工程师是负责把公司产品打造出来的角色，涉及到方方面面的工作，写代码，架构设计，规范制定，质量保障，进度把控，方案权衡，制度建设，上下游沟通，多团队协作，业务理解，问题定义，中长期规划。

　　程序员则是更纯粹一些的角色，就是通过写代码进行创作的人，与作家、画家、木匠、铁匠类似的角色。

　　早期只有程序员没有工程师，因为程序是一批嬉皮士的玩物，还没进入工业化批量生产。

　　现在可能只有工程师没有程序员，程序成了工业化社会中的一环，现代软件产品大多都需要作为一个工程去由一个团队实现。

　　理论上程序还是可以脱离工程存在，作为一种创作介质，程序员可以独立创造属于自己的作品，它的自由度很高，可以是引擎，工具，语言，游戏等，但它的空间越来越小了。

　　在微博上看到蔡学镛发了句话：“你总是看大量的信息，你以为你热爱学习。但事实上，大脑本身就喜爱被信息刺激，这跟你是否热爱学习无关。真正判断是否热爱学习，要看是否喜欢动脑思考，大脑本能上并不喜欢思考，因为太消耗能量和时间。 ”觉得挺有道理，对于信息和思考，想再写两句。

　　我们每天摄入的信息是同质化的信息。无论是刷微博，头条，知乎还是抖音，在这些平台上能获得的信息都是同质化的，你会固定关注一群人，机器推荐也会推荐你喜欢的内容，固定的信息样式配合每天新发生的事情，看起来每天看到的是不同的信息，实际上是一套样式翻来覆去，并不能得到多少有价值的信息。

　　可以把世上的信息分成三种，第一种是直接以文字等形式在网上提供的信息。第二种是虽然相关资料在网上能找到，但需要自行进行加工处理才能得出有用信息。第三种是网上找不到，只存在于一些人的脑里的信息。

　　这三种信息稀缺性递增，价值也递增，第一种是当下最廉价的，价值也是相对较低的，而我们每天刷的就是第一种信息，而且是这种信息的一小部分。

　　要想获得更多有用信息，就要多获取第二种第三种。第二种靠思考和输出，对获取的信息多进行整合思考得出自己的结论，第三种靠人脉关系，很多时候关键信息都掌握在少数人手里，这些少数人并没有什么动力去把这些信息公之于众，需要多跟不同的人、重要的人交流和发生连接，获取只存在于他们大脑里的信息，这也是人脉的价值。

　　对于思考，王兴说：“多数人为了逃避真正的思考愿意做任何事情”，可能真是因为大脑思考太耗能量了，本能上不喜欢，思考如健身，要想长期保持或喜欢上思考，一靠习惯，二靠长期激励（对其带来好处的想象），三靠即时激励。若思考能经常即时带来好的反馈和刺激，可能有助于形成习惯，写博客这种古老的方式算是一种即时激励方式，把虚无缥缈的思考变成看得见的东西，有创作的感觉，满足表达欲，若其他人看到能有互动就更好了。

　　现在很多“智能”，是普通推荐算法借深度学习的风包装的，核心也就是决策树/随机森林/SVM这些90年代已经提出的算法，我们这里的实践也是这样。在用户端上，智能应用最广泛的目前两个点：个性化和多媒体识别，我们主要实践是在个性化上，从原来所有用户都用同一套或几套规则，换成根据推荐算法给每个用户制定符合他个性化特征的不同规则。

　　实际上简单的个性化推荐也可以认为是规则，只是这个规则很复杂，里面的if/else/权重/概率计算不是人工写的，而是算法算出来的，大多采用监督学习的方式，这种需求大体实现步骤是：

　　金额推荐概念很简单，我们作为理财业务，有很多场景是需要用户填入金额的，例如工资理财（每月自动把钱存到理财），小星愿（许愿存入钱），基金定投，各种理财产品的购买等。目前这些填金额的地方不是空着，就是有一个固定的默认值，金额推荐想根据每个用户的情况给推荐不同的金额，可以预填进输入框或出提示供用户选择，提升体验，甚至做出一些引导提升客单价。接下来套在上述步骤里来看下大致实施过程。