在本猫的解释下，Muse和老陈逐渐明白了这两个参数的意义。
在新用户得到“平台”后，其必须不断地将身边的各种信息借由扫描功能，扫描存储进“平台”当中，才能够加以利用。因此，用户在“平台”上存储信息的动作越频繁，其一定是扫描功能使用得越密集，放大来说，即是对“平台”的使用越密集。
“平台”有了足够的用户信息的存储后，就能够为用户带来各种各样的服务，这很自然。但若用户只是单纯的扫描，却不把这些信息拿出来使用，那这些信息就没有价值体现。这时候就需要一个使用率来约束用户，在他们没能够经常使用原有存储的数据之前，不要着急去扫描新的数据。
两个参数条件都达到了，用户就能解锁新的功能。
在用户的权限较低的时候，咱要求的使用率限制很高，达到90%，这可以让他们慎重选择适合自己经常使用的信息进行扫描；随着权限的逐渐提高、功能的解锁，用户需要扫描更多新的信息以扩充“平台”的信息存储，这个使用率限制会逐步下调——毕竟每一天只用24小时，用户不可能超过这个时间界限来使用“平台”，功能变多了以后，使用每个功能的平均时间就变少了，能够利用上的信息总数也随之降低了，这就必须下调使用率的限制，才能够让用户达到接着解锁更强悍的新功能的预期使用率。
达到使用率要求的同时，扫描信息的总数也必须跟上。这方面本猫设置了一个隐藏分体系：单纯信息的分数要比混杂信息要高，每增加一个混杂度，信息总分复合减少1%，即打个99折。
怎么样算是单纯信息呢。。？就拿之前的烤翅来说吧，扫描了烤翅以后，咱可看到该烤翅的尺寸、质量、温度、颜色等信息，但对“平台”来说，是要把鸡皮、鸡骨、鸡肉、鸡筋、骨髓、油脂、水分全部分开来对待的。每个类别的物质，其质量、体积、热量、温度、湿度、热稳定性、溶解度、挥发性都不一样，那么每一个类别的每一个属性，就是一个单纯信息——放在一块儿就是混杂信息了。
而所谓混杂度，即将多个不同物质的类别性质放在一起，每增加一个性质，计算公式上就增加一个混杂度。比如说一张红色的纸，它的颜色、材质、厚度、质量、触感，每一个都是一个单纯信息。假设“平台”从这张纸上扫描得到的单纯信息有10个，那么复合计算来看，就有9个0.99连乘，得到的0.9135即是这张纸的信息总分。
当然，在实际扫描中，颜色、度