信号系统

微信公众号是典型的发布订阅模式。公众号是 Topic，发布者和订阅者自不必说。

现在的使用方式是，用户关注个人影响力和特殊领域影响力大的公众号，并尝试处理其上推送的所有信息。

我们认同人是有限理性的，关注的细粒度有利于我们处理信息。

团队中相互关注的信号也是一样。不同的是，团队中的 topic 实例包含：

  • 以身份（职位，部门成员）分的邮件
  • IM 群
  • 文件公告

如果我们存在一个系统，仅可以关注某一个人，某一个公众号我们感兴趣的版块，部分信号呢？会提升效率吗？

有限信号系统

分三者分析：Publisher， Topic，Subscription
Topic 是标明信号由什么主题聚合。
Publisher 决定信号发向什么主题。
Subscription 知道订阅了什么主题的信号。

过滤器

在有限情况下，不是所有的信号都可以发到任意主题，我们引入过滤器概念。
可以发现，过滤器仅按照规则过滤，即使我们通过高新 AI 技术，能检测到重点的遗漏数据等智能检测，也稍显死板和成本高昂。

细化型主题

在主题中，我们引入分级模式，意在解决关注的主题推送不关注的消息的情况。这里要求的是发布者遵守主题规则。

主题下可以分为多种小主体，以个人为例，一个人的每天生活会出现各类事件。订阅该人会接收到时序但主题杂乱的事件。

该人在发布事件时，可以通过细化型主题标签完成，如人的行走活动，行动轨迹 一类，也比如该人在 股市上今天买入卖出哪些这一类数据。这一类是领域标签。

还有比如，该人每天都去公司，但是今天不去了，这一类可以是行为异常标签。异常事件的上下文也比较重要。比如，该人不是每天去公司，只是工作日去公司，非工作日不去，当发生不去公司事件的时候发现时间是非工作日，想必就不是异常事件了。

以上是细化型主题的思考。

使用

简单的为个人提供事件源发生器，并完善订阅系统，通过智能推送完成触达。

重难点可能在数据安全上。

2021年5月19日 更新
发现一个非常符合的软件网站. 非常有意思. 重要的是开源.
https://hackershare.dev/about
image.png