張瀟君現任流利說（NYSE: LAIX）首席算法架構師，TGO 鯤鵬會上海分會的會員，目前全面負責流利說的對話系統。張瀟君與計算機結緣是在上海交大的 ACM 試點班，熟悉 ACM 班的人都清楚，ACM 班的名字源於國際科學教育計算機組織——美國計算機學會（Association of Computing Machinery），它是世界上第一個，也是迄今爲止最有影響的計算機組織，計算機領域最高獎——圖靈獎，就是由該組織設立和頒發的。這寓意 ACM 班旨在培養計算機科學家。
張瀟君的計算機之路就是從這裏開始的。讀本科時，張瀟君憑藉優異的表現進入了微軟亞洲研究院實習，從事 NLP(Natural Language Processing) 項目研究；研究生的階段又去了德國人工智能中心讀計算語言學，一步步紮實地打穩了自己的專業能力；畢業之後他加入谷歌瑞士，迅速提升了自己的代碼編寫和系統工程的能力。
2017 年，張瀟君回國發展，並加入流利說，引入了諸多谷歌工業規範和最佳實踐，並致力於用 NLP 的方法改變語言教學的模式。
參與世界上最複雜的系統
從張瀟君的經歷來看，學生時期已經在計算機語言領域積累了大量實踐經驗。於是，畢業之後張瀟君獲得了去谷歌瑞士工作的機會。谷歌瑞士辦公室是一個比較特殊的地方，作爲歐洲最大的研發中心，谷歌瑞士辦公室網羅了歐洲幾千名工程師精英，業務組也非常多。谷歌的老牌組，包括：廣告、Youtube、 搜索、地圖、助手等都有龐大的部門。張瀟君有幸加入了廣告組，從事商品廣告 Campaign 後臺管理。
谷歌廣告部是一個龐大的部門，張瀟君作爲其中一員，早期專注在商品和廣告的數據模型構建以及數據整合的工作，後期專注於廣告在其他平臺的輸出，比如 Youtube、Gmail 等。這些工作聽上去並不複雜，但是因爲量級巨大，稍有差池都是上百萬美元的差距，所以對工程的要求極高。這對張瀟君來說挑戰巨大，以早期的商品廣告 Data Integration 系統爲例，它每天需要處理上十億級別的 Campaign 更新。 即使用 Map-Reduce 每天若干次更新數據，仍然有若干小時的延遲。但在張瀟君的主導下，這個系統變成了流式的系統，大大縮短了 Campaign 的生效時間，使得系統對數據的吞吐量、有效性和延遲都達到了相當高的標準，並且有強大的 fault-tolerance，不需要工程師參與後期維護。
在谷歌瑞士張瀟君參與並貢獻了構建世界上最複雜系統的工作，“在這些系統的構建過程中，小到工程代碼和規範，大到系統結構和業務理解都得到了很大提升，對我的個人成長幫助很大。 ”
在谷歌這樣偉大的企業工作三年之後，張瀟君意識到：在這樣一個工程師的天堂，雖然個人能力提升很快，但是因爲機構過於龐大，導致產品上線流程略長，極其考驗人的耐心，成就感也會比較延遲。其實，張瀟君在加入谷歌之前，也拿到了硅谷獨角獸 startup 的 offer，雖然當時沒有去，但心中埋下了對創業公司的情節，張瀟君一直想體驗 “Move Fast and Break Things ”的節奏，所以回國之後他選擇了創業型企業流利說。
文化的誘惑與專業的契合
加入流利說之前，張瀟君花了很長時間來深入瞭解流利說。除了與流利說的三位創始人王翌、胡哲人、林暉一一溝通，張瀟君還與技術部的幾個 Team leader 也聊過。從產品角度看，張瀟君非常認同流利說用 NLP 技術來做教育這件事情，“因爲教育本身就有很多重複性的工作，在交互時對學生語言的識別、理解以及和教研、知識點推薦的結合非常緊密，確實能夠用 NLP 的技術來做非常大的推動，甚至是改革。”除此之外，張瀟君也在溝通中發現了流利說濃厚的硅谷工程師文化，他認爲流利說是爲數不多的值得加入的創業型公司。
在張瀟君看來，硅谷的工程師文化體現在很多方面，整個產品從設計到執行到測試再到上線的流程已經界定的非常清楚，但由於國內很多企業只一味地追求速度，並沒有很好地實踐。這就導致整個產品流程存在很多問題，產品迭代起來非常困難。
“但流利說在這方面做得非常好，在很多地方都實行了相當嚴苛的規範。”在經過深思熟慮之後，張瀟君決定加入流利說，擔任流利說首席算法架構師。
將谷歌的工程實踐引入流利說
加入流利說之後張瀟君開始發揮自己的優勢，將之前的工程實踐引入流利說。 比如 Bazel 作爲 build 工具，使得流利說成爲國內爲數不多的引入 Bazel 的公司。雖然 Bazel 在谷歌內部是非常高效且完備的工具，但對工程師的要求也比較高。如果沒有紮實的工程背景，一下子從其他 Build 工具，比如 CMake 或 Maven 遷移到 Bazel，會有較大的不適應；另一個問題是網絡環境的差異使得 Build 過程比較緩慢，會影響工作效率。
爲了解決這些問題，張瀟君和另一位前谷歌工程師花了很多精力。比如，建立和維護屬於流利說的 Bazel 依賴庫，並且針對網絡做各種優化；建立 Codelab 和培訓講座，讓工程師們從入職的第一天就開始熟悉這些工具；提供代碼樣例，將 Bazel 工具無縫整合到現有的 CI/CD 流程中。 除了 Bazel， 張瀟君也大力推動了谷歌的其他成熟工具， 例如 Kubernetes, Docker, gRPC 的運用和普及。
工程實踐也離不開日常工作的規範。 比如在每次代碼提交都有 Code Review，添加覆蓋良好的自動測試，有自動化的 CI/CD，上線之前也有非常嚴苛的上線服務規範，上線之後也有系統能做 A/B 實驗對比。
除了工程上的規範，算法的迭代也很嚴苛。流利說擅長從真實的用戶數據找到痛點在哪裏。比如爲了解決一個真實的用戶問題，上線一個初代模型，先收集用戶的數據，再進行標註，迭代模型，驗證想法再重新 A/B 上線，從而形成一個良好的“數據 – 算法”的迭代反饋鏈路。
“這些其實都是非常成熟的算法和工程實踐。我們希望國內工程師能在人效上更加接近硅谷的公司，打造優秀產品的同時能形成良好的文化和氛圍。”張瀟君告訴 TGO 鯤鵬會記者。
結語
目前，張瀟君在流利說負責構建對話系統。對話是教學的常用手段，通過對話做知識點的教學、情景的演練、提升口語和交流功能；同時對話也是人機交互在探索的全新方式。 張瀟君和團隊開發的功能分佈在流利說各個產品線中，同時，他們也在研發獨自的產品，希望能通過流利說把更多成熟的 NLP 黑科技帶給用戶，產生價值。
“對話系統作爲自然語言處理的一個子領域，是一個綜合了各個 NLP 任務，並且和內容的生產迭代有密切聯繫的複雜系統。它在學術領域的研究方向和工業領域的實踐應用有比較大的鴻溝，需要我們的科學家 / 工程師們和產品經理、教研以及內容生產方一起協作，才能做出讓用戶滿意的落地產品。我們也希望有更多相關領域的專家能加入到流利說，爲下一代教育產品的構造一起努力。”張瀟君最後對 TGO 鯤鵬會記者說道。
Q&A
TGO 鯤鵬會：您早年在微軟亞洲研究院和德國人工智能研究所的經歷，是否和在流利說這樣的 AI 創業公司的工作內容很不一樣？合作模式與團隊思路上有何異同？
張瀟君：前兩家研究機構都是吃皇糧、搞研究的地方。做的事情都超前，但是對產品化沒有壓力，好比之前我在 MSRA 參與了構建基於大量用戶數據的問答系統，更多的是從算法和數據本身解決一些開放問題，最後這個研究工作本身做得還不錯，最後被 Bing 用上了。 德國人工智能研究中心也比較偏研究，當時參與過 EuroMatrixPlus 項目，做歐洲多個語言的翻譯系統，顯然離產品化比較遠，更多的是對學術的探索。
相比之前，流利說的算法團隊非常產品導向，如果不能產品化，我們認爲這些工作就沒有意義。所以在流利說，更多的是用成熟的技術爲教育產品賦能。 相比之前總是和研究員、工程師有交集，在流利說我們和產品經理、教研、內容、數據、運營甚至客服團隊都有非常密切的合作。
TGO 鯤鵬會：在谷歌和在流利說，作爲技術人您感受到哪些比較大的差異？可以舉例說明嗎？
張瀟君：谷歌在大範圍解決問題，因爲掌握世界上體量最大、地域跨度最廣的流量，所以處理的工程和算法問題的思路和方法都比較大格局，在某一個點上解決比較細緻的問題，能獲得很大的收益。流利說是把針對中國人的教英語做到極致的地方，所以相對垂直。
TGO 鯤鵬會：除了技術，對於將 Google 這樣的世界級軟件企業的工作思路、工作模式引入國內，有哪些心得？這些方法取得了哪些成果？
張瀟君：因爲幾位創始人也是 Ex-googler, 所以我們的工程和算法團隊基本照搬了之前的模式，比如 Bazel Build, 自動化 CI/CD、微服務化、K8S 部署。工程實踐上我們有嚴格的 code review，上線遵從嚴格的規範。算法實踐上我們遵從數據驅動的原則，從真實的用戶數據出發，建立 benchmark，迭代模型，再收集數據回饋，並形成閉環。工作模式上我們從上到下實施 OKR，每天都有非常明確的目標，和之前不一樣的是，流利說的變化比谷歌要大很多，所以我們也常常擁抱變化，在實施期間做動態的調整。成果是長期的，雖然可能比其他公司“快糙猛”的方式相比，當下消耗更多時間，但是長期來看，對項目迭代和業務發展都有很好的支撐。
TGO鯤鵬會，是極客邦科技旗下高端技術人聚集和交流的組織，旨在組建全球最具影響力的科技領導者社交網絡，線上線下相結合，爲會員提供專享服務。目前，TGO鯤鵬會已在北京、上海、杭州、廣州、深圳、成都、硅谷、臺灣、南京、廈門、武漢、蘇州十二個城市設立分會。現在全球擁有在冊會員 800+ 名，60% 爲 CTO、技術 VP、技術合夥人。
會員覆蓋了 BATJ 等互聯網巨頭公司技術領導者，同時，阿里巴巴王堅博士、同程藝龍技術委員會主任張海龍、蘇寧易購 IT 總部執行副總裁喬新亮已經受邀，成爲 TGO 鯤鵬會榮譽導師。