OpenAI 开放视觉接口这事儿，我盯着API文档看了半小时，脑子里就一个念头：当年为了抠个图，我他妈在DOM树和CSS选择器里爬了多久。现在，一张图扔过去，告诉AI“把背景里那个穿红衣服的路人去掉”，它真能看懂，还能告诉我怎么用Rembg Pro的参数去实现。这种降维打击，不是技术进步，是世界观重构。
2016年那会儿，给电商客户做商品图白底化，是个苦力活。要么手动PS，要么找那些半吊子的开源库，效果随缘。后来自己用Python+OpenCV硬撸了一个背景移除工具，核心就是颜色阈值分割和边缘检测。遇到复杂背景、毛发边缘，基本歇菜。客户一张图收五块钱，我调参调到凌晨三点，赚的是精神损耗费。那时候的“技术壁垒”，就是一堆if-else和不断试错的魔改算法，现在回头看，跟手工作坊没区别。
Rembg Pro是个好东西，基于U2-Net，扣得确实干净。但它的痛点一直没变：它是“盲”的。你给它一张街拍，模特背后有个突兀的垃圾桶，它不知道那是垃圾桶，它只知道那是一片和人物边缘交织的、颜色纹理不同的区域。要不要删？怎么删？删多少？这些决策原来全靠人工预览、手动框选、再调整参数。现在流程彻底变了。我新搭的流程是：图片先喂给GPT-4V，Prompt是：“分析此图像，列出所有可能干扰主体（中央人物）的视觉元素，并按干扰程度排序。对每个元素，给出用背景移除工具处理时的建议策略，例如：是否应视为前景保留、是否需后期修补、调整相似度阈值的具体方向。”
昨天测试了一张图，背景有个半透明的塑料椅子。老方法，Rembg大概率会把椅子镂空部分和人物手臂的缝隙搞混，导致手臂被扣断。GPT-4V的返回结果直接指出：“左侧透明塑料椅，其网格状结构可能与人物衣袖纹理混淆，建议将‘alpha_matting’参数设为True，并提升‘alpha_matting_foreground_threshold’值，以更好分离半透明前景与复杂背景。” 我把这段描述，连同图片，通过n8n自动转换成给Rembg Pro的命令行参数。跑出来的结果，手臂完好，椅子被干净移除。整个过程，我没打开过一次PS，没手动调整过一个滑块。
这种快感是颠覆性的。它意味着“理解”和“执行”被彻底分开了。AI负责理解视觉世界的语义——这是什么，那是什么，哪个讨厌，哪个重要——这是人脑的活儿。Rembg Pro这类垂直工具，只负责以最高精度执行单一任务——这是手的活儿。我的角色，从“调参工人”变成了“流程设计师”，只需要用自然语言定义好规则，然后把这两个世界用API粘起来。效率提升是次要的，关键是对“技术”的认知被刷新了。以前引以为傲的“我能搞定那个抠图算法”，现在看就是石器时代的钻木取火。真正的技术，是让机器看懂世界，并指挥其他机器干活。
团队里的小孩问我，这会不会让Rembg Pro这类工具开发者失业？我说恰恰相反，需求会更旺。以前工具难用，需要专家，市场有限。现在AI把使用门槛砸到地板下，任何一个会用ChatGPT的人都能产生“我要把这张图里XXX去掉”的需求，那么执行端的高精度工具就成了稀缺资源。但工具的玩法变了，它不再是一个独立的软件，而是一个随时能被AI调用的“技能包”。这就是2024年的现实：你不会被AI取代，但你会被那个懂得用AI指挥一切工具的人取代。我三十九岁了，又一次被抛进这种学习恐慌里，但这次，恐慌里带着兴奋。
