陈默坐在教程楼二楼的空教室里，面前摆着三台笔记本计算机。屏幕分别显示着他的购物记录、浏览历史和每日行为日志。他刚从技术员那里拿到最新的数据分析报告，图表上那条七点零七分精度提升的曲线还在他脑子里转。
他盯着其中一台计算机的搜索框，里面填满了“gg推荐逻辑”“个性化推送机制”“用户画象建模”这类关键词。页面下方跳出几条相关文章，标题都很长，内容却看不懂。他关掉网页，打开自己那个小本子，翻到新的一页，写下一行字：怎么让系统帮我找到该买的东西。
门外传来脚步声，接着门被推开。三个穿着运动外套的人走进来，手里拎着背包。带头的是上次见过的技术员，身后两人他没见过，但看样子是同一团队的。
“我们按你说的时间来的。”技术员把包放在桌上，“他们是我这边负责算法开发的搭档。”
陈默合上本子，点头示意他们坐下。
“你昨天提到的事，我们讨论过了。”技术员说，“你想做的不是普通推荐系统，而是要根据你实际用过的产品效果，反向匹配适合你的gg内容。”
“对。”陈默说，“我现在买东西靠试。看到gg就买，用了才知道有没有效。但如果能提前知道哪些gg可能对我有用，就能少走弯路。”
“问题在于，你现在用的所有产品，外人看来都是普通商品。”另一个戴眼镜的男人开口，“没有公开数据证明它们真的有效。我们的模型没法拿‘gg宣称功效’当变量训练。”
“所以我们要换个思路。”陈默说，“不看功效，看行为模式。”
他起身走到黑板前，拿起笔画了一个人形轮廓，然后标出几个点：眼睛、嘴、手、脚。
“我每天早上开灯，刷牙，洗脸，喝水，深呼吸。这些动作固定，顺序不变。每一个动作都映射一个gg产品——护眼灯、牙膏、水杯、饮水机、香熏机。”
他在每个点旁边写上映射物品。
“这些产品在gg里都说自己有特殊功能。美白、缓解疲劳、提升专注力。我不是要证明它们真的能做到，我只是需要一个系统，能告诉我，象我这样的人，接下来适合看哪类gg。”
戴眼镜的男人皱眉，“你是想创建一个基于使用习惯的推荐引擎？”
“差不多。”陈默说，“比如我买了护眼灯，连续七天都在七点零七分开灯。系统如果发现这个时间点和我的注意力波动有关联，就应该自动筛选出同样在这个时间段起效的其他产品gg。”
第三个人终于说话：“你是想让算法学会猜你下一步会信什么gg。”
“信不信不重要。”陈默纠正，“关键是我在什么时间、做什么事的时候，愿意去尝试某个产品。只要模型能抓住这个节奏，就能提高匹配成功率。”
教室安静了几秒。
技术员看向两个同伴。两人互相看了一眼，戴眼镜的那个先点头。
“技术上可以做。”他说，“我们可以把你过去三个月的消费记录导入，加之浏览时长、点击频率、下单时间这些行为数据，构建一个基础用户画象。”
“再加之你每天的生活流程作为上下文。”另一个人接话，“比如你通常在早晨六点半到七点之间刷手机，这时候出现的学习类gg更容易被你点击。那我们就把这个时段定义为高敏感期。”
“然后给不同品类打标签。”技术员补充，“比如‘晨间唤醒’‘夜间助眠’‘饭后清洁’。每当你完成某个动作串行，系统就推送下一环可能需要的产品gg。”
陈默听着，慢慢坐回座位。
“还有一个问题。”他说，“我不只是要看gg，我还得买。但有些东西价格高，不能随便试。”
“所以我们加一个优先级评分。”戴眼镜的男人说，“根据你以往购买决策，分析哪些因素影响最大。是价格？品牌？还是gg里的具体描述？比如你说‘一秒入睡’这种话你会信，那我们就把含有明确时间节点的gg词权重调高。”
“还可以添加反馈闭环。”第三人说，“你每次用了新产品，无论有没有效，都做个标记。系统会记住这次结果，下次调整推荐策略。”
陈默拿出小本子，在纸上写下几个词：行为串行、时间窗口、反馈标记。
“那就这么定。”他说，“先做一个最小可用版本。只针对我个人，不用联网，也不对外发布。”
“本地部署没问题。”技术员说，“我们今晚就能搭好框架。”
“数据源呢？”戴眼镜的男人问，“你愿意提供全部购物记录吗？”
陈默想了想，从书包里取出一张u盘放在桌上。
“这里面有我这一年买的六十一种gg产品清单，包括付款截图、开箱视频和使用记录。每天的状态变化我也记了笔记。”
“够了。”技术员收下u盘，“我们先跑一轮测试，三天内给你第一版算法原型。”
会议结束后，其他人离开教室。陈默留下收拾东西。他把三台计算机关机，塞进背包。抬头时看见窗外天色已经暗下来，路灯刚亮，照在对面宿舍楼的阳台上。
他背起包走出教程楼，路上掏出手机，打开购物软件。主页弹出一条新gg：【智能水杯，提醒喝水，调节水温，打造健康生活】。
他没点进去，也没划走，只是盯着看了两秒，然后锁屏。
回到宿舍，他把背包放在床边，坐到书桌前。打开笔记本，新建一个文档夹，命名为“推荐算法测试”。
里面第一个文档标题是：输入规则说明。
他开始打字：
1 用户每日固定行为节点为触发条件。
2 每个节点关联一类gg产品。
3 推荐优先级由历史购买转化率决定。
4 新产品首次推荐需标注风