導讀：個性化推薦系統，簡單來說就是根據每個人的偏好推薦他喜歡的物品。網際網路發展到現在，推薦系統已經無處不在，在各行各業都得到普遍都應用。亞馬遜号稱 40% 的收入是來自個性化推薦系統的，淘寶的個性化推薦系統也帶來非常大的收益，新聞媒體的個性化推薦系統典型的是今日頭條，直播平台給使用者推薦喜歡的主播，金融網站給使用者推薦需要的理财産品，社交網絡給使用者推薦大 V 或者其他朋友……越來越多的公司将推薦系統作為産品的标配。
大家接觸推薦系統的機率會越來越大。作為程式員，了解推薦系統也越來越必要，甚至可以主動選擇“推薦系統算法工程師”的相關職位。那大家一定會關心推薦算法工程師需要哪些知識儲備，以及作為一個推薦算法工程師，未來的發展道路怎樣？
本文是作者計劃的一系列文章中的一篇。後面的文章将涉及到推薦系統的基本介紹、冷啟動、商業價值、工程實作、評估等方方面面。這系列文章是作者多年推薦系統學習、實踐經驗的總結，希望能夠幫助到即将入行推薦系統開發的讀者或者推薦系統開發人員，讓大家少走彎路。
正文：
本文我會基于自己的實踐經驗講述推薦算法工程師的成長之道，這裡的“道”有發展路徑和道 (道理、方法論、經驗、智慧) 兩層意思。是以本文除了講解推薦算法工程師的成長路徑之外, 還會詳細闡述推薦算法工程師需要了解的方法論和智慧。相信讀者讀完本文會更加堅信推薦算法工程師是一個好的職業選擇, 并且結合自己的興趣和特長也知道未來該怎樣去規劃、發展和成長。在這裡我會從推薦算法是一個好的職業選擇、發展路線及職業定位、成長之道、挑戰和機遇四個次元來講解。
為什麼說推薦算法是好的職業選擇
深度學習技術的逐漸成熟，推動了 AI 第三次浪潮的到來，縱觀目前 AI 在網際網路行業上的應用，有比較好的産品落地及商業化價值的應用主要有 7 個大方向：
- 語音識别
- NLU 及 NLP
- 圖像識别 (特别是人臉識别)
- 金融行業的信用評分和反欺詐
- 推薦系統
- 搜尋系統
- 廣告 (精準) 投放 (即計算廣告)
在這 7 個大方向中，推薦，搜尋，廣告投放是網際網路公司最普及也是最能産生現金流的三個方向。
廣告投放自不用說，這是網際網路最重要的變現手段，基本每個網際網路公司都會利用廣告來變現。隻要是提供大量“标的物”給海量使用者的産品就一定會用到搜尋和推薦兩種技術，代表了使用者的兩種不同訴求。
搜尋是使用者的主動需求，使用者想要找什麼東西，知道自己的需要，就會通過搜尋來擷取。而推薦代表的是使用者的被動需求，當使用者的需求不明确時，推薦就有了用武之地。
在這裡，我也要強調一點，其實推薦、搜尋、廣告精準投放都是機器學習驅動的系統，它們在技術體系上是一脈相承的，甚至在廣義上講它們是一樣的。
首先, 廣告投放是将廣告推送給可能會喜歡該廣告的使用者(當然可能需要通過标的物的承接，比如視訊的貼片廣告，廣告是“寄宿“在視訊上的)，本質上可以将廣告看成是推薦系統的“标的物”。
這樣看的話，廣告投放可以看成是一種推薦系統，隻不過廣告精準投放會将關注點放到廣告上，希望将廣告更好更精準的投放出去。
其次，推薦系統可以看成一個搜尋過程，我們可以認為是将使用者的曆史行為的整體作為搜尋關鍵詞，通過推薦系統“搜尋”出使用者可能感興趣的内容，隻不過“搜尋”過程是算法自動完成的，而不是使用者輸入關鍵詞。
通過上面的分析，在更廣的意義上，推薦、搜尋、廣告精準投放是一緻的。他們在工程技術體系上也是類似的。
搜尋、推薦在工程實作上都是分為召回和排序兩個階段，在實作算法上除了常用的機器學習算法，深度學習、強化學習等都在這三個領域得到了很好的應用。
随着移動網際網路的深入發展及産品創新，目前這 3 個方向有更多更深入的交叉。
比如百度的搜尋和廣告基本是整合在一起的，使用者輸入關鍵詞既能給出相關的搜尋結果也會産生與關鍵詞比對的相關廣告。
随着資訊流的發展，資訊流整合了變現能力，在資訊流推薦清單中插入廣告是非常好的變現方式。視訊推薦中的貼片廣告也是利用了廣告和推薦的協同效應。
推薦和搜尋結合在一起更是常用的産品政策，在使用者無搜尋結果時給使用者推薦，在使用者點選某個搜尋結果時給使用者推薦相關的結果，在使用者輸入搜尋詞不準确或者有錯誤時給使用者推薦更好的搜尋詞。
有了上面的鋪墊介紹, 我們來說說為什麼推薦算法工程師是一個好的職業選擇，可以從如下次元來說明。
1. 就業範圍廣、薪資高
從上面的介紹可以看到，推薦算法工程師可以無障礙的轉搜尋、廣告精準投放，隻要是網際網路公司，都會有搜尋、推薦、廣告投放業務，是以擇業面廣。
從目前市面上的招聘資訊來看，熟悉推薦算法的候選人是很吃香的，不僅容易找到好工作，并且薪資也是很高的。
2. 推薦算法與變現近，商業價值大
推薦系統是非常具備商業價值的，可以很容易為公司産生價值，是以說是離錢很近的方向，更不用說精準廣告了。離錢近的業務往往也是公司的核心業務，最容易擷取資源，受到老闆的重視。
3. 技術門檻相對較高，可替代性不強
要想做一個好的推薦系統是很難的。涉及到資料收集、ETL，模型建構、模型訓練，資料存儲、接口服務、UI 展示等。
其中最大的挑戰除了建構好的算法模型外，在工程上挑戰性也是極大的，需要并行計算來訓練模型, 需要大規模的資料存儲讀寫, 同時推薦系統的服務接口需要具備高并發、可拓展、容錯的能力。建構一個好的推薦系統需要非常多的元件來配合，建構一套完善齊備的推薦元件挑戰是極大的, 推薦系統專家需要對所有這些方面都了解。
是以門檻也是極高的， 毫不誇張地說，如果你精通推薦系統，你的職業前途會一片光明。
4. 研究領域廣，足夠深，挑戰性大
從上一點我們知道推薦系統涉及面廣，每個面都很複雜，可以做的很深，并且極富挑戰性，也值得對技術有追求的人努力奮鬥一輩子。
通過上面的講解, 讀者應該能夠感受得到推薦算法工程師确實是一個很好的就業方向, 那麼我們怎麼進入這一行并且未來該怎麼成長發展呢？
發展路線及職業定位
大家都知道網際網路技術方向的職業發展一般有三條道路。第一條是一直做技術成為技術專家，第二條是轉管理方向，第三條是做到一定程度轉行到周邊方向，如産品、項目經理等。
在國内, 多少對年紀大了的技術人員有一定的偏見，認為年紀大了幹不動了，是以大家都願意往管理方向發展。
其實，在國外做技術是非常自信和自豪的事情，聽說在 Google 技術人員的地位非常高，隻有技術不行的人才考慮轉管理 (有待考證)。國外大齡程式員是非常多的，也是非常受尊敬的， 比如 Java、C# 之父都是一直做技術的。
1. 技術路線
推薦算法工程師的技術路線一般可以分為四大類，一類是偏工程實作，一類是偏算法研究，一類是綜合類 (工作涉及到算法開發及對應的工程實作)，一類是偏業務。
不管是哪一類都需要了解自己需要學習什麼技術，需要具備什麼樣的技能和知識儲備。下面我們分别說說這四類算法工程師的職業成長之路。
(1) 偏工程實作類
偏工程實作類的推薦算法工程師，需要有較好的程式設計能力，熱愛程式設計。一般的工作是實作各類推薦算法架構，開發推薦周邊子產品 (如 AB 測試等)，建構好用的推薦平台，讓推薦算法可以更快更好的落地到業務中。
這一塊做的好是非常容易成為大牛的，比如大家熟悉的賈揚清，大名鼎鼎的 Caffe 架構的作者，也是 Tensorflow 的核心開發者。他原來是 facebook 的 AI 架構總監，最近被阿裡挖了過來， 直接給的是 P11 級别，title 是 VP(進階副總裁)，當然要達到賈揚清的段位是非常非常難的。
偏工程實作類的需要有紮實的計算機基礎，熟悉資料結構和算法，熟悉計算機體系結構，熟練掌握設計模式，有很好的面向對象和抽象思維能力。
除了熟悉推薦系統的底層代碼實作，還需要對機器學習算法、最優化理論、數值計算等非常熟悉，能夠用高效的代碼來實作這些算法。
(2) 偏算法研究類
偏算法研究類的推薦算法工程師主要關注的是怎麼結合公司業務、産品特性構、已有的資料建一系列好的算法，希望通過這些算法來大大提升轉化 (可能具體算法的高效工程實作交給工程師)。
這類職位一般要求有研究背景，希望是博士，需要具備非常好的理論基礎。一般是大公司有專門從事算法研究開發的職位，或者是研究院類似的機關 (大公司的研究院也算)，小公司一般不會招聘專門搞算法研究的。
個人覺得在工業界算法不是最重要的，關鍵是怎麼将算法跟産品形态很好的結合起來，快速上線，整個業務要形成閉環，具備疊代優化的能力。
Google 的辛格博士就是喜歡用簡單的算法來搞定問題的典型代表 (讀者可以參考吳軍的數學之美第二版第 13 章)。
偏算法研究類需要有很好的數學基礎，需要對高等數學、線性代數、最優化、機率統計、幾何、圖論等方向非常熟悉。同時需要在機器學習領域有深刻的領悟，能夠利用數學工具設計高效易用的機器學習算法。不一定需要程式設計能力特别強。
(3) 綜合類
創業公司、小公司、或者剛剛成立推薦算法團隊的公司，前期沒資源也不願意在推薦系統上一下投入非常多的人力，很多推薦算法工程師是既需要思考算法，也要做相關的工程，是上面兩類的綜合體。
雖然學習接觸的東西會更多，但是精力也會更分散。
(4) 偏業務類
随着大資料、雲計算、AI 的發展，越來越多的雲計算大廠或者 AI 創業公司将 AI 能力 (包括推薦能力) 封裝成 SAAS 服務提供給第三方公司。
我個人覺得這一定是未來趨勢，未來很多創業公司不會再去招聘推薦算法工程師來自己開發推薦業務了，可能就是直接購買别人的推薦 SAAS 服務。
這個時候就需要一個懂推薦算法業務的專家，結合公司具體業務情況，選擇最合适的推薦算法提供商及對應的推薦 SAAS 服務。
這類偏業務的推薦算法工程師不需要開發推薦算法，也不需要工程實作，但是需要對推薦算法相關知識熟悉，了解周邊生态，知道什麼算法可以用在什麼推薦産品形态上，每種算法的優劣，知道在合适的時間節點引入合适的算法。這類職位其實就是一個推薦算法商業政策師。
2. 管理路線
如果做了很長時間推薦算法想轉管理崗位，需要提前做好準備。包括心理準備和知識儲備。
人的時間是有限的, 轉管理了就一定沒有那麼多時間鑽研技術了。
但是技術管理人員一定要熟悉了解技術，要有很好的技術視野，能夠把握未來的技術發展方向，在合适的時機做合适的決策，引入合适的新技術，這種能力也是要建立在一定的技術積累和學習上的, 是以怎麼做好技術學習和團隊管理的平衡非常重要。
做技術管理需要多花時間學習業務知識和管理技能，學會有效溝通，需要站在老闆的角度思考問題，需要引領團隊更好地支撐公司的商業目标。同時也需要有很好的産品意識, 能夠深刻洞察使用者的需求，做好的産品來為使用者和公司創造價值。
管理方向再往上走可以是技術 VP，CTO 等更高的級别，當然這類更高的級别對人在各個方面的要求會更高。如果自己有想法，并且喜歡挑戰的話，等你準備充分了，還可以創業。
3. 轉行換方向
推薦算法工程師如果想轉其他方向，可選擇的範圍很多，比如算法産品經理、項目經理、資料分析等。在什麼時間換行、換什麼行業需要結合個人的興趣和現實情況決定。
我不贊同在一個行業做了很長時間再換行，畢竟人的工作年限有限的。
一般職業選擇是很謹慎的，需要事先想清楚，在剛開始做的一二年内也會知道自己喜不喜歡這個行業，在這個方向上是否有一定的優勢和天賦，如果不合适就要盡快換行。
到這裡就介紹完了推薦算法工程師的發展路線和職業定位，如果我們決定一直做推薦算法工程師，那麼想在這條路上走的更遠，就需要把握推薦算法工作的要義，這就是下面一節要講的内容。
成長之“道”
作者有 7、8 年推薦行業相關經驗，也走過很多彎路、趟過很多坑，是以這裡将我的一些經驗教訓和建議分享給大家，讓大家少走彎路，這些經驗即所謂的“道”。
其實這些經驗和建議也适合很多網際網路行業的其他職位，甚至是非網際網路行業的職位。
1. 關注業務、關注價值産出
推薦算法工程師不能隻關注自己做了什麼，是否保質保量地完成了任務, 對公司老闆來說，能夠為公司創造商業價值才是最關鍵的。當然，配合公司産品将功能快速高效實作是我們的主要工作之一。
如果你沒有關注業務、關注推薦價值産出的意識，你一定不會在日常工作中思考業務和價值，更不可能基于自己的思考來優化推薦産品，最終你的工作很難産生商業價值。
如果你無法真正為公司和使用者創造價值，那麼對公司就沒有價值，進而也不會受到重視，無法得到更大的成長。
是以，及早具備關注業務和商業價值的意識，并在日常工作中不斷踐行，你才會有更大的成長空間。不光要關注價值，更應該量化你的價值産出。
2. 讓系統盡快運轉起來，盡快産生價值
很多剛入行推薦算法的新人，會進入一個誤區，以為算法工程師就是要做一個牛逼的算法出來，讓效果一飛沖天。這種想法太幼稚了。
先不說牛逼的算法是否容易實作，即使實作了，是否可以分布式計算，是否可以在一定時間内跑完，是否穩定，這些問題在實際應用中都得考慮，并且也是制約算法是否可以落地的重要因素。
是以推薦算法工程師不能将所有精力放到研究高深的算法上，好的做法是先采用盡量簡單的方法實作，先讓系統跑起來，對業務先産生價值，後面逐漸去優化它。
其實，往往簡單的推薦算法比不用推薦會有一個較大的提升，非常牛逼的算法也很難在簡單算法基礎上再有極大提升了，上一個簡單的算法其實已經解決了 80% 的問題了。
特别是對創業公司來說，往往沒有那麼多的資源招聘很多牛逼的算法工程師，這時做一個簡單的系統先上去比什麼都管用。
3. 打造倒三角知識體系，培養核心競争力
現代社會科技發展日新月異, 特别是計算機行業，新技術更新疊代更快，你不可能将所有東西學會，即使是推薦系統這一個子領域，你也不可能每一塊都特别精通。
我個人建議在有限的時間和精力下，你要結合自己的興趣和長處選擇一個更專的方向深入鑽研，做到這個方向的絕對專家，同時在與這個行業相關的行業上拓展廣度。
我将這種提升方式叫做打造自己的倒三角知識體系(見下面圖 1)。
圖 1：打造倒三角知識體系
隻有這樣你才會有自己的核心競争力。 拿我個人來說，我自己是數學專業的，數學很好，也非常喜歡數學，是以我會在推薦系統上深挖，成為推薦專家，特别是推薦算法上，同時在大資料、搜尋、廣告、NLP、計算機視覺等領域拓展自己的能力邊界。
将來不管你是不是一直做推薦算法，在一個領域做到專家肯定會對你有幫助的。
首先可以形成自己的一套思考解決問題的理論體系，這一套體系會幫助你在其他方向或者行業打開局面，重新快速地建構自己在新方向的認知體系。
4. 抓住核心，有的放矢
不管是在推薦系統知識學習上，還是在實際推薦業務開發上，我們都需要将精力放到價值産出最大的任務上，這樣才能産生事半功倍的效果，我們每個人都要活學活用二八定律。
5. 關注外面的世界，不閉門造車
推薦系統涉及到算法和工程兩大塊，具體的做法和實作雖然不同的行業不太一樣，但是肯定是有借鑒價值的，平時除了工作外，需要多關注外面的動向，了解别的的公司在做什麼，怎麼做的，隻有這樣才能知道哪些地方做的不夠好，有待提高。
有了對比了解，就更有提升的方向和目标了。
6. 沉澱核心技能，持續學習新知識，學習跨領域的知識
推薦系統是一個複雜的體系工程，需要持續學習新知識和技能，一萬小時理論說一個人要成為一個領域的專家必須在這個領域積累一萬個小時，每天工作 8 小時的話，相當于 5 年時間。
注意一萬小時是必要條件，不是充分條件。
另外，每個領域都在快速發展，除了積澱已有知識外，還需要學習很多新知識。比如，深度學習對很多行業産生了革命性的影響，那我們也需要對深度學習在推薦系統上的實踐持續關注并努力踐行。
技術的學習是無止境的，我們需要從各個管道學習，論文、書本、Github、各種技術公衆号、線上課程、付費直播、線下分享、線下溝通交流等等。
除了學習本領域的知識外，還需要适當學習跨領域的知識。比如産品、營運、項目管理等等，甚至是管理學、心理學、哲學、經濟學、會計、營銷等等。
更寬廣的知識體系會讓你從一個完全不同的視覺來看待問題，可以給你提供更多的靈感來源(和最優化求最大值類似，在很窄的知識面上，你很容易就走到了一個局部極大值，學習更多的知識，相當于給自己一個擾動，讓自己可以找到更大的局部最大值)。
如果你打算将來走管理路線，那麼學習跨領域的知識必不可少。
7. 建構良好的人脈關系
個人的力量是有限的，要想在事業上獲得極大成功，一定需要别人的幫助，人類祖先之是以能夠在惡劣的環境下生存下來，靠的就是群體的智慧。
我們在工作中需要跟同僚保持良好的人際關系，盡量多幫助别人，需要跟同行業的人多溝通交流，互相學習，甚至是認識完全不同行業的人。
盡量多結識優秀的人，他們是你成長的榜樣，别人身上的優點值得你學習。
在人際交往上不要太短視和功利，你的人脈關系其實是無價之寶，在适當的時候說不定你的朋友可以助你一臂之力。
這裡舉一個我自己的例子，我 16 年開始用脈脈，堅持每天加 10 人 (熟悉脈脈的知道，脈脈每天最多加十個陌生人)，這幾年堅持下來，加了近 1 萬人，很多人都成了朋友，并且這些人其實就是我們團隊招聘的來源，我通過這個管道招聘到了實習生和正式員工。
8. 基于自己的認知和了解，建構一套屬于自己的思考體系
優秀的人都是有自己一套思維體系和思考邏輯的。當我們在一個方向上深耕時，我們會積澱很多經驗，這些經驗就是你最寶貴的财富。我們要實時總結，将經驗教訓内化為你的知識體系, 通過不斷思考及有意識的總結提升，你就會建構一套自己的認知體系。
我們可以将這套認知體系看成一個機器學習模型，你的經曆就是訓練資料，你的總結深度思考過程就是構模組化型的過程。通過不斷的總結你不斷地優化你的模型，最後模型會越來越精确，泛化能力越來越好，最終你就可以對很多未知資料 (情況) 做更好的決策。
9. 打造屬于自己的個人品牌
我曾經看到過一句話，說一個人對社會的價值在于你的輸出而不是你的擷取，我是非常認可的。
要想讓自己得到行業和社會的認可，除了做好本職工作還是不夠的，你需要将自己的經驗知識整理并輸出，通過你對社會的影響來建構個人品牌。相信品牌的價值大家都能了解，有了很好的個人品牌，你可以找到更好的就業晉升機會，如果你技術很牛逼的話，你創業也更容易拉到合夥人。
當然建構個人品牌可以有很多方式，比如開源自研技術、寫部落格、寫公衆号文章、組織線下技術活動、發表論文、開網絡課程、寫書等等。這些活動難的不是你能不能做，最難的在于你是否能夠一直堅持做下去。
隻有當你持續投入時，通過時間的積澱，你的個人品牌就會不斷成長放大。舉個作者身的例子，作者從 14 年底開始通過微信運動捐步，到現在已經通過微信運動捐了 1330 元了，熟悉微信運動捐步的讀者知道每天要走一萬步才具備捐步資格，并且每次捐步就是幾毛錢到一兩元，從中可以看到堅持的力量。
打造自己的品牌，越早準備越好。作者現在開始持續寫公衆号文章，也是為了打造自己的個人品牌。
危機與未來展望
前面對推薦算法工程師的職業發展之路及成長之道做了較全面的介紹, 在最後作者基于自己的思考來聊聊在不久的将來 (5~10 年) 推薦算法工程師可能存在的危機及機遇。
人類的需求一定有明确需求和不明确需求兩大類，搜尋代表的是明确的需求，而個性化代表的是不明确需求，是以隻要人類有擷取資訊的需要，個性化推薦一定會伴随人類的發展，一直持續下去。
雖然推薦算法不會消亡，但是一定會遇到挑戰和變數。
推薦算法工程師最大的危機來自于雲計算及 AI 的發展，越來越多的雲計算公司将 AI 作為雲服務的基礎能力 (包括推薦能力) 封裝起來對外提供服務。過去兩年很多大公司都從 Mobile first 轉為 AI first，将 AI 能力作為一項核心能力來打造，這一趨勢會進化出越來越易用低價的 AI 服務。
同時，有很多 AI 初創公司也試圖建構垂直行業的 AI 解決方案，試圖從大廠口中分一杯羹。 未來 AI 一定會成為雲計算的“水電煤”，使用者接入即可使用。
上述現象導緻的直接後果就是，在不久的将來，越來越多的公司會選擇從第三方技術提供方購買推薦服務，而不是自己從零開始建構推薦系統。最終會導緻減少對推薦算法工程師的需求。
不過，随着 5G 技術的商業化、物聯網的快速發展、VR/AR/MR 技術的成熟，會有更多的裝置接入網際網路，未來我們可以擷取的資訊量更大更廣，身邊充斥着各種訊息萬變的資訊。
基于這些資訊會産生滿足人類各種新的需求的産品及服務。同時随着教育水準的提升，每個人将會更加獨立、更加願意表現自我，讓自己的個性化需求得到最大程度的釋放。
這種情況正好是個性化推薦需要解決的場景，是以未來個性化推薦會更加重要和普遍，各行各業會越來越依賴個性化推薦來滿足使用者在各種場景下的個性化需求，這些新的場景一定會采用不同的互動方式和推薦算法體系，這也是推薦算法工程師新的機會。
移動網際網路最大的革新之一是通過觸屏來更便捷地讓使用者與網際網路互動。
随着 NLP 及語音互動技術的發展成熟，基于語音的互動方式會産生非常多的家庭場景的應用 (語音互動更适合家庭場景，聲音不會對外人産生幹預)，在家庭網際網路場景下 (見下圖 2)，由于互動方式是通過語音來完成的, 推薦系統可能會朝着适配語音互動方式家庭場景 (家庭場景有多人、多終端) 進行創新和發展。
圖 2：PC 網際網路、移動網際網路、家庭網際網路的不同互動方式
同時，随着 VR/AR/MR 的發展成熟，能夠大大增強人類感覺世界的能力。我們可以想象，在不久的将來當人們帶着 MR 眼鏡時，你的 MR 系統可以給你提供一個全方位的、實時的、如影随形的個性化推薦系統 (見下面圖 3)。
圖 3：虛拟現實讓你的感覺能力增強，更加易于擷取資訊
(圖檔來源于網絡)
當你帶着 MR 眼鏡走進一個餐廳時，馬上給你推薦你喜歡吃的實物，當你走進商場時，給你推薦你可能喜歡的衣服 …
如果未來技術能夠做到晶片與大腦相容，識别出腦信号，更多有意思的推薦場景，現在真是無法想象。
随着技術的進步, 個性化推薦未來一定會遇到很多有意思的挑戰和機遇，值得我們去探索研究, 是以将個性化推薦作為你的職業選擇一定是一件振奮人心的事情, 讓我們拭目以待！
作者介紹：gongyouliu，有近 10 年大資料與 ai 相關項目經驗，有 9 年推薦系統研究及實踐經驗，目前負責電視貓大資料與人工智能團隊。喜歡讀書，暴走，寫作。業餘維護“大資料與人工智能”公衆号，ID：ai-big-data，持續輸出推薦系統相關文章。個人微信：liuq4360
原文連結：https://mp.weixin.qq.com/s/Ceo6z-NXHoU-6Sjly927RQ
轉載于:https://www.cnblogs.com/jack-jt-z/p/10773106.html