既然不想招客服，我就写了个基于 GPT 的自动回复机器人。这想法其实是被逼出来的，2022年初，团队散了，我又回到一个人单干的状态，但手里几个小程序的客服消息每天还在响，烦得要死。招人？成本太高，管理更累，去年那种身心俱疲的感觉还没散。不招？我自己就得被这些“在吗？”“怎么用？”“多少钱？”给淹死。妈的，身体刚靠低卡饮食和健身缓过来点，不能再被这种重复劳动拖垮。
那就用技术解决。当时市面上还没 ChatGPT 这玩意儿，但我早就盯上 OpenAI 的 API 了。思路很简单：用 Python 写个脚本，轮询微信开放平台的客服消息接口，抓到新消息就扔给 GPT-3 的 `text-davinci-002` 模型，再把返回的文本塞回去回复。听起来挺顺，实际全是坑。第一个坑就是微信的频控，你调用接口太频繁，直接给你限流甚至封号。我一开始用 `time.sleep(5)` 傻等，结果高峰期消息积压，用户等半天没回复直接开骂。后来改成了异步队列，用 `asyncio` 搞了个生产者-消费者模型，根据消息优先级和用户等待时间动态调整拉取间隔，才算把响应时间压到 30 秒内。
但 GPT-3 也不是省油的灯。这玩意儿贵，而且有时候回复得不着边际。用户问“套餐A多少钱”，它可能给你扯一段关于“价值与价格哲学思考”的废话。我得写提示词工程，在消息前面拼接系统指令：“你是一个专业、简洁、高效的电商客服机器人。请直接回答用户问题，不要展开论述。如果不知道，就说‘请稍等，我将为您转接人工’。” 还得设置 `max_tokens` 和 `temperature`，反复调，不然成本刹不住。那段时间，我电脑上永远开着个终端，盯着日志看，看哪条提示词效果好，哪条又浪费了钱。感觉不像在做产品，像在训狗，只不过这狗吃的是美金。
最魔幻的时刻是脚本跑通那天晚上。我书房里就一台电脑，但屏幕上开着几十个模拟器和真机调试窗口，脚本同时处理着来自不同小程序的客服消息。看着那些对话框自动弹出、消息被捕获、发送到云端、然后 GPT 的回复又自动填回去、发送成功……整个流程无声地循环。我突然觉得自己像个赛博农场主，看着自己码出来的代码在数字田野上收割和播种，而我，这个曾经被团队管理和交付压得喘不过气的人，现在只需要维护好这台“自动拖拉机”就行。一种诡异的掌控感和抽离感。
当然，问题没完。有些用户的问题涉及订单具体信息，GPT 没法访问数据库，只能回复转人工。我就得在脚本里加规则引擎，用正则匹配关键词，遇到“订单号”、“退款”这类词直接走另一条流程。这又回到了老本行，写一堆 `if-else`。技术栈变得很杂：微信 API、OpenAI API、Python 异步、正则表达式、简易规则引擎。但这一切的核心目的极其单纯：把我自己从重复的、低价值的劳动中解放出来，让我的时间和精力能聚焦在真正需要创造力和判断力的事情上，比如琢磨下一个产品点子，或者干脆去健身房多推两组铁。身体才是第一生产力，这话在 2022 年，我算是刻在骨头里了。
这个机器人后来默默跑了小半年，处理了上万条消息，没出过大乱子。它没名字，就是一个后台进程。但我心里清楚，这是我在“超级个体回归”阶段一次关键的自动化实践。它没用什么高深莫测的 AI 算法，就是现有 API 的拼接和业务逻辑的封装，但解决了一个真实、具体、每天让我头疼的问题。效率提升不是吹出来的，是晚上手机不再频繁震动、我能安静看会儿书或者早点睡觉换来的。技术应该这样用：解决问题，然后隐身。
