第 1 章：第 1 章
哲維的房間在六樓，沒有電梯。
搬進來的時候他二十九歲，房東說這是邊間、採光好。邊間是真的——太陽從早上六點就照進房間，曬到桌上那台筆電的觸控板會燙手。採光好也是真的，好到他的螢幕在白天有一半時間看不清楚。
他習慣了。
螢幕上的收件匣有十二封未讀。他倒了一杯昨天沒喝完的水，坐下來，一封一封處理。
前六封是廣告信。和盟集團的系統更新公告——他訂閱了他們外包開發者的 mailing list，有時候裡面會夾帶新案子的公告，但不是今天。第七封是他上個案子的尾款通知，款項已經入帳。第八封是另一個客戶的报价詢問，要做一個小型電商網站的搜尋功能，预算不高，工期不短。他在心裡算了一下時薪，大概跟便利商店打工差不多。
第九封的寄件人是蘇薇。標題寫著：「外包案邀請 — 推薦系統異常修復（B 級）」。
他開了信。
內容不長。和盟集團商務中心旗下的推薦引擎持續整合模組，最近出現在使用者決策路徑中的異常現象。影響範圍約千分之三的使用者，目前判定為 B 級優先順序。需要一名外包工程師協助排查與修復。附件是技術規格文件、保密協議、與付款條件。
哲維把付款條件看了一遍。收款週期四十五天，預付款三成，不多不少，在業界算正常。他看了技術規格文件的摘要——是他熟悉的領域，推薦系統的數據 pipeline 和排序演算法，帶一點 A/B 測試框架的調校。
他把信轉寄到自己的另一個信箱，回了一個「收到，我會看一下，明天回覆」給蘇薇。沒有寒暄，沒有感謝。和盟的外包聯絡人專業得像是在做 SOP 演練，他也不想浪費時間客氣。
處理完剩下的三封信，他打開瀏覽器。沒有特別的目的，只是習慣。先看了一下 Hacker News 前幾篇——一篇關於 transformer 架構變體的論文摘要、一篇某間雲端服務供應商又漲價的討論、一篇標題寫著「你以為你在選擇，其實演算法在幫你選」的評論文章。
他沒有點最後那篇文章。不是沒興趣，是太累了。那種標題他已經看到不想看。每一篇都寫得好像發現了新大陸，核心論點永遠是同一句話：科技公司用演算法影響使用者的決策。對。然後呢。他關上瀏覽器。
十一點多了。他拿起手機，看到一個未讀訊息，是之前合作過的工程師傳來的，問他有沒有興趣接一個新案子，薪資不錯。他回了一個 OK 和一個問號。
然後他看到訊息列表裡有一個名字：陳若晴。
最後一篇訊息停在四個月前。她傳了一個訊息問他最近好不好，他回了「還好，你呢」，她回了「也不錯」，然後就沒了。
他沒有點進去。
把手機放下，哲維去廚房煮了一個泡麵。廚房在陽台旁邊，隔了一道塑膠門，抽油煙機的聲音比水滾的聲音還大。他站在那裡等麵熟的時候，看了一眼窗外的巷子。隔壁那棟樓的燈光大部分都暗了，只剩下一樓雜貨店的招牌還亮著，是一個紅色的燈管，寫著「雜貨」。燈管有幾根壞了，看起來像是「米七」。
回到電腦前面，麵已經有點太軟了。他不在意。吃麵的時候他重新打開蘇薇那封信，把技術規格文件完整讀了一遍。
B 級優先，修復一個推薦系統的決策路徑異常。規格文件寫得很清楚：某些使用者在特定推薦場景下，行為路徑出現了「高度一致性」，簡單來說就是使用者反复做同一個選擇。文件把這個現象稱為「決策迴圈」。
他讀到這裡停了一下。
「決策迴圈」這個詞他不是第一次在業界文件的場合見過。通常這意味著推薦系統的同質性太高，使用者的選擇空間被演算法收窄了，結果就是他每次看到的選項都差不多，久而久之就不會再探索新的東西。這是推薦系統的經典問題，技術上叫做 filter bubble。不新鮮。
但文件裡提到了另一件事：這些出現決策迴圈的使用者，他們的行為模式高度一致，但他們的背景資料分布很廣——不同年齡、不同地區、不同消費水準。如果只是 filter bubble，通常只會影響特定群體。這裡的分布是隨機的。
他把自己的想法記在了一個備忘錄裡，然後繼續讀完文件。
最後面是蘇薇的聯絡方式，和一個視訊會議的邀請連結。她把合作流程寫好了：先視訊確認工作範圍，再簽 NDA 和合約，然後開帳號權限。有效率，不浪費時間。
哲維把那碗麵吃完，把碗放在水槽裡，約了明天下午兩點的視訊。
那天晚上他看了一部之前在瀏覽器分頁裡放了不知道多久的紀錄片——關於海洋洋流的。紀錄片的聲音設計很好，洋流的聲音規律、低沉，像是有東西在很深的地方穩定地流動。他看到一半就睡著了。
隔天下午一點五十五分，哲維打開視訊通話。
蘇薇比他想得年輕。三十一、二左右，頭髮整齊地紮在後面，身後的壁紙是素面的灰——很典型的和盟員工。
「哲維？」她先開口。「感謝你這麼快回覆。我先跟你講一下這個案子的背景。」
「好。」他說。他在自己的螢幕上看到自己的臉，看起來比昨天更沒睡好。
「我們最近在推推薦引擎 7.2 的更新，持續整合模組在八週前上線。」她的語速比哲維快一拍，但他跟上了。「上線後的數據整體是正的——CTR 提升 1.2%，使用者停留時間增加 0.8%。但有大約千分之三的使用者，他們的決策路徑出現了異常。」
「決策迴圈。」哲維說。
「對。初步分析是推薦權重衰減出了問題，把使用者的選擇範圍收窄了。但在我看來——」她頓了一下。「分析結果有一點不合理。通常權重衰減造成的 filter bubble 都是群組性的，但這裡的使用者分布非常分散。而且他們的行為一致性太高了。高到不自然。
哲維靠在椅背上。「所以你們不確定這是 bug 還是⋯⋯」
「還不確定。」她說。「所以我需要一個外部工程師來排查。內部團隊目前人力都在 7.3 的開發上。你的背景看起來很適合——你在推薦系統和數據 pipeline 上有經驗。」
他確實有。兩年前待的那間新倒閉的新創，主力產品就是電商推薦引擎。他做了一整年，學了不少，然後公司倒了，他被裁了。這種事在這行不稀奇。
「工期的預估是多久？」他問。
「以 B 級優先的話，我們抓三到四週。如果需要更久，到時候再談。」
「付款條件跟信裡寫的一樣？」
「對。三成預七成結，看結案報告。」
哲維想了一下。三到四週的工作量、報酬還可以、是他擅長的領域。他不喜歡掛在大公司底下做事，但外包可以保持距離——他交東西、他們付錢，沒有 office politics，沒有 stand-up meeting。
「好。」他說。「NDA 跟合約可以先寄過來嗎？」
「馬上寄。簽完之後我會幫你開權限，到時候就可以開始看了。」蘇薇點了一下頭。「另外，如果你在排查的時候看到什麼不確定的東西，隨時找我。我不希望你花時間在我們沒有授權的範圍裡。」
這句話很正常。每一個客戶都会说类似的话。哲維只是點了頭。
「那我們保持聯絡。」蘇薇說完，很快就退出了通話。
哲維的螢幕回到自己的桌面。桌布是一張他不知道什麼時候下載的預設圖片——一個藍色的星球，不知道是地球還是什麼。他看著那個藍色的圓想了一下，然後打開瀏覽器開始準備其他案子的東西。
他的手機震了一下。是那個之前合作過的工程師回了他的報價詢問，寫了數字。他看了一眼，比自己預期的多了一成，还行。他回了一個 OK。
然後他把蘇薇那邊的事情排進了接下來的行事曆。週三簽 NDA，週四拿到權限開始看數據。
他把行事曆關上，去倒了一杯水。窗外的陽光打在那個壞掉的「米七」招牌上，看起來比較亮了一點。
他不知道這案子會花多久。也不知道蘇薇看到的那些數據到底有什麼不自然的地方。那些「決策迴圈」是 bug，這基本上不可能是别的。他在這一行做了幾年——系統永遠在出問題，問題永遠能debug，debug完就結案，結完就收錢。這就是外包工作的全部。
他回到電腦前，把那碗放在水槽裡两天了的泡麵碗洗了。
NDA 和合約在隔天的信哲裡躺好了。蘇薇的效率沒話說。
哲維把合約讀了一遍。NDA 的部分比一般的外包案多了一些——不只是程式碼和商業機密，還包括了在合作過程中接觸到的「系統數據、使用者行為分析、與任何未公開的產品訊息」。違約賠償的金額比他之前簽過的都高。但和盟是這種規模的公司，他們簽的外包案大概每一份都這樣。
他簽了名，把文件寄回去。
再隔天，他的信箱裡多了一封系統通知：他的外包開發者帳號已經被開通，權限範圍是「推薦引擎 7.2 — 持續整合模組 — 唯讀 access，log and metrics dashboard」。他點進去，看到了一個乾净的介面。和盟的內部工具設計得比大多數公司都好。
數據 dashboard 上有一排圖表：每日活躍使用者數、推薦點擊率、轉換率、跳出率。紅紅綠綠的線整整齊齊，像某種儀器的讀數。
蘇薇說的那千分之三，在地圖上看不到。規模太小了，被整體數據稀釋掉了。他需要把過濾條件調出來，才能看到那一小群孤僻的使用者在哪。
哲維把視窗縮小，又看了一眼整體數據。推薦點擊率 1.2% 的提升，停留時間 0.8% 的增加。和盟的數百萬——不，數十億使用者乘以這些百分比。每一個小數點後面都是巨大的商業價值。
他想到 Hacker News 上那篇文章的標題。「你以為你在選擇，其實演算法在幫你選。」
他搖了搖頭，把過濾條件打開。
前三天是暖身。
哲維把蘇薇給的文件全部讀完，然後花了兩個晚上摸清楚數據 dashboard 的結構。和盟的工具做得好，但權限管理很細——他能看到的東西被限制在「持續整合模組」的範圍裡，看不到其他產品線的數據。合理。外包工程師不該看到全部。
他把「決策迴圈」的使用者群組過濾出來。0.3% 的活躍用戶，大概八百多萬人在過去八十多天裡出現了高度一致的行為模式。
他從最基本的維度開始看：年齡、地區、消費分級、使用頻率。這幾個維度的分布很平均——就像蘇薇說的，沒有特定族群集中。二十歲的和五十歲的都有，台北的和紐約的和奈洛比的都有。如果這是 filter bubble，它的覆蓋方式不應該這麼隨機。
他做了一個交叉分析：這些使用者的行為一致性的「起始點」是在什麼時候出現的。
結果是這樣的——他們不是一開始就出現異常的。每個人變成「迴圈」的時間點不同，沒有週期性，沒有跟特定事件（促銷、更新、節日）的關聯。就是隨機的某一天，這個人開始反覆做同一個選擇。
他想到一個比喻：某個人走進一間餐廳，每天都點同樣一道菜。這不奇怪——很多人都有自己的固定選擇。但奇怪的是，你不知道為什麼他偏偏從這一天開始固定了。沒有換菜單、沒有漲價、沒有朋友推薦。就是某一天，他就固定了。
他把這個想法寫進了自己的備忘錄。不是報告格式，只是他的工作筆記。他用這個方式整理思緒。
第三天的晚上，他開始看個體層面的數據。和盟的 dashboard 允許他點進單一使用者的行為路徑，但看不到個人身份資訊——只有編號。他隨機抽了幾個「迴圈」群組裡的使用者來看。
第一個：32 歲女性，居住地區顯示為東南亞，消費分級中等。她的迴圈出現在六十三天前。在那之前，她的行為模式很正常——會瀏覽不同類別的商品、偶爾點擊推薦、有時買有時不買。六十三天後的某一天，她開始反复點擊同一個推薦位置——排序第三位的商品。不一定是同一個商品，但一定是同一個位置排序。她買了其中大約六成。
哲維把她的行為路徑截圖存了下來。
第二個：45 歲男性，北美，高消費。他的迴圈是四十一天前開始的。模式不一樣——他不是固定點哪個位置，而是固定了購物的時間和品類。每週三晚上，買同一類型的電子產品配件。金額差不多、品類差不多、品牌會換但價位帶固定。
第三個：19 歲，東亞，低消費。二十八天前開始迴圈。固定在使用 APP 的首頁待超過十二分鐘，然後直接點選最上面那個推薦內容，從不往下滑。
他看了十幾個案例。每個人的「迴圈」表現形式不一樣，但有一個共同點：他們的行為在特定時間點之後，變得極為規律。
真正的 bug 不是這樣運作的。推薦權重衰減导致的 filter bubble 是漸進的——你慢慢看到的東西愈來愈窄，不會是某一天突然固定住。而且他看過這些使用者在「迴圈」之前的行為數據，他們的推薦權重參數是正常的，沒有異常的衰減曲線。
他在螢幕前坐了很久。
然後他做了一件不在工作範圍內的事。
他把這些「迴圈」使用者的數據，跟整體使用者的數據做了一個比較分析。具體來說，他想看看：在這些人開始出現迴圈的當天，系統的推薦輸出有沒有什麼變化。
結果是有的。但不是一致的變化。有些人收到的推薦排序變了、有些人收到的價格帶微幅調動、有些人收到的內容類別收窄了。變化的方向不一樣，但時間點完全對齊——就是他們各自出現迴圈的同一天。
哲維靠回椅背，看著天花板。
這不是衰減。這不是 filter bubble。
這是有人在對這些使用者做測試。
天花板上有一條細長的裂紋，從燈座旁邊延伸出來，像一條河。他搬進來的時候就在了，他不確定這條裂紋有沒有變長。
他把分析結果存了下來，但沒有寫進要交給蘇薇的報告裡。
他拿起手機想了一下，然後放下了。
不是bug。
但他還不確定這是什麼。在搞清楚之前，他不想讓蘇薇知道他在看超出工作範圍的東西——她那句話「隨時找我」和「不要花時間在沒有授權的範圍」是同一件事的正反兩面。
他把備用電源的線拉過來插在筆電上，繼續看數據。
螢幕上的紅線和綠線穩定流動著。整體數據還是漂亮的——CTR、轉換率、停留時間全部在目標範圍內。這一小群八千多萬的「迴圈」使用者被淹沒在幾十億的正常數據裡，像一粒沙子掉進沙灘。
哲維把地圖維度打開。這些使用者在哪裡——全球分佈。然後他把另一個圖層打開：他們使用的服務類別。
不只是消費。
他本來以為決策迴圈只出現在電商推薦場景。但他看清楚了之後發現不是——有交通路線推薦、有新聞內容推薦、有社交動態排序。不同類別的使用者，但模式一樣。都是某一天開始，行為變得高度一致。
他把地圖和行為類別圖層重疊在一起，盯著看了很久。
這不是在優化推薦。
這是在測試一件事：系統能在多大程度上，讓一個人在不知不覺中，反覆做同一個決定。
哲維把筆電蓋上了。
房間裡突然變得很安靜。冰箱在廚房那邊有微微的嗡嗡聲。窗外的巷子有摩托車的聲音經過，然後又沒了。
他又把筆電打開，看著那個蓋上去之前最後停留的畫面：地圖上散落的小點，每小點是一個被測試的人。紅色的點、藍色的點、綠色的點，代表不同的服務類別。它們散佈在整張地圖上，沒有群聚，沒有邏輯。
唯一共同的是：每一個點，都是某一天突然出現的。
他在備忘錄裡打了一行字：「這不是 bug。是 feature。」
然後他刪掉了。重新打了一行：「——看起來像 A/B test。但測試什麼？」
他存檔，關掉數據 dashboard。
拿起手機的時間是凌晨兩點十七分。他看到若晴的名字，光標在對話框裡閃了一下。他沒有點進去，把手機翻身放在床上。
天花板上那條裂紋的形狀，看起來像某種他看不懂的語系。他這樣想著，最後就睡著了。