第148章 百都說YES！守望沒有demo！
周二上午第二節課剛結束，林遠就快步走回了宿舍。
整個上午他都在走神，趙強在旁邊戳了他兩次，他才回過神來。
回到宿舍，關上門，打開台式機。
登錄CSDN，點開站內信。
一條新回復。
robin_li："可以。把Demo發來，我團隊評估一下。"
林遠盯著屏幕，心跳猛地加速。
不是客套話。"我團隊會評估"——這意味著他已經把這件事交給百都技術團隊了。不是閒聊，是正式的技術評審流程。
百都創始人在CSDN上對陌生人說"把你的東西拿來看看"——這件事本身就夠勁爆了。如果守望真的拿出能跑的分詞引擎，接下來的對話就不是技術討論，而是商業合作。
問題來了。
他壓根沒有demo。
昨天那段話里的"我做過類似的原型"是鉤子，是話術。他有思路，有框架，但真正能讓百都技術團隊跑起來的原型？沒有。WatchGuard還在開發中分詞demo連個工程文件夾都沒建。
賭注下出去了，底牌還沒湊齊。
"宿主，"小艾的聲音響起，"你需要，能在百都團隊面前跑起來的分詞demo。根據混合管線框架——HMM初切分、統計重排、詞典糾偏——核心代碼量大約八百到一千二百行C++。分身今晚就能協助跑測試修bug，最快三天出原型。"
"三天。"林遠默算——今天周二，周五出demo，周末發過去，百都團隊下周評估。時間線剛好。
但這意味著接下來的三天，必須同時推三件事：WatchGuard繼續開發、分詞demo從零搭建、滄浪日更不能斷。任何一條線斷了，整個節奏就崩。
"分身能跟上嗎？"
"守夜編譯模塊今晚就緒，自動測試模塊核心邏輯已跑通。"
"那就分工。WatchGuard的規則庫填充和單元測試交給分身，我集中精力寫SharpSeg。"
他打開代碼編輯器，新建工程文件夾，命名：SharpSeg。
守望的第二款產品，從今天開始。第一款還沒做完——兩條線同時跑，賭的就是分身的效率。
中午在宿舍泡了碗面，邊吃邊拆解分詞demo的架構。
【寫到這裡我希望讀者記一下我們域名𝓣𝓦看書網→𝓼𝓱𝓾.𝓽𝔀】
HMM初切分是核心，需要訓練數據和狀態轉移矩陣；統計重排用二元模型就行，權重從語料庫里算；詞典糾偏最簡單，搞個行業名詞表覆蓋百都的垂直領域。
"訓練數據怎麼弄？"林遠問小艾。
"1998年人民日報標註語料庫——這是中文分詞領域最權威的訓練語料，2002年已公開。你不需要完整語料，只需提取高頻詞的轉移概率矩陣。這些數據在清樺和北達的相關論文裡都能查到，用公開語料最安全。"
"行，就用公開的。不能讓任何人覺得數據來源可疑。"
林遠在心裡把整個架構理了一遍：四狀態模型，B/M/E/S，，代表詞首、詞中、詞尾、單字成詞——這是中文，詞最經典的框架，2002年的論文裡有，但能把它跑在工業級搜索上的團隊鳳毛麟角。
關鍵不在算法，在工程。百都要的不是論文，是能跑的東西。
下午沒課，林遠把自己關在宿舍里寫了四個小時。
先搭HMM模塊——狀態轉移矩陣用公開語料的統計參數做初始化，跑了一遍人民日報語料的子集，初切分準確率82%。不夠，但作為第一天夠了。
然後是二元模型重排——這一步解決歧義問題。"南京市長江大橋"到底切成"南京/市長/江大橋"還是"南京市/長江大橋"？二元模型用上下文概率來判斷，再加上詞典糾偏，準確率能拉到90%以上。
但他知道90%也不夠。百都處理一億頁的索引，90%的分詞準確率意味著每十次查詢就有一次出問題——用戶搜"長江大橋"出來的結果混著"市長"，這不可接受。
得更快，還得更准。
"宿主，"小艾提醒，"百都的痛點是一億頁的實時查詢。你的demo不需要處理一億頁，但必須在速度上證明潛力——分詞速度至少要達到每秒一萬字以上。"
"我知道。"林遠打開性能測試模塊，跑了第一輪基準測試。
每秒六千八百字。
不夠。C++的性能不該這麼低。他翻了翻性能分析結果，瓶頸在詞典查找——用的二叉搜索樹，每次查詢都是O(log n)。換成哈希表，O(1)。
半小時後重寫完畢，再跑一次。
每秒一萬兩千字。
超過一萬的門檻了。而且這只是單線程——如果百都用集群跑，分詞速度還能翻幾十倍。demo里把這個數據亮出來，足夠讓百都團隊心動。
"夠了。"林遠靠回椅背，活動僵硬的手指，"第一天出骨架和性能基線，明天填詞典和邊界case，後天打磨細節出報告。"
傍晚，手機響了。
是出版社編輯小周打來的。
"林遠，上架的事沒問題，首印五萬冊已經入庫了。但有件事告訴你——經銷商反饋，北達和清樺周邊的書店都在主動要貨，首印可能不夠。"
"要加印？"
林遠心裡算了一筆帳——首印五萬冊，8%版稅，定價28元，首印版稅十一萬二。加上保底五萬，第一筆教輔收入就能破十六萬。
"上架當天把數據發過來。"
"沒問題。對了，編輯部主任對你很看好，想簽你做數學系列——"
"等這本上架再說。"
掛掉電話，林遠看了一眼桌上的日曆。12月10日。教輔12月15日上架，還有五天。
五天後，存摺餘額會多出至少十一萬。
加上誅仙年終版稅十三萬七千五，加上Mike續約的三千五百美元，加上遠航奶茶每天兩三百塊的進帳——到一月底，存摺可能接近四十萬。
距離楠書房首付九十六萬，還差五十六萬。
但這是老算法。如果百都簽了技術顧問，如果WatchGuard賣出去，如果三引擎真的跑起來——2003年，一切都不同。
蘇明遠推門進來，看林遠又在盯著屏幕發呆，隨口問了一句："又在想什麼？"
"想一道算法題。"林遠隨口答。
蘇明遠點點頭，沒再追問。半個學期下來，全宿舍都習慣了林遠時不時就"想題"——上次想題想出個IMO金牌，這次誰也不知道他又在想什麼。
只有林遠自己知道，他想的不是數學題，是一道人生的博弈題：手裡的牌不夠，但對手已經叫牌了。加注還是棄牌？
他選加注。
晚上十一點，宿舍熄燈。
林遠沒停。台式機屏幕的藍光映著他的臉，SharpSeg的代碼還在一行一行地往上翻。
"宿主，分身守夜編譯模塊已上線。今晚WatchGuard規則庫預計填充三十七條新規則，單元測試覆蓋率提升至62%。"
"讓分身跑著。我繼續寫SharpSeg。"
桌面上，窗口同時開著：SharpSeg的代碼、WatchGuard的自身進度、滄浪的日更後台——《大理寺卿》今天更了六千字，分身負責過渡段落，關鍵推理他自己潤色。
趙強翻了個身，嘟囔了一句："又熬夜……"
林遠沒接話。robin_li說了yes——他必須交出一個讓百都團隊坐不住的東西。
三天倒計時，從今晚開始。
窗外北風呼嘯，宿舍樓漸漸安靜下來。只有鍵盤敲擊的聲音，像某種不疲倦的節拍。
整個上午他都在走神，趙強在旁邊戳了他兩次，他才回過神來。
回到宿舍，關上門，打開台式機。
登錄CSDN，點開站內信。
一條新回復。
robin_li："可以。把Demo發來，我團隊評估一下。"
林遠盯著屏幕，心跳猛地加速。
不是客套話。"我團隊會評估"——這意味著他已經把這件事交給百都技術團隊了。不是閒聊，是正式的技術評審流程。
百都創始人在CSDN上對陌生人說"把你的東西拿來看看"——這件事本身就夠勁爆了。如果守望真的拿出能跑的分詞引擎，接下來的對話就不是技術討論，而是商業合作。
問題來了。
他壓根沒有demo。
昨天那段話里的"我做過類似的原型"是鉤子，是話術。他有思路，有框架，但真正能讓百都技術團隊跑起來的原型？沒有。WatchGuard還在開發中分詞demo連個工程文件夾都沒建。
賭注下出去了，底牌還沒湊齊。
"宿主，"小艾的聲音響起，"你需要，能在百都團隊面前跑起來的分詞demo。根據混合管線框架——HMM初切分、統計重排、詞典糾偏——核心代碼量大約八百到一千二百行C++。分身今晚就能協助跑測試修bug，最快三天出原型。"
"三天。"林遠默算——今天周二，周五出demo，周末發過去，百都團隊下周評估。時間線剛好。
但這意味著接下來的三天，必須同時推三件事：WatchGuard繼續開發、分詞demo從零搭建、滄浪日更不能斷。任何一條線斷了，整個節奏就崩。
"分身能跟上嗎？"
"守夜編譯模塊今晚就緒，自動測試模塊核心邏輯已跑通。"
"那就分工。WatchGuard的規則庫填充和單元測試交給分身，我集中精力寫SharpSeg。"
他打開代碼編輯器，新建工程文件夾，命名：SharpSeg。
守望的第二款產品，從今天開始。第一款還沒做完——兩條線同時跑，賭的就是分身的效率。
中午在宿舍泡了碗面，邊吃邊拆解分詞demo的架構。
【寫到這裡我希望讀者記一下我們域名𝓣𝓦看書網→𝓼𝓱𝓾.𝓽𝔀】
HMM初切分是核心，需要訓練數據和狀態轉移矩陣；統計重排用二元模型就行，權重從語料庫里算；詞典糾偏最簡單，搞個行業名詞表覆蓋百都的垂直領域。
"訓練數據怎麼弄？"林遠問小艾。
"1998年人民日報標註語料庫——這是中文分詞領域最權威的訓練語料，2002年已公開。你不需要完整語料，只需提取高頻詞的轉移概率矩陣。這些數據在清樺和北達的相關論文裡都能查到，用公開語料最安全。"
"行，就用公開的。不能讓任何人覺得數據來源可疑。"
林遠在心裡把整個架構理了一遍：四狀態模型，B/M/E/S，，代表詞首、詞中、詞尾、單字成詞——這是中文，詞最經典的框架，2002年的論文裡有，但能把它跑在工業級搜索上的團隊鳳毛麟角。
關鍵不在算法，在工程。百都要的不是論文，是能跑的東西。
下午沒課，林遠把自己關在宿舍里寫了四個小時。
先搭HMM模塊——狀態轉移矩陣用公開語料的統計參數做初始化，跑了一遍人民日報語料的子集，初切分準確率82%。不夠，但作為第一天夠了。
然後是二元模型重排——這一步解決歧義問題。"南京市長江大橋"到底切成"南京/市長/江大橋"還是"南京市/長江大橋"？二元模型用上下文概率來判斷，再加上詞典糾偏，準確率能拉到90%以上。
但他知道90%也不夠。百都處理一億頁的索引，90%的分詞準確率意味著每十次查詢就有一次出問題——用戶搜"長江大橋"出來的結果混著"市長"，這不可接受。
得更快，還得更准。
"宿主，"小艾提醒，"百都的痛點是一億頁的實時查詢。你的demo不需要處理一億頁，但必須在速度上證明潛力——分詞速度至少要達到每秒一萬字以上。"
"我知道。"林遠打開性能測試模塊，跑了第一輪基準測試。
每秒六千八百字。
不夠。C++的性能不該這麼低。他翻了翻性能分析結果，瓶頸在詞典查找——用的二叉搜索樹，每次查詢都是O(log n)。換成哈希表，O(1)。
半小時後重寫完畢，再跑一次。
每秒一萬兩千字。
超過一萬的門檻了。而且這只是單線程——如果百都用集群跑，分詞速度還能翻幾十倍。demo里把這個數據亮出來，足夠讓百都團隊心動。
"夠了。"林遠靠回椅背，活動僵硬的手指，"第一天出骨架和性能基線，明天填詞典和邊界case，後天打磨細節出報告。"
傍晚，手機響了。
是出版社編輯小周打來的。
"林遠，上架的事沒問題，首印五萬冊已經入庫了。但有件事告訴你——經銷商反饋，北達和清樺周邊的書店都在主動要貨，首印可能不夠。"
"要加印？"
林遠心裡算了一筆帳——首印五萬冊，8%版稅，定價28元，首印版稅十一萬二。加上保底五萬，第一筆教輔收入就能破十六萬。
"上架當天把數據發過來。"
"沒問題。對了，編輯部主任對你很看好，想簽你做數學系列——"
"等這本上架再說。"
掛掉電話，林遠看了一眼桌上的日曆。12月10日。教輔12月15日上架，還有五天。
五天後，存摺餘額會多出至少十一萬。
加上誅仙年終版稅十三萬七千五，加上Mike續約的三千五百美元，加上遠航奶茶每天兩三百塊的進帳——到一月底，存摺可能接近四十萬。
距離楠書房首付九十六萬，還差五十六萬。
但這是老算法。如果百都簽了技術顧問，如果WatchGuard賣出去，如果三引擎真的跑起來——2003年，一切都不同。
蘇明遠推門進來，看林遠又在盯著屏幕發呆，隨口問了一句："又在想什麼？"
"想一道算法題。"林遠隨口答。
蘇明遠點點頭，沒再追問。半個學期下來，全宿舍都習慣了林遠時不時就"想題"——上次想題想出個IMO金牌，這次誰也不知道他又在想什麼。
只有林遠自己知道，他想的不是數學題，是一道人生的博弈題：手裡的牌不夠，但對手已經叫牌了。加注還是棄牌？
他選加注。
晚上十一點，宿舍熄燈。
林遠沒停。台式機屏幕的藍光映著他的臉，SharpSeg的代碼還在一行一行地往上翻。
"宿主，分身守夜編譯模塊已上線。今晚WatchGuard規則庫預計填充三十七條新規則，單元測試覆蓋率提升至62%。"
"讓分身跑著。我繼續寫SharpSeg。"
桌面上，窗口同時開著：SharpSeg的代碼、WatchGuard的自身進度、滄浪的日更後台——《大理寺卿》今天更了六千字，分身負責過渡段落，關鍵推理他自己潤色。
趙強翻了個身，嘟囔了一句："又熬夜……"
林遠沒接話。robin_li說了yes——他必須交出一個讓百都團隊坐不住的東西。
三天倒計時，從今晚開始。
窗外北風呼嘯，宿舍樓漸漸安靜下來。只有鍵盤敲擊的聲音，像某種不疲倦的節拍。