结合上文对文书“批量”特征的阐述，构建批量异常案件甄别模型需满足两个要求：首先，批量文书的产生以行为人参与诉讼次数为前提，为此模型在数据处理阶段应有效识别行为人的信息，确保其在海量文书中得到唯一标识以便后续筛查统计；第二，批量文书以数量达到设定阈值为条件，这要求模型对文书中的行为人参与次数进行统计排序，最终获得批量文书的集合。
根据上述要求，模型可以概括为“数据预处理-关键要素识别-数据统计排序-人工研判”四步。第一步，提取执行文书中的基本数据。根据执行文书半结构化特征，提取执行文书所涉法院名称、案件编号、审判日期、文书名称、审判人员、文本主文等数据块，在数据库中构建执行文书多维信息表，并进行数据清洗、统一文本表述。第二步，识别参与主体特征。通过正则表达式识别执行文书正文中参与主体“姓名、性别、民族、出生日期、诉讼地位”等信息，以及公司及法人相关信息，并建立参与主体信息表，以确保有效标识参与主体的身份。第三步，统计主体参与次数并排序。将文本中提取的参与主体信息按照主体的地位（申请人或被申请人）分别存入数据库，并依据主体信息进行分类统计，最后根据降序方式形成主体参与执行程序“次数排行榜”。第四步，对高频出现的申请人所涉文书进行人工甄别。主要关注执行文书中案件编号、主体诉讼行为、审判时间、裁判人员等多维数据，分析案件是否存在异常线索。进一步借助关联数据发现、佐证异常线索，例如将执行文书同其他平台数据（企查查、裁判文书网、仲裁文书等）进行碰撞比对，从而反向剔除无需监督的案件并对可监督的案件进行深度法律研判。
从模型步骤上看，机器与操作人有各自负责的任务：前三步骤通过计算机完成海量数据处理，最后一步则由专业人员介入对监督线索作出研判。在实际运作过程中，为满足检察机关的需求，模型运作时呈现为人机交替往复过程：文书要素识别、提取、统计等自动化工作需要办案人员提供专业知识指导，随后再由机器完成海量数据的初步处理；专业人员根据机器输出结果进一步提炼批量案件可能存在的监督点，研判监督点或普遍性问题的出现频率，随后通过数据碰撞、分层检索、聚合统计等方法对文书进行自动分析，最终人工审查排除无需监督的案件，甄别最终异常结果。可见，前述步骤离不开人的经验认知、专业洞察力为执行文书的数据处理提供辅助；后续人工甄别环节也依赖外围数据的碰撞比对从而实现更精准的研判。这种人机协同过程将办案人员的需求、经验以及系统程序进行深度融合，最终形成人机合力精准筛查线索的甄别模式。
现阶段该模型表现为一种有别于通用数据驱动型方法与传统抽样法的分析范式。首先，这一模型本质上是对逻辑驱动型分析方式的回归。一方面，传统数据驱动型方法服膺于“有了足够数据，数据会自己说话”的经验主义方式，通过增厚数据以提高分析方法和分析结果的准确性；而本文构建的监督模型则是根据经验提炼规则将海量数据转变为人工可处理的小数据，数据“由厚变薄”以提升监督精准度。另一方面，数据驱动型方法以相关性考量替代因果关系分析，面向具象问题时其分析结果常被诟病为处于“因果阶梯的最低层级”，而批量案件甄别模型对因果关系的考察则是以专业知识为逻辑前提代替数据前置的统计方法，通过专家介入研判将批量文书呈现的异常点从看似可疑的相关线索转变为明确需要监督的异常线索。同时，为应对海量数据，这一模型并不是采用社会学研究中的随机抽样法。与传统社会科学研究中使用的“小数据”不同，它是对海量数据进行“全样本”处理。
当前模型构建思路是兼具“专业理论预设与数据驱动”的分析范式。如上文所述，逻辑驱动为主导的模型需要专家提供专业理论的支撑。从模型的测试结果上看，模型输出并没有局限于预期的结论预设，而可能出现一些创新性的发现，这正是基于数据本身特征所呈现的、人们认知以外的信息，因此模型也带有“数据驱动”的意味。从模型的开发逻辑上看，虽然现阶段模型构建以经验规则为主导，但随着某一领域样本数量的积累，逻辑规则主导将逐渐转向对异常特征与案件文书要素背后隐含的关联性和规律性的挖掘，体现数据驱动客观性的优势，以减少人为干涉来实现监督的公开透明、可重复性。例如对异常案件中要素识别的规则化、甄别异常案件类型的自动化，等等。
（三）批量异常案件甄别模型的要素提炼
基于执行文书的甄别模型是一种可拓展的数据分析模式。它不仅可以拓展至民间借贷领域以外的执行文书，还可以转向分析其他法律文书，为大数据法律监督活动提供方法论上的指导。
具体而言，基于执行文书的批量异常案件方法可拆解为三个关键要素。首先，以不法行为人为学习对象。模型的构建来源于现实世界中异常现象，而从现象中提炼监督规律离不开向不法行为人或案件学习。从犯罪治理和博弈角度看，犯罪分子吸收心理学、计算机科学、信息通信技术以用于犯罪手法迭代优化，不断拓宽犯罪实施渠道。如“套路贷”违法犯罪分子往往深谙法律规则，善于研究、采用新的“套路”手法，给法院识别“套路贷”虚假诉讼带来挑战。如果办案人员想要在法律规范等故纸堆中寻求查办或监督案件的有效途径，显然难度很大。为了应对上述挑战，检察人员必须深入了解和学习这些新模式，即刻意向深谙犯罪技巧的对手甚至是犯罪分子“反向学习”。
其次，以“数量特征为先导，结合异常特征”为模型开发逻辑。展开来说，这一逻辑以海量案件中特定要素的数量特征为初步筛选规则，以多种异常特征作为人工研判的知识供给。实践中许多基层检察机关也采用类似的思路找寻批量异常案件，但尚未将数量特征提炼为模型构建的共性步骤。在此，数量特征的对象可以是诉讼当事人、诉讼代理人、法院、审判人员、涉案利害关系人、司法拍卖人员等，也可以是上述不同要素的组合形式，例如结合执行人与被执行人、结合诉讼主体与其他要素等。同时，“数量特征”提取的批量文书需要结合“异常特征”为后续线索核查提供保障。例如，民间借贷领域经常出现的职业借贷人、无放贷资质公司、先行仲裁等常见异常类型，又如一些偶然发现的法院拆分案号等异常特征，这需要根据异常数据结合办案人员经验作出研判。
最后，以规则驱动为现阶段主要分析模式。当前模型开展离不开人为介入审查。相应地，对异常文书的甄别也主要以“专家”的经验规则知识作为分析依据。如民间借贷领域海量执行文书的甄别规则可进一步具体化为“执行人或被执行人的数量特征+职业借贷人、非法经营、先行仲裁等异常特征”。现阶段采用规则驱动型分析模式有其现实考量：一是规则化的处理可用于直接落地，因为规则是大多数经过检验的、错误率低的处理方式；二是由于模型构建是从经验层面出发、关注因果关系的一种规则总结，因此更为社会大众所接受；三是相较于数据驱动即以相关性凸显数据特征的方式而言，这种规则化处理在监督、打击的精准度更高，且更具有针对性，成效更好。
上述三个关键要素共同支撑大数据法律监督模型的构建，可实现大数据法律监督模型的“触类旁通”。同时，它也将进一步推动跨区域的检察机制形成，以及全国性检察办案系统的再升级。
三、基于执行文书的批量异常案件甄别模型验证
以三十万民间借贷领域执行文书为例，通过批量异常案件甄别模型得出执行申请人参与执行程序的次数排行榜，如表1所示。
笔者对上述排行榜中的案件展开分析，发现了多种类型异常案件。根据异常案件中是否因当事人隐蔽的违法行为导致法院错误裁判，可以归纳为“明显违法型”和“合法不合理型”两类批量异常执行文书。这些异常执行数据揭示了司法主体的行为动机，也暴露出深层次的社会治理问题。
（一）明显违法型
1.仲裁机构违规批量仲裁
以北京某信息技术有限公司（以下简称“甲公司”）为例，甲公司作为申请执行人根据仲裁裁决书向山东、浙江、湖南、湖北、四川、北京等多地法院申请强制执行债务人财产，共涉223份批量文书（仅2021年份），如表2所示。将执行文书与裁判数据碰撞后发现甲公司所依据的仲裁文书皆由某仲裁委员会（以下简称“乙仲裁委员会”）作出。乙仲裁委员会在涉案借款还款期限届满前即纠纷尚未形成的情况下，以借款人届期不能还款为假设前提作出仲裁裁决书，属于“先予仲裁”行为，违反了《仲裁法》关于仲裁适用范围的规定。即使双方确已形成纠纷，乙仲裁委员会在当事人缺席的情况下未依法向其送达各类法律文书，没有形成实质性诉辩，径行以网络仲裁的方式作出所谓的裁决书，没有充分保障当事人的基本程序权利。根据《民事诉讼法》关于仲裁裁决效力的规定，此类仲裁裁决书应裁定不予执行。
此外，乙仲裁委员会对该公司是否取得金融监管部门的批准，是否有发放贷款资质的基本信息，没有进行合法性审查就出具了大量的仲裁法律文书，使一些非法放贷机构的违法行为甚至犯罪行为合法化。经查明，乙仲裁委员会仅2018年受理了仲裁裁决100多万件，相当一部分案件属于先予仲裁，剥夺了借款人合法权利，该仲裁行为已经被最高人民法院认定违法。
现全国多个法院已经裁定对乙仲裁委员会此类仲裁文件不予执行，但也存在部分法院依据仲裁裁决执行完结的情形。具有类似行为模式的异常案件还有“某渡金融服务外包有限公司”系列案件、“安徽某拿信息科技有限公司”系列案件。
2.不具备发放贷款资质的公司
以某金融服务外包有限公司（以下简称“丙公司”）为例，它与上述甲公司具有类似行为特征，共涉及42份批量文书（仅2021年山东省统计数据），如表3所示。将执行数据同裁判文书网、企查查平台数据碰撞后发现丙公司具有以下行为模式。
丙公司作为出借人与不特定借款人在网贷平台上签订借款合同，并约定因该借款纠纷由同一仲裁委员会采用书面审理方式处理。若借款人未按仲裁裁决内容履行还款义务，丙公司可依据仲裁裁定书向法院申请强制执行。通过企查查平台查询到，丙公司自2017年登记注册以来向法院申请民间借贷纠纷的强制执行案件共计一千余宗，但其经营范围不包含发放贷款的金融业务。显然，丙公司未经有关机关批准，以“债权转让”等形式，变相地、经常性地向社会不特定对象发放贷款，从事金融机构的业务活动，违反了《银行业监督管理法》相关规定。依据已审结的裁判文书发现，一些法院已认定丙公司不具有放贷资质，不予执行仲裁裁决，但部分法院未对丙公司资质及仲裁文书进行审查，造成了司法裁判尺度不统一。
3.由非法放贷人控制的借贷平台的违规行为
以孙某所涉批量案件为例，申请执行人孙某请求法院强制执行债务人财产，共涉125份批量文书（仅为裁判文书网2021年度民间借贷领域执行文书），如表4所示。将执行数据同裁判文书网数据碰撞后，发现孙某存在如下诉讼模式。
孙某作为出借人通过某投资管理有限公司（以下简称“丁公司”）与不特定借款人签订借款协议。借款人与丁公司、某信息咨询（北京）有限公司（以下简称“戊公司”）、某征信（北京）有限公司（以下简称“己公司”）均于《借款协议》签订同日另签订《信用咨询及管理服务协议》一份，约定出借人应分别支付给上述三家公司咨询费、审核费及服务费，且约定上述三种费用在借款出借时先行从借款本金中予以扣除并由孙某代为支付给上述三公司。通过企查查平台查明，孙某系丁公司、戊公司、己公司股东，同时担任己公司法定代表人，与上述三公司存在利害关系。其约定的咨询费、审核费、服务费实际为借贷过程中原告故意规避法律规定，预先扣除借款利息的行为，违反了《民法典》禁止利息预先扣除的规定。通过裁判文书网检索发现，孙某所涉案件众多，他作为出借人通过向社会不特定对象提供资金以赚取高额利息，出借行为具有反复性、经常性，借款目的也具有营业性，属于未经国务院银行业监督管理机构批准，从事银行业金融机构的业务活动，违反了《银行业监督管理法》相关规定，应认定为无效。
（二）合法不合理型
根据申请人参与执行程序次数排行榜的信息，笔者还发现了在法院案件管理层面存在的不规范现象，具体包括以下两类。
1.同一案件执保类案号拆分
以“唐某某”案为例，申请人唐某某与被申请人鲍某江、鲍某磊的两份关联判决书衍生出的177份裁定书，如下表5所示。这些文书均为当事人申请财产保全的执行裁定书，具有独立案件编号、同一或临近审判日期、相同审判人员的特点，如下表6所示。对文本进一步分析发现，法院根据申请人财产保全申请，每查控一份财产就出具一份裁定书，以此制发了大量内容相近的冗余文书。类似批量文书还有“孙某某与安某某、于某某民间借贷纠纷财产保全执行裁定书”“张某某与孟某某民间借贷纠纷财产保全执行裁定书”等。由于实践中执行保全情况复杂，最高院没有对执行保全文书如何创立做出具体规定，且各地方规定不一或空白，因此在执行阶段可能存在案件数量虚增的现象，造成司法资源浪费，同时也影响司法统计的准确性。
2.同一案件中案号后缀为“之一之二...”
以“姜某某、钱某某”案为例，姜某某与钱某某的民间借贷纠纷共衍生出40份执行文书，执行文书的案件编号相同但后缀为“之一、之二...之三十九”，如表7所示。对文本进一步研读发现，系列文书均为同一审判时间，由相同审判人员作出，且39份执行文书的查控金额为“25275.00元”，仅在文书正文“冻结被执行人银行账户”存在差异。上述情形符合《最高人民法院关于在同一案件多个裁判文书上规范使用案号有关事项的通知》相关规定，但虚增的文书数量可能导致部分地方法院在统计执行绩效考核结果时发生明显偏差，造成地方司法案件管理的混乱。
根据上述批量文书分析结果可以发现，导致两类异常执行文书的主体分别是诉讼当事人和法院。就前者而言，异常案件主要是当事人的违法行为以及仲裁机关违规仲裁造成的。这类典型案件并非个例，而是形成了一套可供效仿、易于复制的犯罪模式，这些模式常与暴力、软暴力犯罪交织，甚至可能涉嫌黑恶势力犯罪。法院基于此作出错误裁判属于检察机关法律监督范围。就后者而言，案件往往与司法案件编号不规范、绩效考核指标不合理等相关，营造出“案多人少、案件爆炸”的假象。这类案件尽管符合法律规定但反映出法院在案件管理方面存在的不足与困难，检察机关在监督过程中参与并推动此类司法治理难题的破解，这是“检察机关参与社会治理，保护国家利益和社会公共利益”的有效途径。
从模型获得的结果上看，异常线索是复式多维的。上述归纳的两类异常线索并非完全列举，随着对批量案件的深入调查将进一步归纳其他类型的异常线索。这需要一线人员结合外部关联数据，融合审查、调查、侦查方式等审查机制对批量异常案件作出研判。对此配套检察机制方案，笔者将于下文展开论述。
四、基于执行文书的批量异常案件监督治理
通过模型筛查批量异常案件的最终目的在于实现从类案监督到社会治理的监督闭环。传统的“就案办案”模式已经无法满足不同类型的批量异常线索的监督工作，有必要配套分流方案与协作机制为大数据法律监督提供有力支撑。
所谓“分流方案”，是根据一定的标准对批量异常线索进行归类处理。它具体包括两层含义：第一层含义是以诉讼中是否存在错误裁判为标准，如果裁判存在明显错误且属于法律监督范围的，则检察机关应开展相应的监督工作；如果属于符合法律规定但反映出社会治理难点堵点的案件，那么检察机关应当对异常线索进行综合研判后，探索社会治理层面的检察建议。这两种分流方案并非独立运行，法律监督过程将进一步促进社会治理，而社会治理也反向提高、放大法律监督质效。分流方案的第二层含义则是在检察机关监督活动中，根据所属案件类型设计监督阈值，针对不同异常线索选取适当的监督方式进行分流处理。这一层面的分流方案是嵌入于法律监督活动中的“微观”分流工作。
“协作机制”具体包括三个层面要求：在“数据资源协作”层面，实现多部门、多平台数据的协作与共享，为构建监督长效机制提供数据基础；在“检察内部协作”层面，打破检察内部职能划分，推动“四大检察”“十大业务”的相互支撑、融合发展；在“检察外部协作”层面，加强检察机关与其他单位沟通合作，实现多部门办案一体化、协同开展溯源治理。
结合上述海量执行文书分析结果，即“明显违法型”案件与“合法不合理型”案件，分流方案与协作机制具体表现如下：
（一）基于批量异常线索的检察法律监督
上文对异常执行案件的类型化分析中可以发现，民间借贷案件中民刑交叉的情况屡见不鲜，其法律关系错综复杂，因此在定性处理上往往成为棘手的“难案”。与此相仿，检察机关在监督工作中也面临着刑事、民事等诉讼交叉重叠的监督难题：一是如何实现对基于大数据分析获得的不同类型海量异常线索进行精准监督的问题；二是如何充分发挥检察监督职能对法域交叉案件开展调查核实工作的问题。就前者而言，对批量异常线索进行综合分析后分流处理，启动不同的监督方法，实现检察“精准监督”；后者要求检察机关打破四大检察职能划分，实现各部门之间相互协作、有效衔接，形成监督合力。
1.异常线索的分流式监督
在大数据监督语境下，“精准监督”体现为精准处理不同类型的海量异常线索，即科学研判批量案件中主体、形态、性质以及违法程度等因素，设置科学合理的分流方案，选择与监督对象具体情况相适应的监督方法。
以上述执行文书分析结果为例，对于同一行为模式下批量异常民间借贷类案件，应当综合考虑行为人所涉案件的总金额，放贷次数等要素，设定监督阈值判断是否存在违反法律强制性规定的情形，最终流入不同部门进行下一步的调查处理。具体可以根据以下三类情况分流处理：第一类是异常批量案件中初步认定当事人涉嫌犯罪的，且根据现有证据情况可以确定生效判决存在错误的情形；第二类是异常批量案件中未认定当事人涉嫌犯罪的，但根据现有证据情况可以确定生效判决存在错误的情形；第三类是异常批量案件中未认定当事人涉嫌犯罪的，现有证据情况无法确定生效判决存在错误的情形。根据上述情形，检察机关发挥主观能动性选择合适的监督方式，具体包括：针对涉嫌犯罪的民事案件，将相关线索移送公安机关进行立案侦查，同时协同刑事诉讼检察部门开展调查工作；针对错误裁判情形，提出抗诉或再审检察建议启动再审程序，督促法院纠正错误或不当行为，维护当事人合法权益；针对事实不清的情形，可以根据实际情况与法院做好沟通，进行必要的补证、固证。
此外，监督方式的选择还需要综合考虑监督的经济性、社会关系与生效裁判稳定性、当事人利益及受损程度等因素，作出最有利于实现监督目的的决策。若违法行为不影响判决结果，或纠正后将给当事人带来损失，此时检察机关不宜采用抗诉或者再审检察建议方式，而宜选择以纠正违法检察建议为主的方式进行监督。例如，在网络司法拍卖民事执行违法犯罪类案监督中，客观上不可能为了程序性瑕疵重新举行拍卖，在多数情况下如果没有当事人主动申请监督，检察机关不宜提出实体性检察纠正。
2.“四大检察”的融合式监督
调查核实是连接批量异常执行案件与检察监督的中间桥梁。如何充分发挥调查核实权、实现最佳办案效果，需要检察机关从整体出发，整合“四大检察”职能。这要求办理案件的检察官全程跟踪办理，不必因为案件进入另外一种专业监督领域或者下一个监督程序而把案件交到另外一个部门，而是根据案件进展改变监督手段，持续对案件进行监督，直至监督需要达到的理想结果实现，方为办理完毕。
检察机关开展融合式监督工作，既有法律规范支持，也符合现实实践需求。一方面，宪法规定检察机关是国家法律监督机关。检察机关作为法律监督机关，可以综合运用法律赋予的各种检察手段，而不拘泥于某个专业或者限制于某个领域之中，实现监督效果最大化。另一方面，检察机关多重监督职能交互难以避免。例如上述批量民间借贷案件中可能涉及恶意诉讼、虚假诉讼、非法集资等刑事案件，还可能存在司法人员同案件当事人串通勾结谋取利益等职务犯罪问题。因此，有必要打破“四大检察”的职能划分，形成一种刑事、民事、行政、公益诉讼检察相互组合、衔接有序的协助模式，最大限度发挥检察机关法律监督职能的整体合力。
以民事与刑事诉讼检察协同调查为例，检察机关在民事诉讼监督过程中发现存在刑事犯罪可能，可以借助刑事诉讼检察部门推动民事案件的调查。具体而言，民事诉讼检察部门可以借助公安机关刚性侦查或技术手段寻找案件中难以联系的人员以及涉案相关物证，通过与刑事案件对接机制实现对人或物的民事调查；还可以借助刑事检察部门介入刑事案件的契机，就民事监督所需核实的信息在合适的时机进行针对性讯问等。另一方面，民事诉讼检察工作同样可以推动刑事案件侦查工作的开展。为了避免打草惊蛇，刑事检察部门往往不会与涉案人员进行直接接触，民事检察部门可以主动及时地将初步筛查的异常线索移送公安机关，提供相关数据、材料供公安机关参考，协助公安机关调查取证，促成刑事案件的立案以及后续侦查工作。尽管在不同的监督领域，核实调查的重点、适用对象、方式手段等存在一定差别，但基本内容大致相同，为提高调查核实质量，可以在不同的监督环节共享共用调查核实所掌握的情况、线索、证据，将不同的监督职能串联起来，以提高监督的效率和效果。这种打破常规的融合式监督方法，并未固守“先刑后民”的惯例，而是从被动变主动，在现行制度允许的范围内依据自身的需求寻求其他职能部门的协助，实现调查工作上的刑民“双轮驱动”。
（二）社会治理的检察实践
大数据法律监督中发现立法、执法、司法、机制等方面存在的漏洞，最终落脚点是解决社会治理问题。从批量异常执行案件的方法上看，以生效执行文书为分析对象的线索挖掘方法属于典型的事后监督，具有天生的滞后性，无法实现根治社会难题的终极目标。因此，检察机关需要在此基础上剖析批量异常案件背后的形成逻辑，从根源上堵塞漏洞。结合上述实例，检察机关可就以下方面制发社会治理检察建议：
一是针对违法突出问题，建立长效监管机制。在数据基础建设方面，仅依靠社会公开资源无法保障检察机关调查核实工作顺利进行，有必要加快构建检法办案数据共享平台。在重点领域的监管方面，根据具体需求搭建诸如“非法金融活动信息监测平台”“职业放贷人黑名单制度”等平台或机制，及时提供有关民间借贷裁判、执行信息，并对重点领域和重点人员实施精准监管。检察机关应发挥好桥梁纽带作用，加强法院、政府金融管理、市场监管、税务等职能部门的沟通、交流与协作，联合推进民间借贷领域监管问题的系统性解决。
二是针对司法管理制度漏洞，推进制度的科学重塑。针对上述案号拆分情形，检察机关通过制发社会治理类检察建议，提倡从国家层面统一执行案件案号管理规范，落实案号“终身制”原则。此外，检察机关可建议健全案件统计方法以及绩效考核体系。司法统计工作应明确哪些文书表征为同一案件纠纷，哪些案号不应重复统计，同时可借鉴检察机关“案-件比”评价体系构建人民法院案件质量指标，从源头上填补部分地区虚增案件数量的漏洞。
余 论
实践证明，海量执行文书具有多元价值，为检察机关提供了监督和治理“示范场景”。由于实验样本有限，本文此处仅作抛砖引玉之功，提出一种基于海量执行文书的分析模型，以期为数字检察工作提供有益参考。具备此类行为模式的案件还有知识产权领域专利批量诉讼、金融领域证券虚假陈述诉讼等，有待进一步扩充数据样本开展监督工作。
当然，大数据法律监督模型并非一成不变，而是动态发展的。随着行为人的违法犯罪模式的不断演化，新型案件套路层出不穷，违法者为规避审查采取的手段愈发隐蔽，法律监督模型也需要随之作出调整。这一方面需要检察机关根据办案中的实务经验不断补充新思路以扩充发现线索的途径，另一方面要求充分利用执行大数据所隐含的丰富的信息价值，通过关联检索和数据碰撞发现异常特征，挖掘案件背后行为人的深层勾连关系。
END
《学报》编辑部
作者系陈婕，中国人民大学法学院博士生，中国人民大学刑事法律科学中心研究人员。文章发表于《国家检察官学院学报》2024年第2期。微信公众号文章有删节，引用请参照原文。
