据上篇文章总结，我们先看看如何学习Uber做工序匹配：
匹配算法－快速响应，优良服务，顾客体验的正循环
对于司机而言，派单是比抢单更轻松的方法。
Uber在派单之前用来匹配“乘客需求－司机供给”的模型，每个订单通过算法（包括,最短到达时间，是否可用、以往评价等因素），决定了司机和车辆的推荐顺位。
- 通过算法找到能够最短到达的司机
- 司机看不到目的地，因此也无法拒载。（潜在问题是，司机如果对目的地那片区域如果不熟悉怎么办？除非算法里自动匹配司机过往的行车记录，有类似行车记录的司机才进行推荐，否则将造成司机找不到路，行车体验很差的结果。Uber目前推出的最短路程游戏就是解决这个问题的。）
远程协作的匹配
我们程序员客栈要做的，就是尽量精准快速地匹配用户的开发需求和开发者，类比下来，我们需要解决这么几个问题：
- 开发需求和开发者之间的“最近路径”应该由什么量化指标来确认？
GPS定位＋道路地图，是Uber能做到最近路径匹配打车者和合作司机的关键因素。
那么开发需求和开发者之间的“最近路径”应该由什么量化指标来决定呢？
从目的出发，最近是为了对于司机和乘客双方而言，都能够最快实现需求（司机－接活赚钱，乘客－出发）。
因此我们开发也从目的出发：为了让开发者能够尽快上手开发，开发者（司机）离开发需求（乘客打车需求）的距离，应该从：
- 开发者对于需求（开发分类，功能，行业）的了解程度，学习，以及沟通成本越低越“近”；
字段：个人的方向／语言，技能树，作品的功能，行业标签；
- 派单推荐顺序参考因素：
- 是否接单：不派单给暂时处于不接单状态的签约开发者，节省派单时间降低用户等待；针对长期不接单的签约者（3个月），建议暂时解约。
- 过往接单率：过往派单后半个小时内接单的比率。
- 过往用户评价：1-10分打分评价。
- 个人每天能够投入的开发时间；
派单的时候，不公开价格信息，确保开发者不会因为价格歧视而拒接。
总结：
先筛选出与用户发布的需求在以下几个方面最吻合的开发者：
方向（iOS ,Android, Web)
语言（对于发布方而言是选填）
关键功能（对应开发者过往作品功能）
行业（对应开发者过往作品行业）
然后按照以下方式排序：
- 是否接单
- 过往成交率
- 过往用户评价
- 个人每天能够投入的开发时间
开发者签约时需要填写的信息：
- 作品，作品的功能，行业属性
- 个人方向，语言，技能树
- 是否接单，每日可工作时间多少
系统自动计算的开发者属性：
- 接单率
- 用户好评率
发布者发布任务的时候需要填写的信息：
- 目前所有发布信息
- 发布需求的关键功能，行业，语言（可选）
- 时间要求
系统自动计算的发布者属性：
1.发布成功率
2.开发者好评率
