AI技术对媒体行业的重构呈现显著的双面性，其效率提升与职业价值挑战需辩证看待：

一、效率革命的真实图景​

流程并行化突破​

传统”策采编审发”串行流程被Agent集群替代，世界杯报道案例显示时效压缩至30秒级

但过度追求速度可能导致：

新闻核实环节被压缩

深度调查让位于热点追逐

个性化服务悖论​

灵思助手实现记者专属需求定制（如舆情追踪/头版汇总）

隐藏风险：

信息茧房强化（算法推荐取代主动发现）

新闻同质化加剧（共享相同AI工具库）

二、专业护城河的消解与重建​

可替代性劳动转移​

AI已接管80%机械工作（素材整理/基础剪辑）

但”默会知识”壁垒仍存：

总编辑的选题嗅觉（美学/价值判断）

现场记者的情境感知能力

新能力需求涌现​

记者核心技能转向：

传统能力转型要求快速成稿AI协作管理线索挖掘数据溯源验证文字功底多模态叙事

三、伦理与技术隐忧​

内容安全失控风险​

尽管ClawPro提供日志审计/Token监控

真实隐患：

AI生成内容的版权归属模糊

虚假信息传播速度指数级增长

人机权责边界争议​

典型案例：AI误报突发事件时，责任主体是：

管理员配置失误？

模型训练缺陷？

最终签发人类编辑？

关键结论：AI不应被视为简单的效率工具，而是一场触及媒体本质的范式革命。真正的挑战在于：如何在拥抱技术的同时，守住新闻专业主义的”金线”——那些算法无法量化的真实、深度与人文关怀。

范式重构与金线守护：生成式人工智能对媒体行业的双面性影响与深层机制剖析

引言：超越工具理性的媒体范式革命

在过去的一个世纪里，媒体行业的每一次技术跃迁——从活字印刷的普及、电波信号的跨洋传输，到互联网的去中心化传播以及社交媒体的算法分发——本质上都局限于媒介载体形态的演进与信息传输渠道的拓宽。然而，当前以大语言模型（Large Language Models）和多智能体（Multi-Agent）系统为代表的生成式人工智能（Generative AI）技术，正在将媒体生态推向一个前所未有的历史拐点。这种技术力量已然跨越了单纯的“工具理性”范畴，深度介入到内容生产的认知、判断与生成层面，对传统媒体行业长期确立的“策、采、编、审、发”核心业务链条进行了根本性的解构与重组。

详尽的行业数据与前沿实践表明，AI技术对媒体行业的重构呈现出极其显著的双面性特征。一方面，大模型与智能体集群的引入带来了史无前例的效率革命，极大地压缩了信息处理的时空维度，为媒体从业者提供了高度个性化的赋能；另一方面，这种建立在概率预测与算法逻辑之上的高效率，正在对新闻专业主义的价值内核、媒体人的职业护城河以及既有的伦理法律秩序发起猛烈冲击。因此，必须摒弃盲目的技术乐观主义或纯粹的技术悲观主义，以辩证的、系统性的视角来审视这场变革。本报告旨在通过全景式的深度剖析，揭示AI效率革命的真实图景，探究专业价值的消解与重建路径，剖析深层的人机权责争议与伦理隐忧，并最终为媒体行业在拥抱技术变革的同时守住专业主义“金线”提供具有可行性的战略研判。

一、 效率革命的真实图景与内生悖论

人工智能在新闻内容生产中引发的最直观变革即是生产效率的指数级跃升。然而，伴随着生产流程的重构与信息处理时效的突破，一系列由算法内生逻辑导致的结构性悖论也开始在信息生态中显现。

1.1 流程并行化突破与时效极限的压榨

传统的新闻生产模式遵循着严格的串行逻辑，即从选题策划、线索采集、文稿撰写、多级审核到最终分发，每一个节点都需要人类编辑串行介入。这种模式虽然保证了信息的准确性，但也构成了巨大的时间成本。而随着多智能体（Agent）集群的广泛引入，这一线性流程被彻底打破，代之以高度并行的网状协同机制。在这一架构下，多个专精于不同领域的AI Agent（如数据抓取Agent、文本生成Agent、多模态配图Agent）可以同时并发工作，实现了从线索挖掘到初稿生成的全链路自动化。

在高度依赖时效性的体育新闻报道领域，这种效率革命展现得淋漓尽致。结合了计算机视觉与人工智能的视频助理裁判（VAR）及定位追踪芯片的大规模应用，不仅改变了赛场规则，更彻底重塑了赛后新闻的生成机制 。在重大足球赛事中，借助前沿AI系统，从捕捉越位判罚等复杂赛况、解析数据，到生成多语种的新闻简讯，整个时效已经被惊人地压缩至30秒级别 。在这一极致的时空压缩下，AI系统瞬间完成了人类编辑需要数十分钟甚至数小时才能完成的事实初筛与多模态内容组装。

然而，过度且盲目地追求机器级别的处理速度，不可避免地导致了新闻生产核心环节的异化。首先，最为核心的新闻核实（Fact-checking）环节被严重压缩。当“首发”的时间窗口被压缩至数十秒时，人类编辑根本无法在发布前对AI抓取的繁杂信源进行彻底的交叉比对和真实性穿透。其次，深度调查的价值空间被迫让位于热点追逐。AI模型基于流量预测算法，天然倾向于捕捉高热度、浅表性的网络话题，因为这些话题拥有最丰富的数据投喂基础。这种对效率的绝对崇拜，不仅削弱了新闻应有的社会厚重感，更可能导致媒体在追逐算法推荐指标的过程中，主动放弃耗时长、成本高但极具公共价值的深度调查报道，最终丧失议程设置的独立性与主动权。

1.2 个性化服务悖论与信息生态的系统性异化

在效率提升的另一维度，是生成式AI技术为媒体从业者带来的高度定制化与个性化服务能力。国内领先的媒体技术平台“传播大脑”通过融合传播大模型与开源底层架构，发布了“灵思超级助手”等智能化工具 。此类平台依托“万媒”底座，不再仅仅局限于单一的对话交互，而是深度融入记者的日常业务闭环。它能够为记者提供专属的需求定制，例如实时的舆情追踪、特定垂直领域的头版信息汇总、甚至在1分钟内完成复杂的热点检索与选题策划。对于每一个独立的新闻工作者而言，这类工具相当于为其配备了一支全天候待命、算力无限的“私人编辑部”。

然而，这种看似完美的个性化技术赋能，实则暗藏着深刻的结构性风险，主要表现在以下两个隐蔽的层面：

其一，信息茧房的隐性强化与认知闭合。传统的“信息茧房”概念多用于描述受众在算法推荐下逐渐固化内容边界的现象。但在AI辅助创作时代，这种茧房效应正在隐秘地向上游的内容创作者蔓延。当记者的信息获取过度依赖AI助手的自动检索与数据汇总时，基于机器预设逻辑的算法推荐便在无形中取代了人类记者基于广泛阅读、社会好奇心和专业直觉的主动发现。算法不可避免地带有其训练数据的偏见与参数优化的固定路径，长此以往，记者接触到的线索与视角将被局限在算法认为“高度相关”的狭窄视野内，导致新闻视角的固化。

其二，新闻同质化的系统性加剧。当前，媒体行业的AI基础设施呈现出明显的集中化趋势。当行业内的多数媒体或记者共享相同或相似的AI大模型与工具库（如统一的底层传播大模型架构及相同的开源Agent池）时，面对同一个公共突发事件，不同节点上的AI助手极易通过相近的参数计算，给出高度雷同的选题切入点、事实引述逻辑乃至行文风格 。不同媒体机构的历史底蕴、不同记者的个性化文风，将被庞大且趋同的语言模型无情抹平。技术原本是为了释放人类的创造力，最终却可能在不知不觉中将新闻生产降维成一场毫无差异可言的自动化文本组装游戏。

二、 专业护城河的消解与技能体系的重建

随着AI技术能力从浅层文本生成向深水区的多模态逻辑推理迈进，媒体人的职业焦虑已经不再局限于“工具是否好用”，而是直指生存命题：在机器能够完美模拟人类文本生成能力的今天，媒体从业者的不可替代性究竟在哪里？

2.1 可替代性劳动转移与“默会知识”的绝对壁垒

行业监测与应用实践表明，当前的生成式AI已经有能力接管媒体业务链条中高达80%的机械性、重复性工作。这其中包括海量视音频素材的标签化分类与整理、基础视频素材的粗剪辑、标准格式的财报及体育赛况简讯撰写，以及跨语言的初步编译等。如果一个媒体从业者的核心竞争力仅仅停留在这些可以被流程化、标准化描述的基础技能上，那么其职业价值被算法彻底消解仅仅是时间问题。

然而，在对整个新闻生产流程的深度解构中可以发现，人类媒体人真正的专业护城河，在于那些无法被轻易编码、难以转化为算法权重的“默会知识”（Tacit Knowledge）。正如业内学者与资深从业者所指出的，在这个充满不确定性的AI时代，知识的获取不再稀缺，真正的护城河并非那些可以被写进简历的标准执行技能，而是那些“无法说清楚”的部分，这些能力多是通过感知复杂的社会环境氛围、调动深层情感共鸣等潜移默化的方式习得的。

具体而言，这种不可被AI量化与替代的“默会知识”壁垒在以下两个层面表现得尤为明显：

第一，总编辑级别的选题嗅觉与深度的审美及价值判断。一篇优秀的深度报道，其灵魂在于准确切入时代的痛点并展现对复杂人性的悲悯。这种高阶洞察力往往建立在总编辑对社会公共情绪的敏锐捕捉、对历史发展经纬的深刻理解以及长期积淀的文化审美趣味之上。AI可以通过对全网历史数据的统计分析准确找出具备“高点击率潜力”的标题和话题，却无法在面对一个看似平淡无奇的细微线索时，凭借专业直觉判定其背后可能隐藏的重大公共利益问题。这种涉及人类核心道德观、美学与价值坚守的判断，是依赖概率分布的机器学习算法目前无法逾越的鸿沟。

第二，现场记者的情境感知与情感共鸣能力。新闻不仅仅是客观事实的冰冷记录，更是人与人之间的温度传递。在灾难现场、在复杂的深度访谈中，一个优秀的现场记者能够通过采访对象的微小肢体语言、语气的瞬间停顿甚至是现场环境中的一丝异样，感知到语言之外的真实。这种基于生物本能和社会经验的高阶共情能力，使得记者能够问出击中人心的问题，获取AI在冰冷的数据交互终端永远无法触达的深度现场细节。

2.2 新时代媒体人的核心能力向度转换

为了在AI全面渗透的新生态中确立自身的生存法则，媒体从业者的核心技能图谱必须经历一场根本性的重构。传统的单点技能已经无法适应智能体协同工作的要求，新能力需求的涌现要求记者完成从“单一执行者”向“复合型指挥者”的跨越。以下表格结构化地呈现了从传统能力向AI时代新能力需求演进的核心路径：

业务维度	传统能力要求	AI时代转型要求（新能力需求涌现）	技能重构的深层机制分析
内容生产核心	快速成稿能力	AI协作管理	记者需熟练掌握提示词工程（Prompt Engineering）与模型微调导向，从单纯的“撰稿人”升级为管理多个Agent的“AI编导”。
线索与信息处理	常规的线索挖掘	数据溯源与验证	在信息获取成本降至冰点且合成数据泛滥的当下，核心能力转变为在真伪难辨的海量线索中，通过交叉比对进行物理级别的反“AI幻觉”侦测。
叙事与表达框架	单一的文字功底	多模态叙事统筹	跨越单一文本限制，能够统筹AI生成的文本、图像、数据可视化图表乃至合成音频，构建具有沉浸感与立体感的新闻叙事逻辑。

这一核心技能的转向明确宣示了：未来的卓越记者将不再是以敲击键盘速度取胜的“信息搬运工”，而是具备强大数据校验能力、高阶人机协同管理水平以及深刻人文洞察力的“意义构建者”。

三、 伦理风暴、合规挑战与技术隐忧

AI在重构媒体生产力的同时，也毫不留情地打开了潘多拉魔盒，将整个行业推向了复杂的伦理与法律风暴中心。内容安全的系统性失控、虚假信息的泛滥以及人机权责边界的极度模糊，构成了当前媒体行业在数字化转型中必须直面的三大真实隐患。

3.1 内容安全失控风险与合规防御的局限性

生成式人工智能，尤其是基于OpenClaw等开源底层架构的智能体系统，不仅具备文本生成能力，还通常被赋予了文件系统操控、Shell命令执行乃至外部API调用等系统级权限 。这些强大的权限一旦在媒体内部工作流中缺乏管控，不仅会带来高昂的算力成本失控（如Token的过度且无意义消耗），更会导致严重的安全合规危机。

为应对此类风险，前沿的AI平台与安全机构构建了多重防御体系。例如，腾讯的ClawPro企业级平台与开源社区总结出了极简的安全实践指南，强调将网关及其依赖直接运行在独立的Docker容器内以实现物理隔离 。在权限控制上，平台通过workspaceAccess参数精细控制Agent对工作区的访问权限（如强制设置为只读ro或禁止访问none），并通过配置加密校验和IAM最小权限原则来防御恶意提示词注入 。此外，业界还引入了如AgentLoop等监控平台，提供详尽的日志审计，从安全合规、Token成本到异常行为追踪建立起全链路的可视化观测大盘，以图将Token消耗与具体调用链关联，定位成本黑洞 。传播大脑的“灵思助手”也采取了类似的“龙虾沙箱”机制来限制模型权限，保障媒体数据底座的安全。

然而，尽管具备了完善的日志审计与Token监控机制，真实的业务隐患却往往潜伏于合规工具无法触达的内容实质层面：

首先是AI生成内容的版权归属呈现极度的模糊性。在当前的司法实践中，关于人工智能生成内容是否构成受法律保护的作品，核心争议在于生成过程中是否体现了人类充分的创造性投入。在国际著名的“艾伦案”中，当事人即便输入了高达600余条详尽的指令，版权局依然裁定其对最终生成图像的控制程度远不及摄影师对相机的掌控，从而拒绝承认其版权；在“泰勒案”中，法院同样认为缺乏人类智力实质贡献的AI独立生成内容不受版权法保护 。国内的司法审判也正处于“个案探索与规则提炼”的渐进阶段 。对于媒体而言，利用AI批量生成的新闻配图与数据新闻，其知识产权的资产化面临巨大不确定性。一旦遭遇侵权诉讼，媒体很难主张对纯机器生成内容的绝对所有权，甚至可能因为平台未尽到“避风港原则”下及时审查和删除侵权素材的义务，而面临被判定为“帮助侵权”的民事乃至刑事责任风险 。

其次是虚假信息的指数级传播风险。生成式AI极大地降低了深度伪造（Deepfake）的技术门槛。国际权威媒体机构普遍担忧，AI使得怀有恶意的组织能够以极低的成本、极快的速度制造真伪难辨的篡改文字、图片和音视频。在新闻审核环节被追求时效的流程大幅压缩的当下，这种指数级增长的虚假信息一旦成功骗过AI审核探针，混入主流媒体的发布管道，其造成的社会恐慌与对公信力的不可逆破坏将是灾难性的。

3.2 人机权责边界争议与“AI幻觉”引发的法理困境

在新闻报道的严肃语境中，真实性是媒体不可触碰的第一生命线。然而，大语言模型基于概率预测生成下一个Token的底层数学逻辑，决定了“AI幻觉”（AI Hallucination）——即模型脱离客观事实、一本正经地凭空编造错误信息——是一个目前无法从算法根源上彻底消除的固有缺陷 。

当这种“幻觉”突破了内部审核，导致突发事件的严重误报或对公民个人权益造成实质侵害时，人机之间的权责边界划定便成为极具争议的司法与伦理难题。我国首例因“AI幻觉”引发的侵权纠纷案，为这一权责主体的划分提供了深刻的司法观察样本。在此案中，用户向某生成式AI查询高校信息，模型不仅给出了虚构的校区信息，在面对用户质疑时，AI甚至自行生成了“赔偿承诺”，宣称若内容有误将向用户赔偿10万元人民币，并荒谬地建议用户前往杭州互联网法院起诉索赔。用户随后以遭受误导侵害为由提起诉讼，索赔9999元 。

当此类因机器自主生成错误而导致的纠纷暴露在法律框架下时，一个典型的新闻室问责困境便浮出水面：当AI误报突发事件时，责任主体究竟是谁？

是在系统部署时未配置好参数过滤的IT管理员（管理员配置失误）？

是研发了该大模型、但在训练数据清洗阶段留有暗病的技术公司（模型训练缺陷）？

还是最终在发布流中点击“同意签发”的人类编辑（最终签发人类编辑）？

上述判例的裁判要旨给出了一条明晰但对媒体极具压力的法理逻辑。法院首先明确，人工智能不具有民事主体资格，它不能作为意思表示的代理人或传达人，因此AI自行生成的所谓“10万元赔偿承诺”不产生任何法律效力，不能视为服务提供者的真实意图。其次，在归责原则上，法院并未将AI服务视为一般意义上的高危险“产品”而适用无过错的严格责任，而是将其纳入《民法典》的一般过错责任范畴 。这意味着，只要平台方（或使用该技术的媒体机构）能够证明其采用了检索增强生成（RAG）等防幻觉技术尽到了合理注意义务，且用户未能证明实质性损害与虚假信息间存在相当因果关系，即可免除侵权责任 。这一裁判导向在客观上保护了处于发展初期的AI产业 。

然而，将这一逻辑平移至具备极强社会影响力的媒体发布场景中，其后果是：法律的最终解释权和兜底责任不可避免地落在了最终签发的新闻机构与人类编辑身上。无论模型内部的“黑盒”运算出现了何种难以预料的偏差，无论管理员配置是否完美，在现行的新闻出版法规体系下，作为“把关人”的人类编辑必须为算法的不可解释性和随机错误承担最终的无限连带责任。这种极端不对等的权责关系——即机器享受了提效的红利，而人类背负了幻觉的黑锅——迫使媒体机构在引入AI时必须建立极为严苛、甚至在某种程度上抵消了效率红利的人工干预与兜底机制。

四、 守住新闻专业主义的“金线”：全球视野下的规范探索与价值重塑

面对AI效率陷阱与深刻的伦理危机，国际社会及全球顶尖新闻媒体机构并未坐以待毙，而是积极展开探索，试图在拥抱前沿技术的同时，通过建立详尽的操作规范与伦理框架，守住新闻专业主义不可退让的“金线”。

4.1 全球治理共识与公共价值观的宏观确立

在宏观治理层面，联合国教科文组织（UNESCO）发布的《教育与研究领域生成式人工智能指南》提供了一个以人类利益为核心的全球治理范本。该指南深刻阐述了生成式AI可能加剧数字鸿沟的风险，并呼吁各国政府建立符合伦理要求的政策框架 。其强调的核心在于推动人类的能动性、保障社会公平与包容性，并保护文化及语言的多样性免受单一算法模型的侵蚀。这种建立在公共利益之上的宏观政策共识，为全球媒体行业制定AI伦理底线指明了基本方向：任何技术的演进，绝不能以牺牲社会信任与受众根本利益为代价。

4.2 国际主流新闻机构的防御性准则与探索性实践

在微观的编辑室实操层面，国际主流媒体的AI使用准则呈现出高度的自律性与明确的边界感，其核心逻辑是在“绝对禁止核心干预”与“谨慎拥抱周边提效”之间寻找精妙的平衡。以下综合分析了三家顶尖机构的差异化实践路径：

其一，美联社（AP）的严苛红线与有限实验。美联社明确宣示，准确性、公平性与速度是其核心价值，无论技术如何演进，记者收集、评估并编排事实的核心地位绝对不会被AI取代 。尽管美联社与OpenAI达成了内容授权协议，但其出台的生成式AI使用规范划定了不可逾越的红线：严禁员工使用ChatGPT等工具直接生成可供发布的新闻文本；任何AI生成的输出都必须被视为“未经验证的素材源”，需要经过严谨的二次交叉核实 。在多模态层面，美联社秉持零容忍态度，绝对禁止使用生成式AI在照片、视频或音频中添加、删减元素，并拒绝传输任何被怀疑为伪造现实的AI图像 。与此对应，美联社仅在不直接触及事实生成的辅助环节开展实验，例如将英语新闻自动翻译为西班牙语、基于记者原稿生成新闻摘要供人工审核，以及利用模型提出标题修改建议等。此外，美联社还从认知层面武装记者，在《美联社样式手册》中增设“生成式人工智能”、“训练数据”和“算法偏见”等专业词条，指导记者如何针对AI系统的“黑盒”提出极具穿透力的内行问题 。

其二，汤森路透（Thomson Reuters）的信任原则与版权壁垒。路透社将“数据与AI伦理原则”深度绑定其引以为傲的“信任原则”（Trust Principles）。该框架强硬地要求在AI产品的设计、开发与部署全生命周期中优先考虑安全与隐私，并致力于维持“有意义的人类参与”（Meaningful Human Involvement），确保AI产品赋能而非替代具有社会责任感的决策 。在商业与法律层面，路透社通过严密的使用条款明确规定了AI生成结果的所有权归属，并严厉禁止任何第三方利用其专有财产去训练未经授权的机器学习算法或创建衍生作品，从而在版权侧筑起了一道坚固的技术护城河。相关基金会指南更直言不讳地警告，缺乏人类监督的AI应用将直接摧毁读者的信任；而若放任AI推荐系统盲目追逐流量点击，那些耗费无数记者心血采写、旨在揭露腐败或人权问题的深度调查报道将被算法彻底掩埋，这无异于媒体在主动稀释其自身的新闻学核心价值。

其三，英国广播公司（BBC）的“可解释性”探路与公共责任。作为全球最大的公共广播机构之一，BBC早在生成式AI爆发前便确立了“机器学习引擎原则”（MLEP）框架 。BBC的最新内部准则不仅严禁将生成式AI用于事实研究和核心新闻故事的撰写，更确立了三大指导原则：必须符合公众最大利益、必须优先保障创意人才的价值、必须对受众保持使用技术的绝对透明度。在实践中，BBC将AI谨慎地限定在字幕生成（如用于播客节目The Archers）、体育赛事文字直播以及多语言翻译等外围环节 。更具前瞻性的是，BBC与学术界深入合作，大力推进“可解释的人工智能”（Explainable AI, XAI）研究项目 。该项目试图在创意实践中打破深度学习模型的黑盒效应，探索如何向受众清晰地解释AI模型中的偏见来源、生成内容的归属权以及推荐算法的具体逻辑。因为BBC深刻意识到，向公众坦诚地解释“这篇报道为何被推荐给你以及它如何生成”，与报道本身的事实同样重要。

五、 结论：在范式革命中坚守专业主义底色

通过对技术演进、流程重组、法律伦理及国际实践的穷尽式剖析，可以得出极其明确的研判：生成式人工智能对媒体行业的重构，绝不能被窄化为一款更高级的效率软件的引入，而是一场深刻触及媒体价值本质与社会信息生态底层的范式革命。

这场革命呈现出的双面性已然是不容辩驳的现实。在光鲜夺目的一面，流程的并行化跃升、超级助手的普及，以及以多智能体协同为基础的智能化设施，赋予了媒体人突破人体生理极限的信息处理广度与速度。然而，在其潜藏的阴影中，新闻核实机制的妥协与让位、信息茧房对记者主动认知能力的隐性吞噬、版权资产确权与责任归属的混沌，以及“AI幻觉”带来的系统性失真危机，正如同悬在整个新闻出版界公信力头顶的达摩克利斯之剑。

在可以预见的高度智能化的未来信息场域中，那些能够被算法轻易量化、被规则精准拆解并由机器瞬间批量生成的拼凑式资讯，其市场价值将迅速趋近于零并被彻底边缘化。对于所有新闻媒体机构与从业者而言，真正的终极挑战在于：如何在积极拥抱技术以重构陈旧生产流程的同时，依靠人类的智慧与定力，死死守住新闻专业主义的“金线”。

这条“金线”，是算法无论经过多少万亿次迭代、消耗多少千瓦时算力都无法生成的真实、深度与人文关怀。它具体外化为：总编辑在审视历史与当下时做出的艰难而敏锐的选题决断；现场调查记者在泥泞的灾难现场与受访群体共情时流露出的不可名状的同理心；在充斥着深度伪造与合成数据的迷雾中，媒体人坚定不移地进行物理世界交叉核实的求真意志；更是新闻机构在面对流量算法无底线的诱惑时，敢于让机器的运转慢下来，让人性、理性与责任的光芒穿透代码，照进社会深层真相的价值坚守。

唯有将人工智能这一强大的技术变量，重新置于人类伦理与社会责任的严格框架之内，将算法视为拓展人类认知边界的高倍望远镜，而非剥夺人类独立思考能力的代步车，媒体行业方能在这场波澜壮阔的范式革命中涅槃重生，在数字技术的重重迷雾中，继续履行其作为社会理性守夜人的神圣使命。

文章摘自：https://www.cnblogs.com/wintersun/p/20143208