第一次看到Zhu Yilin的演示,是在一个技术沙龙上。他没用PPT,直接打开终端敲命令了,十分钟内从零搭建了一个可用的推荐系统原型。台下有人小声说“这不能”。屏幕上的实时数据骗不了人。Zhu Yilin的习惯是任何概念,先跑通最小闭环。再谈优化。这比读十篇论文都管用的。

想复现他的做法,第一步就是砍需求。Zhu Yilin常举一个例子,有人花两周调参的。

结果发现数据标签错了。所以,拿到任务先问三个问题是输入输出是什么啊?评价指标是否唯一呢?失败成本多高?把答案写在纸上,贴在显示器旁。用公开数据集跑一个最笨的baseline,哪怕准确率只有50%呢?

Zhu Yilin在多个项目里验证过,基线,一旦建立。后续改进才有参照系。这一步省不得。

工具链上,Zhu Yilin有明确的偏好。他不用花哨的框架,坚持“能用标准库就不装包”。数据清洗,pandas足够。更推荐先写几行纯Python脚本吧?弄清楚每列异常值的来源。有一次他处理用户行为日志,发现30%的点击时间戳是重复的,原因竟是埋点脚本重发。脏活,自动化工具不会替你判断。他建议每天花半小时手动检查前100条样本,坚持一周,你会对数据有肌肉记忆。

调试环节最容易卡住。Zhu Yilin的方法叫“切香肠”,把流程切成小段,每段加打印或断点,单独验证。上周有个学员模型loss不降的,Zhu Yilin让他先注释掉所有正则项。

只留最简单的损失函数是结果发现学习率设大了十倍。他常挂在嘴边的话是“报错信息读三遍,比问人快”他坚持写运行日志了,哪怕只是print当前时间戳和很重要变量呢?事后排查,日志能救命。,最后说协作。Zhu Yilin在团队里推行“可复现包”,每个实验必须附带requirements.txt和一行启动命令。代码可以丑,必须能跑了。

他反感过度抽象,曾把一个同事的封装类删掉一半,说“你这不是工程。是迷宫”。自己动手时,他习惯用Jupyter做探索,定型后立刻转成脚本,留好接口。Zhu Yilin的经验是小步快跑。每天结束前把当天代码跑通一次。这听起来琐碎的,坚持三个月,你的项目成功率会明显不一样。