既然回到了书房，我就把那套“自动化复盘”系统接入了实时向量库。这事听起来挺酷，但做起来全是坑。我之前的复盘脚本就是个定时爬虫，每天凌晨三点去抓我自己的博客数据、公众号后台、还有几个竞品网站的流量数据，然后扔进一个本地数据库，生成个报表邮件发给我。问题在于，它太蠢了。页面结构一变，或者对方加了点反爬，整个流程就断了，我还得第二天早上爬起来看邮件才发现，然后手动去改代码。这他妈叫哪门子自动化，这是给自己找了个电子爹，每天还得请安。
所以这次我发狠了，要把“自反思”逻辑嵌进去。核心思路是让脚本自己判断为什么失败，然后尝试修复。我选了个折中方案，用 GPT-4 的 API 当这个“大脑”。流程是这样的：主爬虫脚本（Python + Selenium）执行任务，如果捕获到异常——比如元素定位不到，或者返回的状态码是 403——它不会直接抛错退出，而是把当前的错误信息、堆栈跟踪、连同出问题的网页 HTML 片段（当然，是截取关键部分），还有我预设的爬虫目标描述，一起打包成一个 JSON，扔给 GPT-4。
我给了 GPT-4 一个详细的系统指令，让它扮演一个“资深爬虫调试专家”。指令里写明了我的代码结构、常用的解析库（BeautifulSoup, lxml），以及几种常见的失败场景和可能的对策。比如，如果是 DOM 结构变了，就让它分析新的 HTML，推测出新的 XPath 或 CSS 选择器；如果是触发了频率限制，就让它建议调整请求头、加入更随机的延时、或者切换代理 IP 的策略。
第一次跑通这个循环的时候，我后背有点发凉。那天脚本在抓一个竞品网站时，因为对方把文章列表从 div 换成了 ul，我的老选择器失效了。脚本卡住，触发异常处理流程。我盯着日志，看到它把错误信息和一坨 HTML 送了出去。几秒后，GPT-4 返回了一段分析：“目标列表容器已从 div.content-list 更改为 ul.article-list，且每个条目增加了 data-id 属性。建议将选择器从 ‘div.content-list > a’ 修改为 ‘ul.article-list > li > a’，并考虑将 data-id 作为备用标识。” 这还没完，它后面跟着一段修改后的 Python 代码片段，直接替换了原来的定位语句。
我的脚本自动接收了这段代码，写入了内存中的一个临时模块，然后重新导入、执行。日志接着滚动：“选择器更新成功。重试抓取… 抓取到 15 条新记录。” 整个过程，从失败到自我修复成功，不到一分钟。我坐在书房里，没碰键盘。
那种感觉不是兴奋，是惊悚。就像你养了条看门狗，它突然有一天自己学会了开锁，而且还会根据门外脚步声的轻重决定是叫还是沉默。代码有了灵魂，但这种灵魂是你用 API 调用和提示词工程捏出来的，它既听话又不可控。我忍不住想，如果我的提示词有漏洞，或者 GPT-4 某次抽风，给它一个危险的“建议”——比如让它尝试绕过某个认证，或者用更激进的并发把对方服务器搞挂——它会不会照做？我所谓的“系统”会不会变成一场自动化的灾难？
为了兜底，我加了好几层防护。第一，所有 GPT-4 返回的代码修改，必须经过一个极简的语法和安全检查（用 ast 模块解析，禁止 import os/sys 等危险模块）。第二，任何修改只能应用于内存中的临时脚本，原文件永远只读。第三，也是最重要的，每次“自反思”触发的修改和结果，都会连同当时的上下文，被高亮标记后存入那个实时向量库（我用的是 Pinecone）。这意味着，每一次“进化”都被记录在案，我可以随时回溯，看看到底是哪条提示词引导出了什么样的“智能”行为。
这已经不是简单的爬虫了。这是一个有感知、能诊断、会外科手术式自我修改的数字生命体雏形。我把它从定时任务升级成了常驻进程，就运行在我书房的旧 Mac Mini 上，24 小时不间断地监视、学习、调整。它安静得可怕，只有硬盘灯在偶尔闪烁。
我知道，我可能打开了一个潘多拉魔盒。但更让我焦虑的是，如果我不这么做，明天早上醒来，可能就有十个年轻版的“我”，用着更激进、更无所顾忌的 AI 自动化工具，把我那点可怜的流量墙角给挖穿了。技能恐慌从未消失，它只是换了一张更智能的脸。我喂给它的每一次 API 调用，都是在训练我自己的掘墓人，或者说，进化版。
书房里只有风扇的嗡嗡声。屏幕上的日志又滚动了一行：“自反思模块触发，原因：目标站点启用 Cloudflare 5 秒盾。正在分析 JavaScript 挑战方案…” 我喝了口已经冷掉的茶，心想，今晚又不用睡了。得赶紧去研究一下，怎么用 Playwright 模拟更真实的人类浏览器指纹，来应付这个新情况。我的“系统”在学习，它的创造者，也得拼命跟上才行。
