既然不想招客服，我就用 Docker 部署了一套智能问答库。iPhone 13 Pro Max 的包装盒就扔在书房地板上，我盯着那块新屏幕，想的不是它有多流畅，而是它能不能让我每天少看两小时手机，多睡二十分钟。今年彻底砍掉团队回归单干，省下的管理成本全砸在硬件和自动化上了，身体是第一生产力，这话现在信了。
上个月接了个体育培训机构的线上咨询系统，需求很简单：把官网、公众号、小程序里那些“课程多少钱”、“什么时候开课”、“教练资质”的重复问题给自动化掉。放两年前我肯定想着招个兼职大学生，但现在我一听“人”这个字就PTSD，2019年那会儿管七八个人，光每天协调谁上厕所时间长点都能把我精力耗干。钱是赚了点，自由没了，划不来。所以这次铁了心，用技术把“人”这个变量彻底干掉。
拆了一下，核心就三块：一个能理解问题的 NLP 模型、一个本地知识库、一个能对外提供 API 的服务。模型直接用 Hugging Face 上 fine-tune 过的 BERT，虽然比不了现在的 GPT，但在垂直领域回答固定问题够用了，关键是可以本地部署，数据不出门。知识库我用 Markdown 文件来维护，每篇一个常见问题，结构清晰，改起来也快。
最麻烦的是部署和运维。总不能给客户装个 Python 环境再配一堆依赖吧？Docker 这时候就是救命稻草。写了个 Dockerfile，把模型、代码、依赖全打包进去。为了处理并发，前面用 Nginx 做反向代理，后面用 Gunicorn 跑 Flask 应用。Docker Compose 文件一编排，`docker-compose up -d` 一行命令，服务就在他们自己的服务器上跑起来了。客户那边只需要有个能跑 Docker 的基础环境就行，后续更新我直接给个新镜像 tag，他们拉取重启就完事。
这整套搞下来，我发现自己对“效率”的理解完全变了。早几年迷信各种协作软件，Trello、Jira、飞书轮着用，流程画得花里胡哨，最后发现最大的瓶颈就是等别人回复。现在？所有能固化、能重复的环节，必须用代码焊死。新手机 A15 芯片强不强？强。但我更关心它跑自动化测试脚本、处理批量图片压缩时，能不能比旧设备快出那关键的几分钟。这几分钟累加起来，可能就是我能早睡半小时的窗口。
当然也有坑。知识库冷启动的时候，客户给的 FAQ 文档乱七八糟，同义词一大堆，模型一开始准确率惨不忍睹。我不得不写了个脚本，去爬他们历史客服聊天记录，清洗、聚类，硬是提炼出了五十组标准问答对，重新喂给模型训练。还有 Docker 内外的路径映射、模型文件太大导致镜像构建慢，这些细节都得一个个啃下来。但比起跟人解释“为什么这个问题你没及时回”，我宁愿跟命令行报错死磕。
看着 Docker 容器稳定运行了七天，CPU 和内存占用曲线平稳得像条直线，我居然有种诡异的满足感。这玩意儿不会请假，不会闹情绪，不会要求涨薪，只要服务器不宕机，它就能一直干下去。所谓超级个体，可能就是这么一点点把自己不擅长的、厌恶的环节，用技术和工具剥离出去的过程。手机性能再强，最终也是为这个目标服务的。下一个压榨对象，该轮到那些繁琐的合同和发票流程了。
