这月的数字总算能看了。SaaS 订阅用户涨了20%，体重掉了3斤。听起来像两个平行宇宙的胜利，但本质上是一回事：用自动化把不可控的东西变成可预测的流程。用户增长靠的是我拿 NLP 模型焊的那套客服自动化，体重下降靠的是把吃饭这件事也他妈流程化了。
先说客服。以前团队里两个小姑娘，每天回“怎么登录”、“忘记密码”、“发票怎么开”这类问题，回得两眼发直，我还得付工资、管情绪、处理离职。现在？一个 FastAPI 后端，接上腾讯云的 NLP 基础服务，再加一堆 if-else 规则和意图识别，全自动了。核心逻辑就三层：第一层，关键词粗暴匹配。用户消息进来，先扫有没有“登录”、“密码”、“发票”、“退款”这些词，有就直接触发预设回复模板，毫秒级返回。第二层，用 NLP 的意图识别。匹配不上关键词的，扔给模型判断用户到底想问“功能使用”还是“售后咨询”还是“抱怨”。这里最头疼的是训练语料，我手动攒了三千多条历史客服对话，分门别类打标签，喂进去。第三层，兜底策略。识别置信度低于70%的，自动转人工——当然，现在“人工”就是我半夜自己上，但触发概率已经压到5%以下了。
API 的回复速度是真吓人。人类客服打字、思考、查资料，平均响应时间怎么也得一分钟。我这边，从接收用户消息、到清洗文本、到走完匹配逻辑、到调用 API、到返回结果，全链路压到了 800 毫秒以内。用户感觉就是“秒回”。这种即时性带来的信任感是恐怖的，很多用户甚至没意识到对面是机器。但问题也来了，速度上去了，容错率就变得极低。有一次，规则里把“开票”和“开发”设成了同义词组，结果一个用户问“怎么开发新功能”，系统自动回复了“您好，电子发票将在24小时内发送至您的邮箱”，直接给我干出来一个投诉。所以现在每晚必做的一件事，就是拉日志，看那些置信度在70%-90%之间的“模糊案例”，手动修正，补充进训练集。这是个无底洞，但比管人简单。人会有情绪，会累，代码不会，代码只会按照你写的逻辑，稳定地、无情地执行。
体重那3斤，是另一个维度的自动化。我把低卡饮食彻底做成了 SOP。厨房秤常备，薄荷健康 APP 记录每一口，蛋白质、碳水、脂肪按克计算。吃饭不再是享受，是摄入燃料。很变态，但有效。这和我做客服自动化的心态一模一样：把混沌的、依赖状态的人的行为，拆解成可监控、可优化的节点。客服的节点是“意图识别准确率”、“响应时间”、“用户满意度”；身体的节点是“每日热量缺口”、“血糖波动”、“睡眠时长”。都在试图用理性对抗熵增。
团队那边现在半死不活。流水是有，但每天一睁眼就是各种开支和人事破事。上个月一个技术因为嫌我管太细，直接撂挑子，项目差点崩盘。我半夜一边对着客服日志调模型参数，一边想，也许未来最好的团队结构，就是一个我，加上一堆像我这样不知疲倦、没有情绪、只会迭代的 API。用户增长了，但我感觉更孤独了。这种孤独不是没人说话，而是你发现你能信赖和依靠的，最终只有你自己写的逻辑和流程。体重秤上的数字和后台的用户增长曲线，成了仅剩的、确凿的反馈。也不知道这算不算一种进步。
