另外吐槽下，国内版权方提供电子版出版物时候大多很敷衍的，也不会做太多修改，甚至说都不提供电子版（特别是音视频），有些还得平台方自己抓，所以很多信息都是缺失的，比如音乐专辑信息……

LZ 想多了，版权问题是不诉不理的。

一般电子书平台批量买了某家书版权后，会要图书的电子版做再加工，校对等工作是反馈处理的。而对这种声明信息一般不做修改就直接上了。

如果这书真涉及盗版，图灵社区可以直接告平台的，和消费者没啥关系。即使涉及版权纠纷下架，消费者只要申诉要求退款就好，并没有连带责任。

音视频版权同理。

My First 5 Minutes On A Server; Or, Essential Security for Linux Servers
https://plusbryan.com/my-first-5-minutes-on-a-server-or-essential-security-for-linux-servers

Securing a Linux Server
http://spenserj.com/blog/2013/07/15/securing-a-linux-server/

别想了，金融管控比互联网信息管控容易多了。要不历史上也不会出现双标卡这种奇葩玩意。

配色问题，建议找个配色网站挑一套

不用白费力气了，简单的事件，参照当年 3Q 大战时 N 多人转战 MSN，等事件平息后又都转回 Q 了

IM 的粘性在于大量线下熟人关系的线上迁移，迁移越完全，服务的二次迁移成本就会越大。
这就好比当面没有移动互联网时代你换个电话号码，想想你得通知多少联系人，同时每次换号丢失多少联系人……而这还是在同一服务网络协议下，仅仅是改了个映射……

在中国 MSN 干不过 QQ 微信，在欧美微信干不过 WhatsApp，这个跟产品本身好不好用已经关系不大了。先发优势一旦形成，后进场者弯道超车机会不大——当然，微信怼手机 QQ 除外，那是自家兄弟打仗。

@Phariel 这个靠谱 233

渣浪 SSO 登录这块就是个大坑，前段时间博客登录都挂了，微博跳博客进不去，233

QQ cmd+n
微信不想折腾多装几个浏览器开网页版妥妥的

当年用 Win 时候去广告的招，找到广告请求，屏蔽。

@nVic 是的，但考虑到国内国外一起用，所以建议了 OneDrive （虽然这货国内也经常抽风）

讲真，office 类的文档，兼顾文档兼容性、安全性、远程协作性，现在国内网络环境还没特别好的解决方案。除非自己架设企业服务器了。

特别不推荐石墨这种，是因为：
第一，我信不过国内做 SaaS 这帮人的操守，文档安全性不能保证，特别是做产品原型之类的，涉及到公司机密，更不应该随便放在这种服务上。
第二，我曾经遇到过有朋友全公司用石墨，因为服务挂了，本地又没备份，导致大半天没法进行工作的，感觉特别耽误事。

如果合作双方有些计算机网络操作基础，我宁愿 Gitlab+Git LFS 解决，不过成本会高很多，但胜在安全……

@lmmortal 本地存一份，副本放 OneDrive，给老板看。

我觉得纯云端文档的解决方案都不靠谱……还是宁愿本地+网盘

据说 Facebook 到现在还会模拟低配慢速使用环境做优化，这如果是真的，真算是业界良心了。

@sinxccc 其实不然，一个是你能收集到的垃圾信息样本量不一定多，模型训练效果就会受影响，另外一方面，大多公司购买这类三方黄反服务最大的顾虑是自身内容会全部暴露给三方，交互内容的量级是可以反推出很多结论的，比如日活量级、内容偏好等，所以很多公司都会有顾虑想这块自己做，但自己又不一定能做好，这就是死循环了……

还有补充一下：
黄反这种一般都跟审查相关，有一些敏感词的第一手资料其实是跟 ZF 走的比较近的公司或者大体量公司才有的（比如 BAT，家门户、搜索公司），所以词表的维护上一般公司其实是迟滞的、后验的，很多踩线问题后知后觉结果被 WJ 抓到就得被去叫喝茶，严重的被下线服务被整顿甚至关停都有可能。
我朝黄反的红线基本上是涉政 > 涉暴 > 涉黄，这点必须清楚。

另外，黄反在运营层面的重要作用是为了避免垃圾信息干扰正常运营，但运营其实对这块的要求大多很模糊，原因很多，比方说上面我提到的 KPI 导向……所以这块也得留出余地来，否则惹的一身骚，出力不讨好就难受了。

说到这里多说两句吧。因为工作关系做过一段时间反垃圾的产品工作。

最先必须认识到一个问题：黄反过滤其实是一门技术加运营持续投入的工作。

首先看量级：
如果内容量级不大，怎么都能搞。网上找或者找关系找到一个比较新的几万几十万敏感词的词表 loading 到内存里，起一个 server 直接判断过滤简单粗暴，但有效——当然，错报和漏报率肯定也不会低。
但这种方法一旦遇到变种或者量级一大就不管用了，错报、漏报率会蹭蹭往上涨，如果自己人工加规则，跑到最后自己都会疯了。
如果量级大到一定程度，就得考虑长久的黄反策略，什么贝叶斯过滤、回归聚类、机器学习都得往上怼。

再次看业务需求：
业务方涉及到的仅仅是评论内容，还是说有大段文章内容。对黄反实时性要求有多高？错报率和漏报率容忍度有多高？这些直接影响着产品技术策略。
还有就是有没有富媒体内容，比如评论带图带视频，那就不单单是过滤关键词的问题了，还得有图像识别黄反。
另外，业务层面要不要求留有余地，比如 KPI 向的允许一定擦边球存在，所谓水至清则无鱼……运营人员很可能不希望你赶尽杀绝呢 233

最后讲策略：
UGC 内容在大面上策略无非是先审后发还是先发后审，这两种的产品策略是不一样的，而且需要按照上峰要求调整。所以产品设计上要留有余地。
另外，因为任何机器算法都做不到极高的准确率和覆盖率，那么错报、漏报肯定是有的。
目前大量级的产品在黄反层面绝大多数是靠机器初筛+人工二次筛选，特别是图片视频黄反，单靠机器比文字黄反难度大很多。
还有就是在产品策略上增加举报按钮，让用户协助完成黄反的前端自审核。

以上种种，就是一些经验之谈。
正因为黄反工作其实是比较严肃复杂的工作，这也是为啥我建议一般企业直接买稳定的三方黄反服务的原因，持续投入成本其实很高，且这部分工作有时候在公司级别是不太被重视的，出力不讨好，没问题时候没功劳，有问题就找你麻烦了（比如杀多了 KPI 指标降了啊，漏报导致踩红线了啊……）

三方服务吧，安全省心，自己折腾维护成本太高。
比如网易易盾云安全解决方案还不错，老牌的也有一些，搜搜不少。

不过说实在的，现在市面上的商用解决方案对火星文这种特型垃圾评论效果都一般，其他还行。

@nikoo Spotify，Pandora