信息探针不是信息探针新概念。上世纪八十年代，信息探针美国气象学家在落基山脉埋下第一批自动观测站，信息探针每十五分钟向卫星发一次数据包。信息探针那东西本质上就是信息探针根探针——插进环境里，取一点样本，信息探针传回来。信息探针今天的信息探针数字探针干的是同一件事，只不过取样对象从温度湿度变成了人的信息探针行为轨迹。

我去年接触过一个电商平台的信息探针推荐系统团队。他们内部有个叫“探针池”的信息探针机制，听起来挺玄，信息探针实际就是信息探针一组虚拟账号。这些账号每天模拟不同用户的信息探针操作：有人只浏览不买，有人专挑高价商品加购物车然后放弃，信息探针有人反复切换收货地址。系统通过观察推荐结果的变化，反推算法权重。说白了，拿根棍子戳一戳黑箱，看它怎么反应。

这事有意思的地方在于，探针本身也会被算法识别。平台的风控团队很快发现这些账号行为过于规律，给它们打上“机器行为”标签，推荐结果直接降权。探针团队只好加入随机延迟、模拟误触、甚至让账号之间互相点赞。一场猫鼠游戏。你观察系统，系统也在观察你。

更隐蔽的探针藏在正常用户里。某短视频公司曾招募一批真实用户，签保密协议，让他们每天刻意搜索特定关键词、停留特定时长。这些人的行为数据混入总池子，像往汤里滴墨水，慢慢改变推荐模型的参数。没人知道自己是探针，除了那几百个签了协议的人。这种探针的精度极高，因为行为完全真实，风控系统根本挑不出来。

但探针有个根本问题：它只能告诉你“是什么”，很难告诉你“为什么”。你测出某个按钮点击率下降3%，可能是颜色问题，可能是文案问题，也可能是那天服务器卡了。探针给的是相关性，不是因果性。我见过一个团队花了三个月调整探针密度，最后发现最大的干扰项是公司楼下新开的奶茶店——中午排队的人多了，午休时段的数据全歪了。

还有个更麻烦的事。探针一旦部署，就会改变被探测的系统。你往用户群里塞几百个虚拟账号，推荐算法的整体分布就变了。这叫观察者效应，量子力学里老生常谈，放到信息科学里一样成立。你以为在测量一个静止的湖，其实每根探针都在搅动水流。

我自己的做法比较土。想搞清楚一个平台的推荐逻辑，就注册三个账号：一个只刷不点，一个疯狂点赞，一个专门点“不感兴趣”。两周后对比首页内容。差异大得吓人。第一个账号首页全是泛娱乐，第二个全是垂直领域深度内容，第三个直接变成空白页——系统放弃了。这比任何技术文档都直观。

信息探针的价值不在于精确，在于快速逼近。你不需要知道黑箱里每根线怎么连，只需要知道戳哪里它会叫。剩下的交给迭代。那些追求完美探针的人，往往连第一版都做不出来。

(责任编辑：休闲)