既然 AI 能写代码，我就让它重写 Rembg Pro 的核心。这念头是在玉林路那家蹄花店里冒出来的，面前那碗奶白的汤还在冒热气，隔壁桌几个老哥在用四川话摆龙门阵，声音洪亮，节奏安逸。我盯着手机屏幕上那个报错的 Python 环境，突然觉得，我他妈在北京上海深圳卷了十几年，图个啥？不就图能有一天，在成都这种地方，一边吃着蹄花，一边让 AI 给我打工吗？
可安逸是毒药。尤其是对 Flovico 这个 IP 来说。我搬来成都快一年了，最大的感受是，这里的“慢”不是懒，是一种巨大的、沉甸甸的精神能量。它不催你，但它会包裹你，软化你那些在北京养成的、锋利的 deadline 焦虑。早上十点才陆续开门的咖啡馆，下午河边一坐就是半天的茶摊，晚上九点以后才真正热闹起来的火锅店。这种节奏，和我脑子里那个必须日更、必须追热点、必须保持技术敏感度的“Flovico”是剧烈冲突的。我经常在深夜写代码的时候，听到楼下传来搓麻将的哗啦声，那一刻不是觉得吵，而是恐慌——我怕自己被这种声音腌入味了，怕我的产品嗅觉钝了。
所以重写 Rembg Pro，更像是一种对抗。对抗那种下沉的安逸感。原版的 Rembg 用 PyTorch，抠图效果不错，但部署起来就是一坨屎，依赖地狱，CUDA 版本冲突，Docker 镜像动不动就几个 G。我想把它核心的 U²-Net 模型用 ONNX 固化下来，用更轻量的推理引擎跑，最好能封装成一个简单的 HTTP API，扔到云函数上，按次计费。这活儿放以前，我得自己啃模型转换，调试那些见了鬼的算子兼容性，没一个礼拜下不来。
但现在，我让 GPT-3（那时候还没 ChatGPT，用的是 OpenAI 的 API）给我列步骤。Prompt 得极其具体：“我有一个 PyTorch 训练的 U²-Net 模型文件 ‘isnet-general-use.pth’，目标是转换为 ONNX 格式，并优化用于 CPU 推理。请写出完整的 Python 脚本，包括：1. 加载模型并设置为 eval 模式；2. 构造一个示例输入张量；3. 使用 torch.onnx.export 进行转换，需要指定输入输出名称和动态轴；4. 使用 onnxruntime 进行简单验证。” 它给的代码骨架基本正确，但魔鬼在细节：模型里有自定义的 GroupNorm 层，ONNX 导出时老报错；动态轴设置不对，导致后面推理时输入尺寸被锁死。我还是得一行行调试，但至少，它把我从“该从哪里开始”的茫然里拽了出来，直接进入了“这里有个坑”的实战。
调试到凌晨三点，窗外早就安静了，连麻将声都没了。我站起来活动僵硬的脖子，看着黑漆漆的窗外，突然想起下午在浣花溪公园，看到那些退休大爷提着鸟笼子慢悠悠走的样子。那种“时间不是资源，时间是背景”的状态，让我羡慕又警惕。Flovico 的商业模式，本质是贩卖“效率”和“可能性”，这需要持续的、高强度的焦虑感作为燃料。而成都，正在悄无声息地抽走我的燃料。
平衡？可能根本不存在平衡。只有一种切换。白天，允许自己被成都的节奏泡着，去人民公园喝茶发呆，观察那些真正在生活的人，让紧绷的神经稍微生锈。到了晚上，就像现在，必须把自己强行摁回那个“北漂产品经理”的躯壳里，用具体的、硬核的技术问题（比如 ONNX 算子支持列表）来制造紧迫感，来喂养 Flovico。让 AI 写代码，不是为了偷懒，是为了把节省下来的脑力，用在更残酷的思考上：当技术平民化的洪流来了，我这个人肉电池，到底还能提供什么独特的、无法被替代的“能量”？
蹄花的油腻还留在胃里，代码的报错还挂在终端。这种分裂感，可能就是未来几年的常态。用安逸来蓄能，用焦虑来放电。至少，重写后的 Rembg Pro 核心，模型文件从 200M 瘦身到了 47M，在无 GPU 的机器上，单张图推理从 3 秒降到了 800 毫秒。这个实实在在的数字，比任何关于“平衡”的哲学思考，都更能让我今晚睡着。
