朋友聚会时，大家在聊理想职业。

我半开玩笑:「我想当个程序员,天天写代码。」

一个月后,我辞掉程序员工作去送快递。

朋友问我为什么。

我沉默片刻:「因为我的配送系统里,好像藏着一个超级AI。」

1

各位知友好，我是李效率。

不知道你们有没有遇到过这样的情况：早上等快递时，手机突然收到一条消息「您的快递已由xxx代为签收」。

代签这种事情，对普通用户来说可能是一种困扰，但对我们快递员来说，却是一个值得深入研究的课题。

没错，我就是那个放弃互联网大厂30k+月薪的程序员，转行去送快递的狠人。

说出来你可能不信，我现在月入过万，还破获了一起惊天大案。

但在讲述这个案件之前，我得先解释一下我为什么会选择送快递这个职业。

事情得从半年前说起。

那时我还在某互联网大厂担任高级算法工程师，主要负责物流配送路线的优化。薪资待遇不错，但总觉得生活缺了点什么。

直到那天，我看到一个数据：

我们公司的快递平均配送时效是47分钟/单，而隔壁老王的时效是28分钟/单。

作为一个对数据极度敏感的程序员，这个差距深深刺痛了我的职业自尊心。

要知道，我们可是有着顶级算法团队支持的大厂，为什么会在配送效率上输给一个普通快递员？

抱着研究的心态，我开始暗中观察老王的配送路线。

三天后，我震惊了。

老王的配送路线，完全违背了我们算法给出的最优解！

按照他的路线，配送效率理论上应该降低35.7%，但实际效果却出奇的好。

这不科学。

于是我做了一个大胆的决定：辞职，去送快递。

「你疯了吧？」我妈听到这个消息时差点晕过去，「好好的程序员不当，去送快递？」

但我自有考虑。

首先，从数据分析的角度来看，快递行业存在大量可优化空间。

其次，一线快递员的实战经验，可能会给我带来全新的算法灵感。

最重要的是，我有一个野心勃勃的计划——开发一个革命性的快递配送AI系统。

就这样，我成了一名快递员。

为了提高效率，我自主开发了一个AI配送助手，代号「小智」。

「李师傅，您的第一单送往幸福小区B栋704室，该地址过去30天内的平均签收时间为8:27分。」

这是小智的第一次工作汇报，听起来还不错，对吧？

然而第二天，我就发现了一个奇怪的现象。

幸福小区B栋704室的住户，一个叫张静态的女性，每天都会收到一个相同规格的快递。

包裹重量：385克，误差不超过0.1克。

发货地：均来自不同城市。

发货人：每次都不一样。

作为一个程序员出身的快递员，这种异常的数据规律立刻引起了我的注意。

更奇怪的是，我每天送货时，都只能听到一个声音：「放在门口就好。」

从来没见过这位张静态本人。

门口装着的摄像头会转动，但房间里总是没有任何声音。

这太反常了。

我决定深入调查一下这位神秘的住户。

就在这时，我的AI助手小智突然报警：

「警告！检测到异常数据波动！该地址的历史签收记录出现11.37%的数据偏差！」

这个发现，让我的快递生涯出现了意想不到的转折......

2

说实话，我从来没想过，送快递这份工作会如此有意思。

特别是当你连续一个月给同一个地址送相同规格的包裹时。

作为一个有着程序员直男思维的送件员，我开始用数据说话。

「小智，调出幸福小区B栋704室最近一个月的收件记录。」

「好的，李师傅。正在生成数据报表......」

我给小智设计了一个极客范儿的界面，说话时会显示进度条和代码特效，还挺中二的。

「报告生成完毕。」

小智的数据统计让我大吃一惊：

每天收件时间集中在8:27-8:29

包裹重量稳定在385±0.1克

寄件地点遍布全国31个省份

寄件人从未重复

收件人张静态从未露面

正常人的收件规律不应该这么精确。

要知道，就算是我开发的配送算法，误差率也在±3分钟。

这位张静态的作息，比我见过的所有程序都要精准。

「叮咚！」

是社区便利店的王老板发来的消息。

「老李啊，我发现个事，你每天是不是都给704送快递？」

我回复：「对啊，怎么了？」

「你发现没有，那个房间的灯从来不关。」

这倒是个新发现。

我赶紧让小智调出了公开的房屋用电数据。

果然，704室的用电量曲线是一条完美的直线，没有任何波动。

这就很诡异了。

正常人的作息规律，不可能造成如此平稳的用电曲线。

除非......房间里在运行着什么特殊的设备。

这时，社区保安老刘找到了我。

「小李啊，那个704的住户，真是奇了怪了。」

「老刘叔发现什么了？」

「我盯梢了一个星期，发现一个规律......」

老刘压低声音：「每天晚上11点57