既然 AI 已经能“思考”了，我就把 Rembg Pro 的核心逻辑交给了 AI（续）。上次拆到用 PyTorch 和 OpenCV 做图像预处理，把背景分离的活儿从人肉标注变成了算法流水线，省了 80% 的标注成本。但今天要说的不是技术，是恐惧。
2019 年我搞那个外包团队的时候，最怕的就是周一晨会。六个人，坐一圈，挨个问进度。小李说 DOM 树解析卡在动态加载了，小王说反爬策略又更新了得重写模拟点击。每个人脸上都写着“别问我，我也不知道什么时候能搞定”。我当时觉得管理就是盯人，把任务拆解成小时，用钉钉打卡逼着他们产出。结果呢？流水账是有了，一个月能接二十万的单子，但我自己成了全天候的救火队长。凌晨三点还在帮他们调试多线程下的内存泄漏，那种疲惫是掏空式的。你依赖“人”，就意味着你被他们的状态、情绪、技术瓶颈绑架了。他们加班你焦虑，他们摸鱼你更焦虑。最后项目交付了，钱赚了，但我感觉把自己卖给了这个团队。那是一种失去对时间控制权的绝望。
现在回头看，2023 年做 Rembg Pro 这个工具，本质上是在复制“时间的我”。我不再需要另一个会写 Python、懂卷积神经网络的人，我只需要一个能理解我指令、并能把指令转化为稳定代码的“影子”。这个影子不会累，不会抱怨，不会在关键节点上掉链子。我把背景抠图的核心逻辑——包括颜色空间转换、前景概率图生成、边缘细化后处理——用自然语言描述给 GPT-4，它吐出来的代码框架，我只需要做关键参数的微调和异常处理。昨天我让它优化一下高频 API 调用时的队列管理，它十分钟给了我三个方案，还附带了大致的性能对比。这要放在 2019 年，我得先跟后端工程师开个会，解释半天什么是令牌桶算法，等他排期，中间可能还得扯皮。
这不是说 AI 万能。它写的代码有屎山，逻辑有时会跑偏，需要我不断用“人”的直觉去纠正和引导。但核心是，纠正和引导的成本，远低于管理和培训一个活人的成本。AI 不会跟我谈薪资涨幅，不会因为失恋就写出一堆 Bug，更不会在项目紧要关头提出离职。我把最耗时的、重复性的逻辑构建和代码生成外包给了它，而我则聚焦在更上游的东西：产品架构怎么设计才能封装成傻瓜式 GUI，商业模式是走订阅制还是一次性买断，怎么用 n8n 把抠图 API 和用户的素材管理流程自动化串联起来。
2019 年的失败，是试图用有限的人力时间去堆无限的市场需求，结果自己被压垮在管理熵增里。2023 年的这点小成功，是终于想明白了：作为超级个体，真正的杠杆不是雇更多人，而是找到一种方法，把你的核心能力、你的判断力、你的工作模式，进行无损且近乎无限的复制。AI 就是我目前找到的最好的复制机。它复制的不是代码，是我那几年被毒打出来的、对技术细节的偏执，对交付稳定性的强迫症，还有对“时间稀缺性”的深刻恐惧。现在，恐惧还在，但至少，我有了一把像样的武器。
