既然不能去外地，我就用爬虫抓取全球的 AI 实战案例。这句话现在听起来像个笑话。2023年5月，我还在用老本行对抗新世界，以为多抓几个案例就能缓解恐慌。到了2024年底回头看，那根本不是缓解，是彻底引爆。真正的转折点不是抓了多少案例，而是我终于意识到，自己过去十年写的这堆破博客，才是最大的、未被开采的矿。
技术焦虑到了这个阶段，症状变了。以前是怕自己不会，现在是怕自己会的东西全他妈没用了。ChatGPT出来那阵子，我引以为傲的爬虫手艺，一夜之间成了废铜烂铁。什么反爬策略、IP池轮换、解析动态加载的DOM树，人家一个API调用加几句自然语言指令就解决了。那种感觉，就像你苦练十年冷兵器锻造，对面掏出了一把AK。
所以2024年，我的核心课题从“获取”变成了“消化”和“重构”。光抓案例有屁用，信息过载，看一百个不如自己动手做一个。但动手做什么？我盯着自己博客后台那几百篇从2016年絮叨到现在的文章，从Axure原型到团队管理毒打到低卡饮食，乱七八糟什么都有。我突然想，如果有一个AI，它不用我去训练，天生就“懂”我这十年的所有纠结、所有踩过的坑、所有技术偏好的演变，那会是什么样子？
这就逼着我必须去碰 Embedding 和向量数据库。以前总觉得这玩意儿是做大模型的人才玩的，门槛高。真动手了才发现，对于个人知识库这种量级，核心就三步：切块、向量化、存起来查。难的不是步骤，是决策。每篇博客怎么切？按段落切，还是按语义切？我试过用固定的字符长度切，结果把一段完整的技术描述拦腰斩断，查出来的东西狗屁不通。后来改用基于标点符号和换行的简单规则，再结合句子结束符，效果好了点，但还不够“聪明”。
真正让我卡住的是 Embedding 模型的选择。那时候 OpenAI 的 text-embedding-ada-002 是主流，但贵，而且我博客里一堆中文技术黑话和自创的缩写，它理解得并不好。我试过开源的 BGE 模型，在自己机器上跑，效果意外地不错，尤其是对“SEO野路子”、“交付泥潭”这种我博客里的高频黑话，捕捉得很准。这让我意识到，对于高度个人化、领域特定的文本，有时候小模型反而比通用大模型更“懂你”。
向量数据库选了 Pinecone，纯粹是因为它省事。自己搭 Milvus 或者 Qdrant 又要折腾部署和维护，我这个阶段只想快速验证想法。Pinecone 的 API 简单到令人发指，创建索引、上传向量、查询，几条命令就搞定。贵是真的贵，但用钱买时间和清净，在2024年对我来说是划算的。我把处理好的文本块，用 BGE 模型转成向量，一股脑塞进 Pinecone 里。
第一个测试问题我就问：“我2018年左右对微信小程序的态度是什么？” 返回来的结果里，赫然有我当年写的一段话：“小程序就是个轻量级陷阱，看起来门槛低，实则对产品逻辑和性能把控要求更高，适合做MVP，但别指望它承载核心业务。” 那一刻的感觉很诡异，不是惊喜，而是一种冰冷的清醒。这个“AI助手”没有情感，它只是把我过去某个时刻的思考，原封不动地扔回给我。它让我看到自己思想的轨迹，甚至前后的矛盾。
这标志着我进入了所谓的“知识资产化”阶段。但资产化不是目的，目的是流动和复用。我基于这个向量化的博客库，用 n8n 搭了一个自动化工作流。当我写新文章时，它会自动去库里检索相关历史内容，把“过去的我”的观点作为参考或对比，生成一个侧边栏。当我回答读者关于“产品经理转型”的问题时，它能直接调出我2020年关于“管理毒打”和2022年关于“超级个体”的段落，组合成一份带有时间维度的答案。
爬虫抓取的全球案例，最终成了我消化新知识的“饲料”，而向量化的个人博客，成了我消化这些饲料的“胃”。以前的知识是散落的日记，现在的知识是能对话的活体。这大概就是2024年我唯一能确认的进步：我不再只是信息的搬运工或消费者，我成了一个蹩脚的、但正在学习如何让自己思想迭代可视化的架构师。
焦虑还在，但换了个对象。现在我怕的是，如果连自己这摊子历史都盘不活，还谈什么教练别人。
