既然回到了独狼，我就把所有的 SOP 彻底“代码化”。今天凌晨三点半，不是看夜色，是盯着模拟器里那个虚假的安卓环境，看着脚本自动滑动、点击、输入、截图，然后数据像水一样流进我的本地数据库。亢奋，比2018年第一次用多线程爬虫绕过反爬时还亢奋。平台封IP、封设备、封行为链，我他妈就给你造一千个“真人”。
人管不了，代码还管不了吗？去年带团队那会儿，让一个实习生去手动采集某健身App的课程更新数据，他要么漏要么错，教了三遍还是出问题，最后我亲自上手，花了一下午。现在想想，那一下午值多少钱？时间才是最大的成本，尤其是你重新一个人干的时候。所以，别跟我谈什么“流程文档”，那都是给人看的，人会犯错、会懈怠、会有情绪。我的新原则是：凡是重复超过三次的活儿，必须自动化，而且必须是“黑盒自动化”——从触发到结果，中间不需要我这个人参与。
这次的目标是某头部健身平台的课程和教练数据。他们前端做了混淆，API带动态令牌，常规的requests+解析DOM树基本废了。逆向APP？成本太高。我的路子是：用Android模拟器群控，每个模拟器实例对应一个经过“养号”行为的虚拟设备。脚本底层用的是Appium，但没用它的常规定位，那太慢。我直接注入JavaScript到WebView上下文，执行原生JS去抓取渲染后的数据，绕过Appium的层级遍历。心跳包模拟真人触摸轨迹，随机滑动距离和停留时间，甚至在非目标区域随机点击几下——就是为了让服务端认为这是个活人在无聊地刷手机。
最关键的突破点在于“环境隔离”。每个模拟器实例的硬件信息（IMEI、MAC地址、Android ID）、GPS定位（通过Mock Location动态生成一条城市内的移动路径）、甚至屏幕分辨率与字体DPI，都通过脚本在启动时随机化并持久化。这样，每个虚拟设备在平台看来都是独立的、真实的低活跃度用户。采集任务被拆解成几百个微任务，分散到这些“肉鸡”上执行，单个账号的请求频率低到像真人，但汇总起来，数据流是连续的。
数据库选型也换了。之前习惯用MySQL，但面对这种可能突然涌入的结构化但字段多变的数据（比如教练的荣誉标签每次更新格式都微调），我直接上了MongoDB。schema-free太适合这种敌后战场了，抓下来什么就存什么，清洗和整理是后面分析阶段的事。采集阶段的核心目标就一个：不惜一切代价，把数据弄下来，存进去。
搞定的那一刻，我关掉了所有监控界面。脚本自己在后台跑着，异常会发Telegram通知我。我坐在那儿，感觉像是给自己造了一个沉默、高效、绝对服从的数字劳工。它不会问我为什么要这么做，不会在周五晚上想着去约会，更不会因为情绪不好就搞砸数据。这种掌控感，是带十个人都给不了的。团队交付赚的是流水，是放大，但随之而来的是沟通成本、管理成本、情绪成本，那些东西吸干了我的创造力和耐心。现在，我退回来了，用代码把边界重新筑起来。效率可能没有十个人高，但确定性是100%，心是静的。
也许这就是超级个体的终极形态？不是一个人干十个人的活，而是用一套系统，让一个“我”的效能，逼近甚至超越一个需要管理的“团队”。下一阶段，该让这些数据自己产生价值了，比如自动生成竞品分析周报？或者对接一个简单的推荐算法，给我的私教客户做课程推荐？让自动化流水线，不止于采集，还要通向洞察和决策。这感觉，像2016年刚学会爬虫时一样，眼前又打开了无数道门，只不过这次，门后是我自己建的工厂。
