瑞幸这新闻看得我后脊梁发凉。不是因为它造假，而是它把造假当成一种商业模式还他妈上市了。我桌上这杯用爬虫脚本自动领券零元购的瑞幸，现在喝起来一股数据中心的铁锈味。
去年这时候我还在为养十五个人的团队焦虑得整夜睡不着。每个人都像一台嗷嗷待哺的吞金兽，你得不断接项目、做交付、画大饼、追回款，就为了维持那个“估值逻辑”。我们当时也差点被一个本地生活平台的投资人看上，条件是把流水数据做得再“漂亮”一点，把用户日活的计算口径从“打开小程序”改成“系统推送触达就算”。我没同意，不是道德感多强，是怕。怕这套逻辑一旦启动，我就得不停地编下一个故事去圆上一个谎，最后把自己活成一个行走的 KPI 造假机。现在回头看，砍掉团队、回归一个人写代码，可能是我这几年最不后悔的一个决定。至少我赚的每一分钱，都能在服务器的日志里找到对应的 API 调用记录，实在。
说到 API，我这两天在家隔离，把健身房的哑铃推举和 Python 脚本绑一块儿了。原理特简单，但调试过程能气死人：用 OpenCV 调用电脑摄像头，实时捕捉哑铃杆的运动轨迹，设定一个阈值，一旦检测到推举动作的位移幅度低于标准（比如偷懒只做了半程），脚本就自动暂停我正在听的播客，换成一段刺耳的警报音。同时用多线程记录每组次数、间歇时间，自动生成一个 CSV 训练日志。
难点全在细节里。摄像头角度稍微偏一点，光线变化一下，人体轮廓识别就飘了，经常把我晃动的脑袋误判成哑铃。我不得不引入背景减除算法，还得用卡尔曼滤波预测轨迹，减少抖动误报。这比写个普通的爬虫复杂多了，爬虫面对的是有明确结构的 DOM 树，而人体动作是一团连续、模糊的像素流。但这种把物理世界动作转化成严格数据流的过程，让我有种病态的安全感。至少这里的每一个“半程”都是真实的，算法不会为了取悦我而虚报次数。
瑞幸那种玩法，是资本催熟的畸形儿。烧钱换规模，数据换融资，所有人都在赌自己不是最后一棒。可我们这种干实业（如果自动化脚本也算实业的话）的人，逻辑是反的。我得先有一个能跑通的、哪怕很小的闭环：写一个脚本，解决一个具体问题，省下时间或赚到小钱。然后像滚雪球一样，把这个闭环复制、放大、连接起来。我的“估值”就是脚本库里的行数，和那些稳定运行了几年没出过错的定时任务。这很慢，很笨，赚不了快钱，但夜里能睡着。
哑铃推举到第八组的时候，手臂已经酸得发抖，摄像头里的轨迹明显开始缩短。警报音又响了。我骂了句脏话，但还是咬着牙把最后三个全程做完。数据不会骗人，肌肉的生长也不会骗人。在这个连咖啡交易都能伪造的时代，可能只剩下杠片重量和代码执行日志，是你能绝对信任的东西了。
