五月总结，体脂率 14%，但脑子里的认知架构被 GPT-4o 彻底重写了。上个月还在死磕爬虫和微信生态的野路子，这个月直接给我干沉默了。我花了两天时间，把 ChatGPT 的 API 接进了 n8n，就为了测试一个最简单的功能：自动生成小红书爆款标题。
以前这套流程是我吃饭的家伙。爬虫去抓热榜，用正则和 XPath 硬抠关键词，再塞进我自己攒的那套“标题公式”里，出来的东西能跑，但总带着一股子土腥味，像隔夜的炒饭。现在呢？n8n 里一个 HTTP Request 节点，指向 OpenAI 的 endpoint，payload 里写清楚 system prompt 和 user prompt，点一下运行。十秒钟，二十个标题甩出来，每一个的网感和信息密度都比我过去三年琢磨出来的强。这不是效率问题，这是维度打击。我那套基于 DOM 树解析和多线程并发的“技术壁垒”，在 GPT 面前像个拿着木棍对抗坦克的原始人。
最让我后背发凉的不是它写得好，而是它“理解”了我的指令。我给的 prompt 是：“生成 10 个关于‘AI 绘画副业’的小红书标题，要求包含人群痛点、具体收益数字、使用工具关键词，语气要紧迫感和获得感交织。”它真就照做了。痛点抓得比我准，数字给得比我狠，关键词塞得毫无痕迹。我过去靠的是什么？是熬夜盯数据，是手动调词库，是感觉。感觉这东西，在确定性的模型输出面前，一文不值。
体脂率是这半年硬生生撸铁撸下来的，从 22% 干到 14%，以为把身体这台机器调校到了高性能状态，就能应对所有压力。结果 GPT-4o 这一拳，直接打在了我自以为是的“认知肌肉”上。肌肉能练，认知架构怎么练？原来的架构是“搜索-模仿-微调-测试”，一个闭环跑下来少说一周。现在的架构变成了“定义问题-设计 prompt-调用 API-评估结果”，半小时一轮。整个内容生产的底盘逻辑被连根拔起。
我在 n8n 里搭的那个测试流，现在看起来简陋得可笑。就是一个触发节点接一个 HTTP Request，再接一个 Split In Batches 处理批量任务，最后把结果吐到 Google Sheets。但就是这个简陋的流，一晚上能测试两百组不同的 prompt，生成四千个标题。我过去三年手搓的所有“黑科技”脚本，加起来都没这一晚上的产出质量高。流量闭环还在，从抓取到加工到分发的链条没断，但每一个环节的“发动机”全换了。以前是烧煤的蒸汽机，吭哧吭哧；现在是电驱，安静，暴力，且不知疲倦。
焦虑吗？当然焦虑。但焦虑里夹杂着一种奇怪的兴奋。就像 2016 年第一次摸到 Python 爬虫，看着数据哗哗流进来那种感觉。只是这次，我不是在驾驭工具，我是在尝试理解一个比我聪明得多的“大脑”的工作方式。我的角色从一个“建造者”变成了“提问者”和“调校者”。问题问得好不好，指令给得准不准，成了新的核心竞争力。
这个月，身体指标达到了历史最好，但精神上被扒了一层皮。也好，旧的认知废墟清空了，才能在上面盖新楼。接下来得死磕两件事：一是把 n8n 和更多 AI 服务深度集成，搞出真正能跑通商业闭环的自动化流；二是重新学习“提问”这门艺术。体脂率 14% 证明我的身体还没老，还能跟上这场爆炸。至于脑子，得格式化重装了。
