既然 GPTs 来了，我就把 Flovico 的十年经验全喂进去。这玩意儿一出来，我那些爬虫、自动化、分布式采集的野路子，瞬间就成了博物馆里的旧石器。但旧石器有旧石器的狠劲儿，得先讲讲我是怎么用一堆树莓派，把自己从交付泥潭里捞出来的。
那是2021年，刚把团队解散，回归一个人干。手里接了个体育赛事数据的单子，要求实时性高，源站有上百个，每个都有反爬，IP频率限制卡得死死的。租云服务器？那点利润全喂给AWS和阿里云了。买代理IP池？更烧钱。当时就一个念头：得用物理成本换时间成本和风险成本。我翻出抽屉里吃灰的五个树莓派4B，又去闲鱼收了三个，凑了八台。每台成本不到四百，总价还赶不上一台中配云服务器一年的费用。
真正的难点在调度和容错。我拿一台性能稍好的树莓派4B做主控，上面跑个自己写的Python调度器。核心逻辑是任务队列+心跳监测。主控把目标URL列表拆分成小块，通过内网SSH分发到各个子节点。子节点上跑的是 stripped-down 版本的采集脚本，只干三件事：按策略更换SSH隧道出口（我用了几个便宜的VPS做跳板）、解析DOM树提取数据、把清洗后的结果塞回主控机的Redis里。心跳每五秒一次，超过三次没响应，主控就把该节点的任务标记为失败，重新扔回队列，由其他节点捡走。
最狼狈的一次是夏天，书房没开空调，八台树莓派全速跑，散热片烫得能煎蛋。结果主控节点因为过热降频，心跳监测阻塞，整个集群以为主控死了，开始乱抢任务，数据重复了一大片。后来我给每台都加了小风扇，用Python写了温度监控，超过55度就自动降低采集线程数。硬件嘛，就得当牲口使，但也不能真把它累死。
这套系统的“美学”在于极致的抠门和粗暴的有效。我用的是最便宜的MicroSD卡做存储，定期备份到NAS；网络是家里的千兆宽带，上行速度反而比很多云服务器机房要快；电费？一个月多出来那几十块，几乎可以忽略不计。它不优雅，一堆线缠在一起，像个土制炸弹。但它能7×24小时吭哧吭哧地干活，把那些用JavaScript动态加载、数据裹了三层嵌套JSON的网站，一点点扒下来。成本锁死了，风险分散了（一个节点被ban不影响全局），我晚上才能睡得着，才有时间去研究低卡食谱和健身计划。身体才是第一生产力，这话不是鸡汤，是2021年我腰椎间盘突出时痛出来的结论。
现在GPTs来了，我大概会训练一个专属于“Flovico”的智能体。把这些年积累的反爬策略（随机延迟、User-Agent轮换、模拟鼠标移动轨迹的Selenium脚本）、分布式任务拆解逻辑、硬件监控脚本，还有那些踩过的坑（比如异步IO在树莓派ARM架构上的诡异bug），全部喂给它。低成本自动化的核心不是技术多新，而是用最低的物理消耗，构建一个能自主循环的系统。超级个体没有备份，没有运维团队，你的系统就是你身体的延伸。它必须健壮、吝啬、且充满野性。
