1、后设学习（学习如何学习）
2、专心致志（循序渐进）
3、直截了当（以终为始，走最短的路）
4、反复操练(直击你最大的弱点)
5、提取记忆（①卡片法，②自由回想法，③提问法，④思维导图法）
6、意见反馈（①结果型反馈：做错了吗？②信息型反馈：哪里做错了？③改正型反馈：如何修正错误？）
7、保留记忆（遗忘曲线）
8、培养直觉（高手的能力）
9、勇于实验（实现跃迁）

https://github.com/assimon/dujiaoka/wiki/2.x_bt_install

在机器学习算法中，马尔可夫链(Markov chain)是个很重要的概念。马尔可夫链（Markov chain），又称离散时间马尔可夫链（discrete-time Markov chain），因俄国数学家安德烈·马尔可夫（俄语：Андрей Андреевич Марков）得名，为状态空间中经过从一个状态到另一个状态的转换的随机过程。该过程要求具备“无记忆”的性质：下一状态的概率分布只能由当前状态决定，在时间序列中它前面的事件均与之无关。这种特定类型的“无记忆性”称作马尔可夫性质。马尔科夫链作为实际过程的统计模型具有许多应用。

在马尔可夫链的每一步，系统根据概率分布，可以从一个状态变到另一个状态，也可以保持当前状态。状态的改变叫做转移，与不同的状态改变相关的概率叫做转移概率。随机漫步就是马尔可夫链的例子。随机漫步中每一步的状态是在图形中的点，每一步可以移动到任何一个相邻的点，在这里移动到每一个点的概率都是相同的（无论之前漫步路径是如何的）。

本方案对于跳转过的url无效，包括google。

<?php
// 获取远程文件的 URL
$url = $_SERVER['REQUEST_URI'];
//传入的url必须带http://这种协议名称，否则提示
if (strlen($url)<7) {
echo "请使用 域名/+url形式访问";
} else {
$url = substr($url , 1);
// 创建一个 cURL 会话
$curl = curl_init();
// 设置 cURL 选项
curl_setopt_array($curl, array(

CURLOPT_URL => $url,
CURLOPT_RETURNTRANSFER => true,

));
// 执行 cURL 请求
$response = curl_exec($curl);
// 关闭 cURL 会话
curl_close($curl);
// 输出响应
echo $response;
}
?>

另外需要配置伪静态

if ( !-e $request_filename) {

   rewrite ^/(.*)$ /index.php?$1 last;
   break;

}