而是直接在飞鸽的客户端内部生成了一个瀑布流式的搜索结果页面。
排在最前面的，是几篇来自于飞鸽公众号里关于“正宗重庆火锅底料熬制方法”的高阅读量图文。
紧接着往下，是辰希手机助手里几款与美食相关的菜谱软件的下载链接。
再往下，甚至出现了几个在飞鸽群聊里公开讨论过“火锅聚餐”的公开群组推荐。
“我们将飞鸽体系内的所有内容资产全部打通了。”张栋在一旁补充解释道，“公众号的文章、辰希助手的应用、甚至是公开的社交群组信息，全都被我们纳入了底层索引库。用户不需要跳出飞鸽，就能在这里搜到我们生态内的所有资源。”
周博士看着屏幕，脸上带着几分自豪：“这在数据接口的打通上费了我们不少功夫。目前关键词的匹配准确率已经做到了百分之九十以上。林总，您觉得这个初步的呈现效果怎么样？”
林辰安静地看着屏幕上的搜索结果，食指在桌面上不紧不慢地敲击着。
他没有立刻给出表扬，而是伸出手，拿过了周博士手里的鼠标。
林辰清空了搜索框里的“火锅”两个字，重新输入了“苹果”。
按下回车。
搜索结果弹了出来。第一条是公众号里关于“秋季吃苹果对身体的十个好处”，第二条是科普植物生长的文章，滑到最下面，才勉强出现了一篇关于“苹果手机系统更新”的数码评测。
林辰松开鼠标，靠在椅背上，目光平静地看向对面的两位技术大拿。
“你们在后端接口的打通上，确实做得不错，执行力很强。”
林辰先是肯定了他们的工作，但紧接着，话锋一转，直指这个DemO最核心的缺陷：
“但是，这依然是一个落后的工具，而不是我要的‘智能引擎’。”
周博士愣了一下，有些不解地前倾了身子：“林总，匹配准确度我们在后台测试过很多次了，字面抓取是完全没有偏差的……”
“问题就出在字面匹配上。”
林辰打断了他，声音沉稳，开始阐述更高维度的需求本质。
“周博士，如果在刚才搜索‘火锅’之前，这个测试账号在飞鸽的聊天记录里，刚刚和朋友聊过‘周末去京城出差’。”
林辰盯着周博士的眼睛：“那么，当他输入‘火锅’这两个字的时候，他真正的意图，是想看怎么熬制火锅底料的科普文章吗？”
周博士呼吸一滞，大脑飞速运转。
“不。”林辰直接给出了答案，“他的真实意图，是想知道京城哪家火锅店好吃！他需要的是京城火锅店的团购优惠券，或者是附近火锅店的地理位置推送！”
“再比如刚才搜‘苹果’。如果这个用户平时在辰希助手里下载的全是数码跑分软件，在公众号里订阅的全是科技媒体。那么他搜‘苹果’，绝对不是想看怎么吃水果，他想看的是iPhOne手机的最新评测！”
林辰手指重重地点在桌面上，抛出了推荐算法最核心的灵魂：
“我要的，不是你们根据用户输入的几个字去机械地翻找字典。我要你们去预测用户的意图！”
“你们要利用用户在飞鸽里的全部历史行为轨迹——他聊过什么高频词，他看过什么类型的文章，他的常驻地理位置在哪里，把这些数据揉碎了，给他建立一个独一无二的数字身份画像。”
林辰看着陷入震撼的两位专家，下了最终的定论：
“我要让搜索结果因为人的不同而发生改变，十个人搜同一个词，我要看到十种完全不同的、契合他们各自内心真实渴望的搜索结果！”
“这，才叫智能搜索。这，才是我们真正能够碾压一切传统搜索引擎的底座！”
办公室内安静得落针可闻。
周博士张大了嘴巴，呆呆地看着林辰。
他在百度搞了这么多年的自然语言处理，一直都在追求提升字面匹配的精准度。
直到今天，林辰用几句话，直接颠覆了他对“搜索”这两个字的底层认知。
基于用户画像的意图预测！
这是真正的人工智能领域的前沿方向！
“林总……这……”周博士激动得声音都在发颤，“这种结合了深度学习和协同过滤的动态权重分配，在算法模型的建立上是一项极其浩大的工程！这需要海量的数据去不断验证和训练模型！”
“数据，我们有的是。”
林辰神色从容，下达了推进指令：
“你们不用在这个实验室里追求完美，把现有的基础架构优化一下，加上用户标签权重的初步逻辑，下周一，直接在飞鸽的活跃用户里随机抽取百分之五，开启灰度测试。”
“不要怕推送的结果不准，让真实的网民去用，去搜，他们每一次不满意的重新搜索，每一次点击，都是在帮我们训练算法。”
林辰看着斗志昂扬的张栋和周博士，语气中透着强大的自信：“放手去测，用真实的数据流，去把这个智能底座给我喂出来！”