全球 IT 大蓝屏，我第一反应是去检查我的本地 n8n 工作流和爬虫脚本还在不在跑。看到它们都离线运行得好好的，那种庆幸感，比 2016 年第一次绕过某度反爬虫拿到数据还强烈。
这十年，我像个傻子一样追着平台跑。2016 年死磕 SEO，研究谷歌和某度的算法更新，DOM 树解析、IP 池轮换、请求头伪装，就为了那点可怜的流量。后来微信小程序火了，又扑上去，结果发现规则说变就变，接口说封就封。2020 年带团队做交付，客户数据全在 SaaS 平台上，一次服务商宕机，整个项目组通宵等恢复，甲方的电话能把人逼疯。那时候就隐约觉得，把命脉交给别人，是最大的风险。
这次蓝屏，不过是把这种风险放大了。ChatGPT 出来之后，我恐慌了整整三个月。我以前赖以生存的 Python 自动化脚本、Axure 画的原型，在 AI 面前像玩具。但恐慌之后是清醒：大厂用 AI 筑墙的速度，比当年建 App 生态还快。他们的 AI 在生成内容，同时也在制定新的收录和过滤规则。你在 ChatGPT 里问“如何做小红书爆款”，它生成的答案，很可能已经被预设了某种“安全”或“商业”的框架。你想靠它生成的内容去冲击平台的流量池？大概率会被同类内容淹没，或者被新的算法识别为“低质 AI 内容”而限流。
所以缝隙在哪里？不在内容本身，而在内容的生产和分发链条上。大厂 AI 是中心化的、通用的、追求合规和规模的。我们这种独立个体，优势是“离线”和“脏”。我的 n8n 工作流，从本地文档库读取我十年积累的失败案例和野路子，混合最新的开源模型 API，生成的东西首先是为了解决我自己的具体问题：比如怎么用最少的代码把十几个不同格式的报表自动汇总。这个过程是“脏”的，充满了调试错误和临时补丁，但最终产出的那个自动化脚本，以及我记录这个过程的思考，是独一无二的。这种内容，不是 ChatGPT 能凭空生成的，因为它需要真实的、带泥带血的上下文。
我不再追求被大厂收录了。我甚至开始故意给内容增加“人味”的噪声——那些只有经历过特定技术时代的人才懂的梗，那些因为参数没调好而产生的、略显笨拙但有效的解决方案描述。这就像是在 AI 生成的完美平原上，故意堆起几座粗粝的石头山。可能不好看，但它是地标。搜索的人如果精准地需要这个，他会找到我。这就够了。
蓝屏总会恢复，但依赖不会消失。2023 年了，技能恐慌的解法不再是学更多平台技能，而是构建一个离线的、自主的、能消化 AI 能力为己用的系统。我的内容，就是这个系统的副产品。它生长在平台的缝隙里，不靠推荐算法活着，靠解决真实而具体的问题活着。这大概是一个被平台毒打十年的产品经理，能想到的最踏实的活法。
