全文8848字，适合以下群体瞄一眼：还没入行/入行不久的从业者、忙着996前后台程序员、初高中/技校/高校生（刚学了一堆经典算法的）、无聊的产品、手里还有闲钱的土豪、IT公司老板、比较闲的码农......
不****适合以下人群观摩：正在做推荐产品的大佬、PR精英、流量分发渠道的从业者、忙着编新鸡汤/养生/谣言/段子的内容创作者、福建卖茶叶的、莆田开医院的......
正文各段内容基本上没有前后承接关系，跳着看没毛病~
这个话题很早就想写，因为最近一直在降温，懒癌频繁发作。不过这几天突然意识到，如果再不写，很可能就跟另一个话题一样不知不觉就没人感兴趣了。对，这个另一个话题，就是团购的那些破事，哈哈哈~
是的！你又猜对了，今天就是要说说打着精妙算法旗号从事疯狂卖流量分发买卖的那点儿破事，扒一扒他们的纯羊毛比基尼丁字裤。
郑重声明：以下观点与某条、某呼、某瓣、某狗、某狐、某猪、某壳、某FM、某树、某米、某看等等等等等等均无任何关系，各位请不要随便对号入座！拒绝碰瓷~
[新闻联播语气]各位观众，各位观众，也许您刚刚打开app，在这个2019年就快要玩完的伟大时刻，冷不防一回头，尼玛蓦然发现如今的内容推荐大佬都开始不提推荐个性算法这几个字了，这究竟是怎么一回事啊？啊啊[5毛回音效果]
[男主持]在这辞旧迎新的伟大光辉时刻，在我国即将全面奔向小康的deadline的前夕，还有大量坚守在工作岗位的同志，他们仍然在悄悄地爬着互联网的网页，他们仍然在偷偷地卖着隐私数据，他们中有些人不声不响地就做起了游戏实业......当然也不要忘记那些脸上充满正义，996地忙着割下岗再就业人员韭菜的精英教育群体...
[女主持]但依然还有一大批农民工程序员兄弟姐妹，一脸喜庆地拿着各种刚被收录的论文和刚刚到手的专利申请号开心地吃着火锅唱着歌，开心地吹旺了自己屁股底下熊熊燃烧着的木炭...
[群演齐声]他们无非是为了能在年终总结上留个好看点的KPI啊他们无非是为了能在投资人看的报表里面涂上浓妆的一笔啊无论怎样，只要有点东西可以看，那也是极好那也是是极好极好地啊~~~
[提速50%念白]以下是本期走进玄学的主要内容...
[大夫]“别闹了好不？乖把药吃了”
==================以下是正文=================
在2019年有个明显的变化，平日里主打精妙算法的那几家，突然就都集体性不吹NB了。这就让新入局的帮派团伙和一部分已经/即将缺钱的小分队头目的头很大。经济大环境如是，川总经理还在砸盘，50年一遇的世界经济寒冬，地主家余量也不多。但是不吹怎么有米开锅呢~
先粗略地回顾一下内容个性推荐类产品的发展历程，把时间稍微回拨一点点，都不用太远，差不多2x20年就够了。也就是重点看看1980->2000->2019之间有啥变化。
只要是平时稍微接触过一点研究性质、看过点行业总结的，或有一点统计学背景的都不难发现：好像、其实、原来推荐这活儿并没有出现过划时代的大改进。改变的只是运算能力和数据处理规模，也叫算力。以前需要打报告排队才能用的贼贵贼贵的超大型机才能处理的事情，现在只需要买一些内存条、买一堆台湾省出品的高档显卡就可以了。除此之外，还真没什么更值得注意的地方了。
也许有人会说，算力提高了，这就是革命性变化嘛！但主席也曾经反复说过：算力是进步了一些，可算法本身并没有进步啊！可是，这仍然不妨碍圈子里一浪接一浪地追、捧、吹的热情。
比如，大家去理发店，基本上遇到的每个tony总监都会在用仔细热风吹一番、打点发蜡之后才跟你收钱，很自然的还会推荐一些新的消费项目，同时也会不小心地披露点隔壁店新进的洗发水是某小厂勾兑的闲话。
同理，做内容个性推荐产品的大小公司，那也是得先热风精吹才好意思收钱。而且还是吹的越好的，越能赢者通吃。也只有第一批使用了新算力新技术架构的，才会腰包鼓鼓，才敢内裤外穿，并持续受到各方追捧。第二批、第三批以及还在后面刚爬过起跑线的，可能都无法察觉这风里已经混有淡淡的屎尿屁的气息。
至于那些隔一阵子出来吹一会的，那只是钱又快要花完了，出来重新化个缘而已，自身的业务收入还不足以养活全家。
于是，一直都有人狂提算法，说我有一条祖传的神秘算法想与你分享，丝毫不提流量分发运作上的那些潜规则，这也就导致了吹NB的同质化！没办法了，那只能上新名词了，比如偶尔喊一嗓子：走过路过不要错过，我们这回也搞一个耗资xx亿的扶持xxx的伟大计划了！反正说多少个亿都行，无非是左手倒右手。如果遇到有人质疑分配内幕，那就直接来个论文里常见的计算空间变换大法，来个矛盾大转移！比如直接喷BATSM，打开字母表，26个字母随便选1个，那都够喷上一阵子了。时间一长，自然大家就不记得你到底付了多少钱~
君不见，凡事只要加上个性俩字代推荐这俩词，立马都好听并且高大上，比如个性化绕路地拼车，个性化随意地点餐，个性私生饭付费地音乐打榜......
至于吹这个动作到底在向谁吹这事，说起来有点好笑。这个对象，其实从来都不是使用个性化产品的用户，也从来都不可能是用户，资本层面才是！推荐的东西用户认不认可并不重要，有没有营养并不重要，只要能换到银子或者在换到银子之前能得到资本层面的认可，那就行了，核心对象就在这儿！
至于前面说推荐点啥都不重要，为啥呢？你看啊，对某个话题，看的人和说的人多了，大家自然觉得这应该是个有共识的热点，期待反转，你只要能比别人早看几分钟到并转发以下，基本上这就是非常有个性的事了！如果还能产生持续传播，又可以反过来产生一个莫名其妙的自豪感。可是，是不是有点觉得觉得哪里不太对？这好像是一个很典型的流量分发过程，并不是海报上雅黑体大写的个性推荐这四个字啊？嘿嘿嘿~
长江后浪吹前浪，前浪刚死在推荐上~
先请仔细想想，是不是？
严格来讲，搜索和推荐，在技术使用的层面上，其实并没有太大的区别。此观点不接受任何反驳~
你看，现在搜索公司做推荐、推荐公司做搜索都是非常常见的。区别只是每次他们都只强调一个而已。前者有很多成熟的例子，比如深度参与了治疗魏xx同学的某度...后者就更多了，懒得都提，比如差点把人家服务器爬到流量欠费的某条...
你瞧，单单考察下大家用这2货的方式和姿势，都是给个激活动作（输入几个字或者屏幕上随便划一下），就拿到一串东西可以看，对不？没啥区别嘛！
再瞧，推荐算法里面的评估流程是在调整些什么？搜索算法里面的过滤步骤又是在摆弄些什么？搞不懂没关系，只要知道知道结论就行：没啥区别！
再比如，大家都在用的音乐、图片、视频网站和app，那都是怎么搜或者荐的？那些东西的主要流程可都是基于文字做的！感觉不对？别急，往下看。其实，只要是在音乐、图片、视频周围出现过的，无论是看得到还是看不到的文字，只要是文字就都贼好用，如果还有评论去文字则更妙。S*B*会才费力去提取什么声音、视频、图片里面的特征要素，服务器全功率跑的电费不用给钱啊？交这些电费还不如挖点矿换几个xx币划算呢！对外宣传那只是宣传，说的要跟作的严格区分开，对不对？谁还能去你家机房检查？而且，坚持多用文字因素来计算，最好影响占比要超过50%才好！这么做非常方便随时插入手工调整嘛！至于为啥要调整？嘿嘿嘿~不调整，怎么卖TOP列表，怎么卖榜单啊！
是不是商业模式也一模一样？
更重要的来了：在资本方眼中，搜索是一个独立概念，推荐是一个独立概念，是要分开来计算(收入)。也没啥特殊原因，无非是这两个概念目前分开来读更值钱，更有话题带入感，嗯，就是要带感。有话题才能有韭菜，有韭菜种子了才能有下一波韭菜，韭菜多了才能割嘛。对吧！资本大佬从来都是这么讲道理~
不妨再看个例子。在某宝某东上面搜败家宝贝儿的时候，你在做的事情是叫搜索还是推荐？等等！你为什么举这个例子?还不是因为大家都知道，想上某宝的搜索商品列表，那必须先买一个叫搜索服务的东西才行。而这个过程刚好也可以叫个性化推荐（至于是谁的个性，这不重要，就当是埋了个伏笔，没明白的同学不要急）。反正排前面的商品可能跟你输入的关键字完全无关，你看，这根本不是搜索哈。你再看看朝天盛世里几大搜索引擎吐出来的首页，排前面的那也都跟你输入的没算关系嘛~
而且，瞧瞧都是什么人在这俩行业里打工。翻来覆去还不是那几个？马不停蹄地从一家公司跑到另一家公司，大家一碰面，哎呀妈呀~咋有点眼熟！嘿嘿嘿，同一个地球，同一个宇宙！
大家也都知道，把一个已经透支的商业模式换一个称呼继续，通常也并不能持续多久。所以，大佬们才会匆忙地把流量兑换成现金，又匆忙地把刚拿到手的真金白银换成别的玩意，比如看起来更能保值的其他公司和理财产品。
嗯，类似的还有个例子叫新能源汽车，明明都是电瓶车，非得加个新能源三字才高大才有补贴赚嘛。至于大家买不买账，请看下面配图文字：
非常不突兀地插个小故事。以前高草在每年面试毕业生时（本科、研究生、博士混面），都会看看他/她简历里面提到什么算法，随便挑2个来问：这个算法的优势在哪里？或者这玩意在什么领域是不能用的？各有什么优劣？基本上在这个问题上答不好的，我都当场直接放弃。因为，即使给他们过了这一轮，后面一般也签不下：做内容推荐产品的公司普遍买价更高，唉，这样的人材都不便宜哈！
本草固执地认为，伟大的产品必须是开创了某个领域，或者扩展了某个原本都不存在的市场，或者是第一个在新地盘抄成功的东西。但凡是在还在现有场景下还拼刺刀，拼谁的血多抗得住的都不能称为伟大的行业。
你看桥不湿同学，当年一不小心就把挪鸡鸭的砖头变成了一块带大屏幕还易碎的板砖，虽然除了打电话不好用以外...嗯，还挺好看的，但这才叫革命性的进步。后来挪鸡鸭也做了智能机，在打电话功能上继续秒杀了桥不湿同学( 的板砖)，但这个只能叫改进。继续列几个能叫伟大的例子：Yahoo、Google、Amazon、ebay、阿里、blog、微信带火的二维码还有自带BGM的摇一摇、电驴、联发科的手机集成方案、朝天盛世特有的短信SP商业模式...以上都是具有划时代意义的东西。
不难发现，现在市面上真正在赚钱的内容推荐产品其实并多，即使是还在赚钱的大佬也纷纷在默默数钱时嘀咕着：鬼知道还能数几天？因为一不留神，可能因为一个政策问题没把握到位而关停，还可能因为高层次不可抗拒的收编行为而改姓，也可能是资本方抱团娶了一个更乖的团队而裁员......
个性推荐的日子不好过并不是第一天才有的。过去几十年年年都是如此。只不过从各领风骚两三年逐步在变化到各领风骚几个月，未来搞不好会只有几周。参考一下游戏行业目前的局面。他们从只看年均指标，到月均指标，到周活，到开始拼日活甚至白(天)活/夜活才用了多少时间？
所以，随便找个理由，A捅B一刀，抢走一批订单和用户，B再敲回A一棍子，顺便拉回点收入，A挖个大坑埋了B嫂子的一双大脚，B又打开冰箱扔了一坨硬邦邦的屎砸了A馒头大包，A挖了B几个工程师，B又挖C几个工程师...
早年重点吹算法多精准多NB的，多能节省人力的，眨眼之间，就都纷纷开始悄悄地拼非算法类的人力消耗了。A招100个，B就招101个。反正工资越给越低，用的人也从名校博士研究生一直下降到外包公司定期补给。原因其实也很简单，所有的算法一旦真的跑起来，想继续用下去，最后都逃不脱人工调整的这个环节。过去没有一家例外，未来也不会有例外。但是没有人去公开这个机器算法/人工的配比比例，一套系统到底该配多少外包最合适？就是不说，想知道？去看财报嘛！都在默默地换人，至于最后究竟是算法在主导还是人工在主导，这也许永远都是个迷。套一句流行语：我觉得吧，这事儿特别摇滚！
也许，到最后：
前面说过算法上没有出现革命性改进。据高草的长期跟踪，基本上想都不想就直接反驳的，差不多都是刚刚看了本中文版畅销教材，好点的是翻了本翻译教材或几页外文论文的（也许他刚刚才跟老板打了个报告，认为此处可以投入一点点重金尝试一下）。但凡从业超过10年的，第一反应基本上都是先沉默...
“个性推荐”这个广告词的作用，依然还是体现在广告词这三个字上面。好在现在有了个广告法，不允许过分夸大和过分美化，否则还真难想象说了几十年的个性推荐会给改成什么高大上的玩意~
划重点：目前您看到的几乎所有的内容个性化推荐，依然还是个伪命题。
首先，这是由算法的局限性带来的。无论是公开还是私底下，高草都不止一次强调过：推荐算法并没有本质性的改进过，改变的只是算力而已。而最理想化的，应该是每个用户都有一个独立推荐“大脑”。
也不难发现，目前所谓的个性推荐依然还是在努力地做好两件事：
随便给你分打个标签/做个分类，解决可以丢到哪一小撮用户群里面合适的问题；
随便丢点东西给这个一小撮用户群，随便看看就行；
如果上面过程不理想，那就随便再来一次；
这里有2个字比较刺眼："随便"。懂一点算法的，无论什么算法都行、AI、DB、DM、C++、哪怕是正在7天连锁学Py和JS的都行，可能都首会先对随便2个字表示抗议。但，别急~
如果你是能接触到推荐类产品的真实业务数据，或者在这个圈子里混的够深、而且够持久，也看过原始、未经过美化处理的对比数据，我相信你会同意这个说法的。
无数的实验都表明，目前我们所广泛接触到的各种推荐算法，在用户基数足够大的时候，其实和直接按照自然访问次数列表分配，在总体表现上并不会有太大差别。也就是总体上去看，去看那个所谓的全局"准确率"，精妙的算法和随便点一下并没有显著化的差别。
这个事实可能有点不太好理解。对一个普通人来说，给你几个百分点，感觉上可能并不会很明显。就比如今天早上喝了碗豆浆，比昨天多了5%，原因是老板手一抖今天碗里多了5%。这对于一家街边大排档来说，多5%（利润上）并不会有多大影响，甚至多送1杯（100%）都不是什么大事。但是，对于拥有海量用户的互联网产品来说，每个1%的改变，都是会直接影响到对应的AD条目的打开率和变现率的。请注意，这里提到的一个G点：AD条目而不是推荐的内容，虽然有时候内容本身也是广告！再通俗点：这1%的改变很可能恰恰就会影响超过50%的广告收入（就好像卖豆浆的老板实际上是搞传销的），也就是表面上区区1%的提升，其实背后代表的很可能是kw起步的真金白银。它隐含的是由此带来的人民币或美元收入的杠杆化操作，是一个几倍甚至几十倍的操作，好像有点拗口，不理解的不妨反复看几边。
这样，逻辑清晰点了没有？您个人的1%，经过海量用户的整体叠加加成后可能就是50%+了！而且是被偷偷换了个概念。所以，每个1%都会很重要！所以，为什么拼命吹精妙算法的就会有内容生产厂家的流量加持，就会有市场的追捧，这样不难理解了吧。
重复下：剥去皇帝的新衣，您看到的个性推荐与您的个性无关。通过改变内容来改变分发的流量，从而改变收入的提升比例，这才是影响内容推荐质量和准确率的根本所在。而且很不幸，几乎所有公司都在这么干。所以，以后再看到个性推荐，可以隐含的加上一个限定：个性化广告推荐、个性数据大买卖~
为了显得不那么生硬，稍微多说一点技术上的东西。大家一般称基于看过的东西去做look-like的事情，就是所谓的个性化推荐。可见，底层基于的是一个叫look-like的破逻辑，对！就是看起来像！于是，个性推荐其实只是给你一大堆只要看起来跟你看过的东西有点像的东西就对了。前者一般是用来做训练的，是旧的是死的数据，而且也不用过多考虑到底是仔细品鉴过的经典，还是手误点了一下，还是才看一半就能开杠半小时的，反正看了就是看了。您看过的这个动作，这是个黑历史，而黑历史是改不了的！
于是有人就会说，这么推荐肯定不准！别急～那不是还有个赞和不赞的选择按钮吗？您连点都不点一下，精妙的算法肯定不知道您其实原本是不喜欢的！这时候就必须要强调算法不是万能了！神马？你前面不是一直说算法很牛逼嘛？算法比我更了解我自己嘛？说说而已，你还真当真了！
至于您真的去较真了一下，没事找事真去点了，甚至点了好几次不喜欢。结果伤心地发现，你看到的内容好像根本没啥变化，这又是为毛啊？嘿嘿嘿如果说点一次和点了几次，其实根本都没啥区别，你信吗？为啥？麻烦往前翻翻：对于平台产品来说，你这个不喜欢如果会影响到收到银子的重量，那这个不喜欢的操作就必须被弱化掉甚至直接忽略掉。哈哈哈嘿嘿嘿~吐血了没？
至于谜一样的旋转跳跃(我)闭着眼重复又重复出现的广告，这玩意上面的不喜欢按钮，一般只是个装饰品，加上去只是为了好看一点，有个UI设计湿说，俺们有个原则叫视觉平衡感
其实，市面上也并不缺乏真正做个性推荐的东西，但是基本上都活的并不是很好就是了。再次强调：个性推荐产品也并不是只有段子、新闻、谣言、弱智GIF、搞笑视频这些。还有很多普通人不会留意的东西，却是切切实实在用个性推荐的技术。比如，保险和信用卡公司背后的审批逻辑和系统，比如您手机上收到的垃圾短信、那些不请自来的各种AI和纯人工骚扰电话......
先讲个小故事。很多年前，在高草还在每天忙于跟垃圾邮件死磕的时候，有个产品同学突然杀到面前，问还能不能提高拦截的准确率？我的回答是：那必须可以，在哥们儿这里就没有做不到的事。但是代价你不见得能负担得起。
原因很简单，拦截垃圾骚扰这事是个非常个性化的东西，也许一个推销茶叶的小广告、一个办证的小广告，有人就会觉得挺好，他碰巧就需要这个你还能有啥想法？但另一个人则可能看了就骂：又是卖茶叶，卖茶叶死全家！所以，仅靠通用型的全局化的引擎，必然无法照顾到个性化的多样需求。那怎么才能满足产品的伟大需求呢？不妨推演下，那就是需要每人一个引擎！这个代价严格上来说并不是很高，堆点服务器就可以。但是，对于一个n年都不赚钱的纯消耗部门来讲，想一下子就要上架几十台甚至上百台很贵的服务器，审批都能批死你。
解释完了，高草一脸坏笑地问：如果你能帮我申请来这批服务器的话......嘿嘿嘿~后面的自然就不用多说。
故事讲完，总结下：这里貌似只是一个被实现代价拦住的小小问题，但其实并没有根本性解决好个性化需求。还是用茶叶广告举例：推荐引擎无法知道他明天变成讨厌茶叶的可能性有多高！不知道明天他会不会突然就不想买茶叶了，说不定想的是中午要不要吃个茶叶蛋或者水蒸蛋。所以，当时很明确地说能，其实根本上是做不到的，根本就是个伪命题。
继续解释，单纯从算法上来看，目前的算法仍然还是一个计算通用型计算可能性概率有多高的东西，本质还是一个如何逼近，还是个拆分成一系列是和否的老套路老机制。几十年来改进的地方也并不大，早期是2个分类：是与非。早期很可能10个人觉得对等于1个对 ，1个人觉得不对等于1个否，后来改成了0-1之间的概率计算问题（也可以是-1到+1），再后来又改成了能支持几个分类之间的0-1概率问题，仅仅是能支持的分类数量越来越多，仅此而已。
也许有人会问，为啥一定要有分类？就不能模糊一点？答案是可以模糊，但是再怎么模糊，回到计算能力上，都会被分类总数和数据总量给局限住。还有，业内所谓的各种标签也都是分类的一种。再翻译下，就是受限于芯片性能这个确定性因素，所有的推荐结果都只能在自已知结果（分类）里面，去寻找一个看起来比较像的区域，在里面"随便"给一个或一串结果作为答案而已。是不是又有点懵？别急，还有~
对一个充满了不确定性的问题：今天该吃点啥？或者怎么才能恶搞我对面的家伙？返回的永远会是几组大家都吃过或者玩过的小把戏，就是一组确定性的玩法：玩过的人很多的玩法列表。而且用户基数越大，通过一系列确定性估算的叠加，最终所算出来的分类集合只能越来越接近用户之间的共性！也就是最多人爱吃啥，大家最爱玩的恶搞手段是啥！而这个过程，以前叫推荐，现在却被叫做个性化推荐~
所以，所有能被广泛接受的个性化内容推荐产品所产生的内容列表，必然会是标题党、突然新闻、惊悚谣言、段子、搞笑视频、养生鸡汤这些，不会有别的！这里，不妨向从业者问一个问题：上面提到的普遍性困局，只靠过滤和不停地添加反面标签就能解决掉嘛？能嘛？不能嘛？...
必须强调下，这里说的伪命题，并不是否定个性化推荐本身。高草否定的只是这些打着个性化推荐旗号，做着传播利益最大化事业的，忙着数钞票的从业者(们)。其实，真正的核心从业人员，他们心里是很清楚这个现状的。
还有一种常见的反驳说法，说推荐的不够准，那一定是数据不够多的锅！所以，得拼命往里面加隐私(啊不~加数据)啊，神马2、3、4、5、6、7、8、9度关系都得加才行。比如你领导的邻居的姥爷早上转发过啥养生鸡汤，隔壁妹子给哪家餐馆的卖奶茶的帅哥点过赞，刚刚擦肩而过的大娘手里拿着几头大蒜，都加！都得加...
很可惜，即使这样做，最后算出来的仍然只能是把一滩屎比较充分切均匀地搅拌在了一大坨泥里面(优化1万次也是一滩稀泥)，然后在稀泥里面随机挖一勺。
如果再继续深究，在目前所有能看到的算法上，无论是线性的、曲线的、曲面的、变换到其他计算空间的、还是到现在都没人能解释出具体含义的n层平面网络之间那个神秘关联性到底是啥玩意的...在本质上看都是在寻找一个概率值最大的点、分支或者区域。无论大名叫因果说法、逻辑推理或者其他神马玩意，无论表现上是个树状、网状、环状或是3维、n维结构的，几轮narrow down下来，也许真正个性化的东西刚刚就被你给忽略掉了。统计学上，这个可能性也许只有0.001，可是当基数足够大的时候，这个0.001对某个个性领域的影响很可能就是99%。很可惜，受限于数据规模和运算规模，前面的0.001在迭代过程里是必须被丢弃的！而且，这也并不是运算精度的锅，并不是算力的锅，是现在的各类逼近算法自身的锅，算法仍然不够精妙！有些推荐结果看上去结果不错的还是个黑盒结构（不知道为什么能用）。
再看，针对一个正等着被推荐的特定个体来讲，它下一步的真实可能性也许同时存在于几个点、几个区域里面（不是量子概念哈，表弄混），甚至包含在未知领域里（算法未接触过的数据），甚至就在概率计算出的相反（距离值很大）区域里。仅仅靠目前的这些改进了计算性能的算法，怎么可能计算的出来？这也叫多样性，是大家头疼了几十年都没被解决掉的东西，是目前个性推荐仍然无法彻底绕过去的要命的地方。
在解决这个要命环节的办法里面，目前能看到的，都是继续在一大堆确定集合里面继续试图多给几个概率值也很大的区域。我国朴素的古人也早就说过了，这揍丝刻舟求剑嘛相信到这里已经有不少人迷糊了。没关系，这段不重要，不重要只要记住大家目前的算法还不行，就可以了，哈哈哈~
珍惜生命，珍惜脑细胞，别瞎琢磨了，就此打住哈毕竟还有几天，咱们伟大祖国的全面小康就要实现了灭了哈
展望一下即将到来2020年：既然大家的目标都是奔着流量去卖的，都是奔变现去的，那就大方一点，该卖关键字就大大方方的卖，该拼TOP列表的就大大方方的拼，不必扭扭捏捏指鹿为马，既想做那啥又想盖那啥，别等到花大心思盖好了牌坊，结果游客都走光了。
