窗外是上海漕河泾软件园凌晨三点的灯光，几台显示器幽幽地映着我的脸。三十二岁，一个不上不下的年纪，焦虑像藤蔓一样从胃里往上爬。别人在睡觉，我在写爬虫。今天的目标是今日头条的热门榜单，不是看新闻，是“解剖”新闻。
推荐算法肯定是未来，这点我毫不怀疑。但未来太模糊了，我得先看清现在爆款的“基因”是什么。没有内部数据，没有朋友在头条，我只能像个原始人，用最笨的办法：不停地抓，不停地存，然后拆开看。这感觉就像在沙滩上捡贝壳，试图从一堆碎片里拼出潮汐的规律。
我用的工具很简陋，Python 的 requests 库加上 BeautifulSoup，结巴分词（Jieba）负责把那些标题和摘要切成词块。难点不在于抓取，头条的反爬不算严。难点在于，怎么从海量的、看似随机的词汇里，找到那些真正“起作用”的共性？一开始我试过简单的词频统计，结果排前面的永远是“中国”、“美国”、“世界”这种大词，屁用没有。
得引入情绪维度。我手动整理了一个简陋的“情绪词典”，把词汇分成几类：惊奇类（震惊、竟然、没想到）、恐惧类（警惕、危险、出事了）、利益类（免费、秘诀、轻松赚）、对立类（怒怼、打脸、终于认怂）。然后写脚本，让程序去判断每个热门标题里，这几类词的密度和组合方式。
跑了一周的数据，生成词云图的那一刻，我对着屏幕愣了很久。
那些最大号的、最显眼的词，不是什么高大上的概念，就是“刚刚”、“重磅”、“突发”、“震惊全国”、“轰动全球”、“竟然是因为”、“背后原因令人心寒”……还有大量感叹号，在词云图里像刺一样扎眼。算法推荐出来的、流量最高的东西，它们的“最优解”竟然如此直白，甚至……低劣。我心里一阵反感，觉得这东西真他妈恶心，纯粹是在喂养人性里的猎奇和焦虑。
但下一秒，我又忍不住凑近屏幕，仔细看那些小号的、次高频的词。它们往往是情绪词的“搭档”，比如“震惊”后面跟着“真相”，“重磅”后面连着“文件出台”。这是一种固定的“情绪-信息”钩子组合。我身体很诚实地开始记录这些模式，甚至尝试总结了几条“标题党算法”的雏形规则：1. 前置强情绪词（震惊/突发）抢占注意力；2. 中间插入模糊但具体的信息点（某文件、某名人）；3. 后缀开放式悬念或对立冲突（原因令人心寒、他竟然这样说）。
这算机器学习吗？顶多算特征提取的体力活。但我隐约摸到了一点门道：在推荐系统的黑盒里，能被量化的、最容易起作用的初始特征，可能就是这些最原始的情绪信号。平台算法可能复杂无比，但撬动它的第一下，往往是这些简单粗暴的词汇杠杆。
我把代码又跑了一遍，这次加上了对评论区高频词的抓取。结果更有趣了，标题用“震惊”引进来的人，在评论区里最常说的词是“真的吗？”、“细说”、“蹲一个后续”。你看，情绪被挑起来了，但信息没有被满足，这种“悬停”状态恰恰促进了互动和停留。流量闭环的起点，原来藏在这些让人皱眉的词汇里。
关掉 IDE，天都快亮了。心里那种感觉很奇怪，像是破解了一个低级的谜题，却没有丝毫成就感，只有更深的困惑。我鄙视这套东西，但我花了整整一夜去研究它，还总结出了规律。这算什么？一种数字时代的生存焦虑吗？怕自己看不懂潮水方向，被彻底抛下。
算了，不想了。把今晚跑出来的词云图和几条规则要点保存好，命名为“20170312_头条情绪词模式_V2”。这大概没什么直接的商业用途，它更像是我自己的一剂安慰药——看，我至少还在试图理解这个世界是如何运转的，哪怕它运转的逻辑如此简单直接，直接得让人有点失望。
窗外，城市的轮廓在晨雾中渐渐清晰。新的一天，新的信息洪流，又会诞生新的“爆款”。而我的爬虫，今晚还会准时启动。
