字节的豆包大模型今天开放内测了，API 定价直接打到地板价，几乎是白送。我盯着那个价格表看了十分钟，后背发凉。不是怕它贵，是怕它太便宜。这意味着什么？意味着我之前吭哧吭哧搞的那些“智能客服话术生成”、“朋友圈文案助手”这类通用小工具，瞬间成了笑话。大厂用接近零的边际成本，可以轻易覆盖掉 80% 的浅层需求，我们这种个体户靠信息差和一点点封装技巧吃饭的日子，到头了。
但慌完那十分钟，我反而冷静下来了。甚至有点兴奋。巨头入场，清场的是中间层，是那些想做平台梦、却只有皮毛功夫的玩家。它挤压的是“广度”，但恰恰给“深度”和“怪异”留下了缝隙。我的路径必须更极端了：只做那些大厂看不上的、脏累差的、高度垂直的细分场景，并且把交付做穿，做到客户离了我就转不顺畅。今天这个实验，就是一次预演。
我想解决的问题很具体：给一家成都本地的连锁火锅店写自动化营销文案。他们之前的文案，要么是总部发的标准化套话，要么是店员自己瞎编，毫无“成都味儿”。什么叫成都味儿？不是加几个“巴适”、“安逸”就完事了。那是一种市井的、带点狡黠幽默的、掺杂着具体地名和生活场景的松弛感。比如，你不能写“本店毛肚新鲜”，得写“今早五点半，黄师傅在双流机场接到这批毛肚的时候，它还在冒仙气（冷链的雾气），我们比它先到店里”。这里头有时间、有地点、有人物、有画面、还有括号里那种自嘲式的解释。
通用大模型能写吗？能。但你让它持续、稳定、批量地输出这种特定风味的文本，它做不到。它会跑偏，会忘记设定，会混入其他城市的方言梗。我的思路是，不指望用一个万能提示词去“约束”它，而是用“语料库+定向增强”的方式，给它造一个成都的“灵魂”。
第一步，爬。不是泛泛地爬美食点评，那太杂。我定向爬取了三类源：1）成都本土几个顶流美食公众号（比如“成都美食”）过去两年的推文正文和评论区热评；2）微博上带“成都火锅”话题且转发评论高的本地用户原创内容；3）豆瓣“成都吃喝玩乐”小组里的精华帖。这里面的坑是反爬和文本清洗。微博的 API 限制严，得用 selenium 模拟滚动，处理无穷无尽的“转发抽奖”和广告。豆瓣小组的页面结构时不时变，XPath 路径得准备三套备选方案。清洗的时候，用 jieba 分词加自定义词典（加入“耙耳朵”、“撑展”等方言词），把纯广告、完全无关的链接、过短的回复过滤掉。最后得到大约 8 万条“高浓度成都生活化文本片段”。
第二步，喂。不是把 8 万条文本直接扔给 GPT 做微调，成本高且不灵活。我用的是“检索增强”的土法子。先用 sentence-transformers 把这 8 万条文本做成向量数据库。当需要生成一条关于“新品鸭肠”的文案时，我先用几个关键词（“鸭肠”、“脆”、“火锅”、“成都”）组合查询，从向量库里找出最相似的 5-10 条原始语料（比如一条关于“如何烫鸭肠才脆”的网友神评论，一条描述“半夜在九眼桥吃火锅加鸭肠”的碎碎念）。把这些语料，连同我的核心指令（“模仿以下文本的口吻和细节描写风格，为XX火锅店的新品鸭肠创作三条推广文案，要求出现具体成都地名或生活场景，带市井幽默感”），一起构成 prompt，发给 o1-preview。
第三步，炼。o1 的“增强”模式在这里派上用场。它不再是黑箱一次性输出，它会展示它的“思考链”。我能看到它先解析我的指令，然后去阅读理解我提供的几条样例语料，分析其中的“市井幽默”体现在哪里（比如：夸张的比喻、意外的转折、括号内的补充吐槽）。它会尝试组合这些元素，生成初稿。然后，最关键的一步来了：我可以介入。比如它生成了一条“这鸭肠，烫一下就像在跳钢管舞，脆得很有节奏感。” 我会在它的思考链里评论：“比喻不错，但‘钢管舞’不够成都，换成‘在人民公园跳交谊舞’试试，更本土，反差萌更强。” o1 会基于这个反馈重新推理、调整。这个过程，像是一个老师傅在带一个极其聪明但不懂本地风土的学徒，我不用重写，只需要在关键的文化节点上“扳道岔”。
实验的结果是，生成的三条文案，火锅店老板看完说：“诶，这个味道对了，像我们楼底下那个卖串串的嬢嬢会摆的龙门阵。” 一条的成本（算上我的数据清洗和调试时间）比直接调用通用 API 高不少，但价值也高得多。它不可替代。
这个实验给我的启示比技术本身更重要。巨头用海量通用数据训练出“平均智商”极高的模型，覆盖的是平原。而我的生存空间，是在那些数据的“褶皱”里，在那些需要深挖特定文化、特定行业黑话、特定工作流细节的“山沟沟”里。我的武器不再是单纯的编码能力，而是“领域知识获取（爬虫清洗）+ 知识封装（向量库与 prompt 工程）+ 关键调校（利用 o1 类模型的可干预性）”的组合拳。交付物也不再是一个开箱即用的软件，而是一套持续维护的“语料-生成-优化”工作流，以及我作为“文化调教师”的时间。
大厂看不上这个。它太琐碎，太非标，无法规模化复制。但这就是 Flovico 未来的护城河。我不做平台，我只做一把把能精准撬开特定缝隙的、形状奇怪的螺丝刀。下一个实验，我准备搞“东北直播带货话术生成系统”，语料库目标：快手 top 100 带货主播的直播转录文本。那又是一个完全不同的“味儿”。路还长，但方向，好像比以往任何时候都清晰。
