那些“伪原创”神效消失得比想象中快。上周流量曲线像被砍了一刀，垂直往下掉，我盯着百度统计后台，胃里一阵发紧。不是缓慢下滑，是断崖。我第一反应是服务器挂了，查了一圈屁事没有，然后才意识到，是那个我用了快两年的同义词替换脚本，彻底失效了。
这脚本是我2017年写的，当时简直是流量金矿。原理简单粗暴：抓取一批目标文章，用结巴分词切好，然后调用一个本地同义词库，把名词、动词、形容词挨个替换一遍。什么“方法”变“法子”，“快速”变“迅捷”，“重要”变“关键”。再手动调换一下段落顺序，一篇“原创”就出来了。配合上当时百度对内容农场还不太敏感，一天能批量生产上百篇，靠长尾词吃流量吃到撑。那会儿觉得，什么狗屁内容质量，能爬上去就是王道。现在回头看，那堆东西根本没法读，语句颠三倒四，但搜索引擎就是认。
这次算法升级不一样了。我试了老办法，把替换密度调低，只换核心词，甚至尝试用上了简单的句法分析，想只动定语和状语。没用。新文章发出去，索引都慢，更别说排名了。我判断百度这次上了真家伙，可能是基于BERT或者类似的东西在做语义理解，它不再只看关键词匹配和词频，它在读“意思”。你替换一两个词，它可能发现前后语义连贯性出现断裂，或者整段话的“主题向量”跟网上已有的某篇高度雷同。这就麻烦了，意味着我那套基于规则和词库的玩法，底裤被扒了。
我开始死磕NLP库，想给脚本升级。先是折腾NLTK，搞词性标注和命名实体识别，想区分一下哪些词能动哪些不能动。发现光识别没用，替换逻辑才是核心。又去试了TextBlob，想用它的情感分析和短语结构，让替换更“自然”点。结果更糟，这库对中文支持稀烂，处理出来的句子不中不洋。那几天我电脑上Python环境乱成一锅粥，各种库冲突。最头疼的是，即便用了这些，生成的东西还是有一股浓浓的“机器味”。比如原句是“这个产品的用户体验非常流畅”，经过我“高级”脚本处理，可能变成“此款商品的用户体感分外顺滑”。看起来换了词，但那种生硬的、刻意避开原文又没完全避开的感觉，AI一眼就能看出来。我甚至怀疑百度现在用的模型，训练数据里就包含了我这种早期伪原创文章，专门用来做负样本。
团队里新来的小孩问我，为什么不直接招写手。我苦笑。2019年，团队刚拉起来，人力成本已经压得我喘不过气。一个合格写手一个月大几千，产出还慢，哪有脚本24小时不停机来得划算？我当时的心态就是路径依赖，觉得技术能解决的，绝不用人。而且心底里，我瞧不上那种慢工出细活的内容生产，觉得互联网就是快鱼吃慢鱼。现在被算法一巴掌扇醒了。
流量还在跌。我关掉了大部分伪原创站群，心疼，那都是真金白银堆出来的域名和服务器。晚上睡不着，爬起来看日志，看爬虫还能抓到什么。突然觉得有点讽刺：我花了那么多时间研究怎么骗过机器的算法，却没怎么想过，机器进化得比我快多了。它不再是一个简单的规则过滤器，它开始理解了。而我，还在用对付过滤器的思维，去对付一个正在学习的大脑。这次惨案给我的最大教训，可能不是技术上的，而是心态上的——总想找漏洞、走捷径，最后漏洞会先把你吞掉。得换条路走了，哪怕慢点。
