Meta 发布 LLaMA 了。不是那个社交巨头，是那个 130 亿参数的开源模型。朋友圈里几个搞 AI 的朋友在转，配文都是“开源核弹”、“平民玩家的春天”。我刷到这条消息的时候，正卡在 Rembg Pro 的一个交互细节上，手指悬在触控板上，突然就僵住了。不是兴奋，是一种很深的、往下坠的恐慌。我意识到，我过去两年引以为傲的、靠代码逻辑和手工优化堆砌出来的技术壁垒，可能正在被这种“核弹”无声地蒸发。
去年接的那个健身馆 SaaS 项目，上个月彻底黄了。客户，一个连锁品牌的老板，最后给我打电话，语气疲惫：“Flovico，不是你的系统不好。你那个自动排课算法，把教练时间利用率算到了 95%，牛逼。会员打卡的并发处理，几千人同时抢课也没崩过，稳定。但我们最大的问题是，教练在偷偷用个人微信拉客户私教，会员续卡率上不去。你的系统再智能，管不住人心，解决不了我这个。” 我花了三个月，用 Flask 搭后端，Vue 做前台，连微信消息监控的接口都偷偷研究过，想给他做个“风控模块”。但最后发现，这根本不是技术问题，是他管理失控，是他那个销售总监和教练团队形成了利益共同体。我的代码，在他那个血肉模糊的现实问题面前，精致得像玻璃柜里的手术刀，好看，但砍不动柴。
这就是问题所在。我们这些技术出身的人，太容易陷入“技术完美主义”的幻觉。觉得用多线程把图片批量抠图速度提了 30%，用内存缓存把重复请求响应压到 50 毫秒以内，就是创造了价值。不是的。客户要的不是 50 毫秒，他要的是“别让我思考”。Rembg Pro 现在的问题就在这里，功能很强，能处理复杂背景毛发边缘，但用户上传图片后，面对七八个参数滑块（前景阈值、背景平滑度、边缘侵蚀……），他懵了。他只是一个想快速去掉图片背景的电商运营，他不想理解什么是 Alpha Matting。
LLaMA 这种模型的出现，会把这种“技术自嗨”碾得更碎。以后，一个调用开源模型 API 的脚本，可能比我精心优化几个月的传统算法效果更好、更通用。壁垒从“我会不会写这个算法”，急速滑向“我能不能找到真实、具体、愿意付费的痛点，并用最直接的方式缝合现有工具去解决它”。这个“缝合”的能力，交互设计、流程封装、对用户隐性需求的理解，突然变得比代码本身重要十倍。
所以今天，我把 Rembg Pro 那个复杂的参数面板全隐藏了，做了一个“一键智能抠图”的按钮。背后其实还是我那套算法，但我用历史数据训练了一个简单的模型，让用户上传图片后，自动预测一组最优参数。默认，就是直接出结果。把高级选项折叠进一个“专家模式”里。这个改动没有任何技术突破，但我觉得，这可能是我今年做的最有价值的一个决定。技术必须隐形，体验必须直接。在 AI 这种“暴力”面前，优雅的、显摆式的复杂，死路一条。
恐慌归恐慌，但隐隐又有点兴奋。好像又回到了 2016 年刚开始学爬虫破解反爬策略的时候，面前是一个全新的、不讲武德的战场。只不过这次，要攻克的不再是网站的 DOM 树和频率限制，而是如何让技术，真正驯服地钻进普通人的工作流里，变成他感知不到的“力气”。
