林凡幫她設定廣告偏好，關閉個性化推薦。系統提示：關閉後推薦內容可能不符合您的興趣。
林桂蘭說：“太符合才嚇人。”
張磊的襯衫最後在小號上買了。他收到貨後發現袖口有線頭，立刻得出結論：“便宜也有便宜的報應。”
何苗說：“你不能因為被殺熟，就否定質量控制。”
複試那天，張磊穿著那件 69 元襯衫，外面套了舊外套。周舟見到他時，幫他把袖口線頭剪掉。
“別緊張。”她說。
張磊低頭看著她手裡的小剪刀，忽然說：“平臺能看出我想體面，你也能看出來。但它想讓我多花錢，你想讓我別丟線頭。”
周舟笑了：“這就是人工推薦的優勢。”
張磊把這句話記在心裡，面試時狀態反而穩了。
林凡這邊的敏感標籤方案遇到阻力。客戶說如果不用這些標籤，推薦效果會下降。老闆也覺得不能“過度理想化”。老周讓林凡把兩版模型都跑一遍，一版追求點選，一版加入風險限制。
結果很明顯：純點選模型把健康焦慮使用者大量推向商業理療，把求職壓力使用者推向高價培訓；風險限制模型點選率低了 18%，但投訴預估少了一半。
老闆看著報告，沉默了很久：“點選率低，客戶會不高興。”
老周說：“投訴爆了，客戶也會不高興。區別是前者少賺，後者賠錢。”
最終方案折中上線。不是完美，但至少把最危險的幾類標籤從商業推薦裡剝離出來，增加了畫像檢視入口。入口藏得不算淺，但存在。
林凡把這事寫進雲啟未來報告。評論區有人說：
我不怕平臺知道我喜歡什麼，我怕它知道我什麼時候最軟。
這句話被何苗圈出來。
她說：“這就是問題核心。”
晚上，白板上寫：
資料越多，普通人越透明。
張磊補：
透明的人，最怕遇到會算賬的系統。
何苗寫：
脆弱不是營銷入口。
林凡最後寫：
推薦可以懂興趣，不該利用軟肋。
他關掉燈時，手機又彈出一條廣告：
面試季必備，三分鐘打造高可信形象。
。了笑，眼一了看凡林
。試複了過衫襯元 96 著穿天今磊張，道知不還統系
。裡表列薦推在不，面些有
