马飞没有把“全国中文网页搜索”写得像已经存在。他如实说明，这是一项小规模公开信息检索实验，目前不对外提供服务，不保存限制目录内容，愿意接受站点管理员的抓取时间与范围要求。

网络中心回复：

实验室和公开论文目录可以保留。凌晨一点到五点访问。

这封简短的许可，成了星辰科技第一份数据边界记录。

对方还附了一份公开目录清单，列出十二个允许访问的路径。按清单抓取以后，程序不再浪费时间猜测哪些页面能进，五小时里有效页面比例反而提高了一倍。马飞把节省下来的电话费算给苏雨桐看，她只在旁边写了一句：尊重退出也能省钱，但别把省钱当成尊重的理由。

到4月底，本地语料增长到六百二十四页。数量很小，问题却成倍增加。

同一篇文章在三个地址重复。

网页更新时间不可靠。

服务器返回的中文编码与声明不一致。

有些页面只有一张图片，程序什么也读不到。

更棘手的是链接重要性。一个页面被许多站点引用，通常更值得排在前面；但在当时的中文网络里，友情链接、镜像目录和人工导航页大量存在，简单计算链接数量会把目录当成最重要的内容。

马飞写出一版迭代评分，又在第二天删掉。

不是算法错，而是样本太少。六百多个页面上的漂亮曲线没有统计意义。

删除前，他把代码复制进“暂停方案”目录，写明停用原因。未来记忆让那套思路看上去极有诱惑，苏雨桐却随手抽了二十个页面，让他盲排。所谓重要性得分最高的五页里，有三页是友情链接目录，一页是镜像站说明。

马飞把测试结果钉在墙上。楼上老板下来借订书机，看完前三行，问他是不是花了两晚证明校园黄页最有学问。

“差不多。”马飞说。

老板笑得整根水管都像在震。

“先别给自己制造高级问题。”苏雨桐说，“用户连中文词都搜不稳，链接排序排得再聪明也没用。”

她把任务拆成三项：编码识别、重复检测、基础相关性。

马飞看着被划掉的链接评分模块，承认她是对的。

他拥有未来最知名算法的方向，却必须忍住提前使用它的冲动。一个系统的成熟，不在于塞进多少未来概念，而在于当下最痛的问题是否被解决。

5月2日凌晨，抓取程序完成第一次无人值守运行。

五小时里连接中断四次，自动恢复三次；一处站点因连续错误被暂停；新增有效页面八十七个，重复页面二十三个，总电话费用控制在预算内。

天快亮时，马飞输入“液体火箭燃烧振荡”。

系统返回六条结果。

第一条正是某高校实验室公开的论文目录，标明了作者和馆藏信息。正文不在网上，但一个读者至少知道该去哪里找。

马飞把查询结果打印出来，贴在日志旁边。

打印纸还热着，字迹却有一行发浅。色带快用完了，马飞拿出来拧紧，勉强又印了一份。他把较清楚的那张寄给最初允许访问的网络中心，背面写明查询来自哪些公开目录；发浅的那张留在墙上。

早上五点零七分，五金店老板下来开门，发现马飞趴在折叠床边睡着了，手边压着电话费清单。老板没有叫醒他，只把墙角那只接漏水的脸盆往管子下挪了挪。

电脑屏幕上还停着六条结果，第一条后面是论文馆藏号。