既然不能去外地，我就用爬虫抓取全球的 AI 实战案例。这句话听起来像是2016年那个只会用 Scrapy 和 BeautifulSoup 扒数据的我，但内核已经彻底变了。2025年，我38岁，所谓的“抓取”不再是简单的 HTTP 请求和 DOM 解析，而是用 n8n 编排工作流，用 Playwright 模拟真人操作，用 GPT-4V 去“看懂”截图里的复杂界面，再把数据喂给 Claude 写分析报告。一整年，我都在干这个——系统性地“偷”全世界的 AI 应用思路。
年初那场 OpenAI 董事会宫斗戏，差点把我年初规划的基于 Assistant API 的自动化流程全干废。一夜之间，我盯着报错的日志，感觉不是 API 挂了，是我过去十年攒的那点“技术直觉”挂了。什么设计模式、架构思维，在大模型面前脆得像张纸。它不需要你理解，它只需要你描述清楚。这种无力感比2018年微信小程序改规则封杀裂变还彻底，那次是规则变了，这次是底层逻辑换了。
所以我必须重建一套系统。不是技术栈，是认知和执行的系统。我开始用爬虫思维去解构 AI 应用：一个案例，它的输入是什么？是文本、图片、音频还是结构化数据？它的处理核心是什么？是用了 RAG 检索增强，还是做了 Function Calling 工具调用，或者干脆就是纯提示词工程？它的输出又怎么交付？生成报告、自动发邮件、更新 Notion 数据库？我写爬虫，本质上是在做逆向工程，把别人跑通的黑箱流程，拆解成我能复用的白盒节点。
这个过程极度枯燥，而且反人性。你需要对抗的是 AI 本身带来的“魔法幻觉”。看一个 demo 视频很酷，一键生成什么都行。但真正要把它变成稳定、可重复、能处理边界情况的自动化流程，里面全是坑。比如让 AI 自动填写一个 Web 表单，它可能 90% 的情况都成功，但遇到一个没见过的下拉框样式就卡死。这时候就需要回到老本行：写点 JavaScript 去手动干预 DOM，或者加一层人工审核节点。AI 不是万能的，它只是把你从重复劳动中解放出来，但“判断什么情况需要人介入”这个逻辑，还得你自己来定。
这又引出了今年的第二个核心结论：身体是逻辑的容器。我2022年开始练体能，当时是为了对抗焦虑和熬夜的虚胖。到了2025年，我发现高强度脑力劳动——特别是和 AI 协同——对精力的消耗是恐怖的。你需要在海量信息、快速试错和深度思考之间高频切换。没有足够的血氧和清醒的大脑，你写的流程逻辑就是漏洞百出。一个昏昏沉沉的下午，我可能写错一个 n8n 节点的判断条件，导致整个工作流静默失败，直到客户找上门才发现。这比代码 Bug 还可怕，因为 AI 流程一旦跑起来，人就容易当甩手掌柜。
所以，38岁这一年，我复盘下来的资产，不是什么厉害的模型微调技巧，也不是多优雅的代码。就两样东西：一副还能扛得住连续 14 小时调试的躯体，和一套能把模糊需求拆解成“if-else”加“AI调用”加“人工检查点”的思维框架。爬虫抓取案例，练的是后者；每天雷打不动的半小时划船机，养的是前者。
技术会过时，API 会变更，平台会封杀。但只要你身体不垮，逻辑能力不退步，你就能用最快的速度，把新工具组装成自己的武器。2025年，我没去成任何一个 tech conference，但我的 n8n 服务器里，跑着从东京、硅谷、柏林“抓”回来的自动化思维。这大概是一个老产品经理兼野路子程序员，能给自己交出的最实在的年终总结了。
