。说你要做一项研究，预测一个人的幸福感和婚龄的关系。你做了很多调研，统计了很多人在结婚前三年和后三年的幸福感，然后用了很多参数画了一条美妙的曲线，把大家的幸福感都准确的圈到了，你觉得你发现了史上最重要的幸福定律。然而当你拿着你的曲线，去问一对在一起四十多年的夫妇的时候，你发现，你的曲线就其实是个笑话。

不过话说回来，过拟合也不是你想办就能办的到的，只有像诺依曼那样的人才能说出这样的话，“用四个参数我可以拟合出一头大象，而用五个参数我可以让它的鼻子摆动”。

为什么会出现过拟合

为什么会出现过拟合？因为你太天真了。还拿考试的例子来说。过去五年的试卷，先不说你收集的是不是假试卷，即便是真的，出题的教授，今年也很有可能被勇敢的女学生举报。然后，新老师为了学生的前途负责，把题换了。机器学习也是同样的套路，不要天真的以为，眼前的训练数据，都是出淤泥而不染的青莲，它们很可能都沾上了污泥，你得用清水给冲净了，再用，即便表面冲净了，可你能确定它们的心是红的吗？

所以，当你根据已有数据，做决定的时候，一定要考虑到他们的不确定性。如果你明明知道，帮你做决定的数据，本身就存在不确定性，你还会在他们身上浪费大量的精力吗？感谢巴黎大数据从业交流微信群，从业界的最前线给我分享了，在深度学习里使用贝叶斯方法来处理模型不确定性的论文，这让我深受鼓舞，说明我们找到了数学的方法，来解决我们过于天真的问题。

过拟合的危害

如果，你只是因为死记硬背往年试卷，挂了科，那么你还有补考的机会。可如果你在创办企业，过拟合，会让你花光所有的钱，用尽所有人的耐心，做出一款没人用的产品。说白了，过拟合的危害，就是造成没必要的浪费。

在创业的过程中，你有一个令人魂牵梦绕的点子，初期在朋友中的调查也反响特别好，你觉得这个产品能改变世界。如果你握着这个点子和朋友的鼓励，闭门造车，那么你很可能就是在天真的过拟合了。而明白过拟合危害的创业者，会时刻提醒自己，所有的点子，所有的反馈，都存在不确定性。我的目的，是在漆黑的道路上，不断的摸索，利用这些不确定的微光，在所有的资源耗费殆尽前，找到一条可以盈利的路。

缓存，从兜里的手机，到家里的厨房，再到我们的大脑，无处不在。了解缓存，不仅能让你成为一个更好的程序员，更能让你在生活中成为一个利用空间的能手。不出意外的话，还能帮你理解处在风口浪尖上的“新零售”的概念。

什么是缓存

我保证，你不听我的解释，就可自己找到答案，你只需要在厨房里转一圈。如果你现在进不了厨房，就可在脑子里设想一下，请不要错过这个主动学习的机会。

我找到的缓存，是冰箱。它缓的是离我家十公里外的一个中国超市（巴黎一共没几家中国超市，所以离的远很正常）。当我想喝一瓶青岛啤酒的时候，我就想它在冰箱里冷冷的等着我，不用想喝的时候，还得开车到十公里以外的超市里去买。

所以缓存是什么？缓存是一块存储空间，能把东西从很远的地方存到里消费者更进的地方。冰箱是超市的缓存，家里的书桌是图书馆的缓存（如果你借书的话）。CPU旁边有内存的缓存。

缓存满了怎么办

世界杯的夏天，你会买上一箱啤酒，放到冰箱里，可发现冰箱满了。这时候你要给啤酒腾地方。你会选择消灭什么？这个问题我专门请教了我老婆，她选择那些快过期的东西。经济的角度上，可以解释，这些东西快过期了，再不吃就可能扔了。问题和答案都非常简单，却反映了缓存里最重要的问题：缓存的置换算法。

大家仔细想一下，冰箱里为什么会出现快过期的东西呢？因为这些东西，你不常用。不常用的东西，为什么要放冰箱里呢？请注意，这里是你成为生活中利用空间能手的机会。不常用的东西，就不要缓，万一缓上了，也要优先置换掉。离你近的缓存都是非常昂贵的，除了你家的冰箱，还有你家的储物间，房价那么贵，如果你缓了一个占地一平方米的东西，还不常用，那我劝你，算算它值不值你那一平方米的房价。

不缓，那需要的时候怎么办？直接去超市买吧。设想如果超市就开在你家楼下，你打个电话两分钟就能送上来，这时候你还需要冰箱吗？罗振宇在刚过去的跨年演讲里说道，现在还没有多少人能把新零售讲明白，我觉得不妨从缓存的角度一试。

这里打个岔，如果你是一名程序员，你一定要知道LRU（least recent used）的算法，因为它在缓存置换里扮演着非常重要的角色，如果你还是一个Java程序员，你一定要知道LinkedHashMap是怎么实现的，因为那里有你需要的LRU。

缓存的大小

大家有没有注意到，越是近的缓存，它就越小（比如CPU里的一二三级缓存）。有些人认为这是造价的问题，但比造价更重要的，是查找速度。试想一下，如果把你家的冰箱，变成了一个大冰库，你从里面拿出一个鸡蛋的时间必定要更长。

一旦明白了东西越大，查找所需时间就越长的道理，我们就不难明白，为什么人越老越容易记不起来事情。人老了，并不是大脑转不动了，而是随着阅历的增加，人脑里存放的东西变多了。一个十几岁的初中生，记一个东西，只需要在十年的东西里找个缝，七十多的老爷爷，要在七十年的光阴中找个缝，你说谁快谁慢。

结语

你能忘记什么，和你能记住什么一样重要。

友情链接，八年前我写博客的时候就存在了。在人工智能蓬勃发展的今天，友情链接如何完成升级换代？

什么是友情链接

什么是友情链接，举个简单的例子来说明。说在一条街上，有两家店，一个是卖鲜花的，一个是买巧克力的。

情人节了，你准备给女朋友买个礼物，碰巧到了鲜花店，买了一朵鲜艳欲滴的玫瑰，交完钱要走的时候，老板给你说，对面的那个巧克力店特别棒，如果你能给你女朋友再送一盒巧克力的话，她肯定爱你爱的不能自拔。你有一个好朋友，大壮，也是情人节当天买礼物。他先晃进了巧克力店，买了一盒比利时进口巧克力，刷完卡要走的时候，老板说，巧克力要是再能配上一束鲜花的话，你女朋友肯定会爱你爱的欲罢不能，正好对面有一家鲜花店，你要不要去看看。

一个鲜花店，一个巧克力店，两位老板私下里达成共识，互相推荐彼此的产品。因为他们明白，这样能让每一个客户都能给他们的情人买双份的礼物，既能促进别人的感情，又能增加彼此的销售额。

如果把上面的老板，换成写博客的，两人互相推荐博客，就是所谓的友情链接。

友情链接需要升级换代

博客间的友情链接，不仅能帮助读者发现更多有意思的内容，还能彼此推广自己的博客，多么好的发明！然而，现实却没有那么美好，友情链接存在很多可以改进的地方。

寻不到的朋友

友情链接，顾名思义，建立在友情的基础上。交换链接前，得先培养友情关系。虽不是上刀山，下火海，但至少双方要说过两句话。所以得花上一些功夫，先结识愿意和你交换链接的朋友。可茫茫人海中，怎么寻到有缘人，这是友情链接需要改善的地方。

无力的推荐

找到朋友之后，你们达成了共识，交换了链接。可一个链接干巴巴的摆在那，说不清道不明。读者朋友，也不确定点进去，是惊喜还是惊吓。所以，传统的友情链接，缺乏说服力。

信任危机

有些博主，通过努力，把博客搞火了。却发现都是自己给别人带去读者，而很少有读者被带进来。心里不平衡，开始撤销友情链接，脾气不太好的，直接单方面撤销。如何解决不平等的链接交换，消除信任危机，也是一大难题。

人工智能的力量

针对以上的问题，大数据，人工智能可以给我们带了一些新思路。

通过大量的收集有交换意愿的博客，我们可以帮助博主们更高效的找到志同道合的朋友，这个道理，就像那些相亲网站一样。然后通过算法的迭代，可以为每篇文章都找到最精准的推荐，保证你只会给你的读者带来惊喜，永远没有惊吓。最后，通过对个人贡献的量化分析，我们可以保证，链接交换只发生在同样优秀的人之间。

Hexo文章推荐推荐是我为此所做的一个尝试。

在开发笔记的第一篇里，我讲了为什么要开发这个系统和为什么要开源。第二篇，我想介绍一下我的开发思路。简单的说，就是用最快的速度发布最小可用产品，来验证想法的可行性。

虽然是做一个开源软件，但我把它当成一次创业来对待的。在我的上次创业经历中，踩过一个坑，就是耗费了时间和精力的一款产品，在发布完的时候，没人用。这次为了避免走老路子，我做了两个调整，为了从第一天起就建立起来反馈循环。

• 先做市场调查
• 最快速度发布最小可用产品

市场调查

我把市场调查的范围限制在我比较熟悉的领域里。我使用的博客基于Hexo框架，主题来自于Hexo-Next-Theme，所以我在这两个圈子里发了市场调查（1， 2）。结果并没有想象中的那么理想，响应的人并不多。不过还是有收获的，主要分为三个方面。其一，有些人排斥在推荐文章里使用互换连接的想法，认为这伤害了博客的独立性。其二，有些人虽然对该想法持接受态度，可担心潜在的性能问题。其三，也是我们所谓的天使用户，有一个非常乐观开放的博主乐意尝试这个想法。

除了市场调查之外，我还和朋友聊我的想法。其中一个博主朋友（法国朋友，Octopress博主）说，他愿意付费使用这个服务，另一个（法国朋友，WordPress博主）说这是一个非常好的想法。还有一个朋友（中国朋友，写过博客但放弃了），说为什么要做一款无觅已经做过的产品，后来发现无觅已经退出博客圈去做金融科技去了。显然，不同背景的朋友，有不同的想法，但都非常具有参考意义。

不论是从Hexo圈子里，还是从朋友那里，都是喜忧参半的结果。可不论如何，我找到了一个愿意和我合作把点子实现的朋友。

最小可用产品

在我上次组织的精益创业演讲里，就接触到了最小可用产品（Minimum Viable Product）的概念。其目的，就是最快的发布一个可用但功能比较局限的版本来收集用户反馈。我们的MVP是什么？

系统大概架构

系统架构，包括两部分，一是后端服务器，负责推荐算法的实现，二是前端Hexo插件，显示推荐文章列表。

推荐算法

推荐算法，大家研究的比较透，大概有三种，一是根据用户的喜好推荐，如果用户给某些文章点赞了，我们应该能从他过去的使用习惯中推算出他可能喜欢的内容。第二是内容相似法，完全抛去用户的喜好，只看内容。还有更为先进的算法，就是引入社交网络的概念，如果你的亲近朋友喜欢了一样东西，那么基于人以群分的定理，你应该也会喜欢同样的东西。

显然，只有内容相似法，有可能在一周的时间内实现。即便只基于内容，不考虑用户个性化，我们也面临分析内容相近性的挑战，吴军在数学之美里，给大家讲了如何使用余弦定理来判断文章的相似性，一个高中生就能用的余弦定理，理论上简单，但实践起来，要求我们搞定自然语言处理中的分词算法等等，所以这也不太现实。

我最终的选择，是最简单的标签对比法，具体实现可见源代码，大概意思是说，如果两篇文章如果同时被打上一样的标签，那么它们就是相似的，就可以推荐，如果没有相同的标签，则不相似。

数据收集

说完了算法，人工智能里不可或缺的就是数据。如何采集数据是必须解决的问题。这时候，很多朋友会想到要使用爬虫爬取博客文章，提取它们的标签。可这不仅在工程量上比较大，而且还需要很多的计算资源。我暂时舍弃了这个想法。由于我控制前端的实现，最简单的方案，就是让前端主动上传推荐需要的数据。这样不仅减少了工程量，而且也大大削弱了对计算资源的需求。

结语

通过最初期的市场调查，我发现产品虽然有很多阻力，但除了我之外，还是有人愿意尝试的。其次，就是通过对推荐系统的简化，我找到了在一周以内就能发布的解决方案，即便失败了，也最多丢了一周的时间，可以一试。在接下来的开发笔记里，我会给大家讲一下MVP的具体实现，其中会涉及到Spring Boot 2.0，Node.js Promise，Docker容器和服务器的选择。