这个春天，我他妈感觉自己像个被扔进滚筒洗衣机里的零件，转得头晕目眩，但最后竟然被甩干了，还带着点金属光泽。降维打击？这个词用得太客气了，简直是技术层面的“社会性死亡”。我过去十年攒的那些玩意儿——爬虫反反爬、Axure高保真交互逻辑、Python自动化脚本库——一夜之间，在GPT-4的API面前，脆得像张A4纸。
三月份，我盯着一个需求：给一家连锁健身房做会员活跃度预测和自动触达。搁去年，我得先爬竞品数据，再自己建特征工程模型，最后还得写个发短信邮件的脚本，光协调短信接口的报备和签名就能磨掉一层皮。现在呢？我让GPT-4o分析了一下他们塞给我的、乱成一团的Excel会员记录，它直接吐出来几个关键字段建议和可能的流失特征。接着，用n8n搭了个流：定时读取Airtable里的新数据，调用OpenAI的API做一次简易分析判断状态，然后分支——高流失风险的，调用Make.com（后来换成了n8n自己的HTTP Request节点）去触发蜂邮的模版消息；需要人工跟进的，直接丢到钉钉群里@教练。整个流程，从构思到上线测试，四天。放在2018年，这至少是两个人一个月的活儿。那种感觉不是兴奋，是后背发凉。我赖以生存的“手艺”，正在以肉眼可见的速度通胀成白菜价。
焦虑是最大的驱动力，也是最大的消耗品。我意识到不能停留在“会用ChatGPT聊天”这个层面。整个四月，我把自己关在书房里的时间，比2020年疫情刚爆发时还多。死磕两样东西：一是提示工程，不是网上那些“你是一个专家”的废话模版，而是真的把任务拆解成GPT能稳定执行的步骤链。比如，让它在分析数据时，必须分三步走：先确认字段含义，再计算我指定的几个核心指标（到店频率、消费间隔），最后必须用“IF…THEN…”的句式输出判断逻辑和置信度。这需要反复调试，跟训狗差不多，但稳定性天差地别。二是n8n的进阶用法。它的HTTP Request节点和错误处理机制太关键了。我设置了一个流，专门监控我几个关键API的消耗和错误码，一旦连续报错或额度快用完，就自动发通知到我手机。这让我晚上能稍微睡得着一点，不用隔两小时就爬起来看日志。
身体是这一切的底座。我比任何时候都清楚，脑子转不动了，就什么都完了。早上六点起床，半小时低强度有氧，接着是十分钟的冷水澡。饮食严格控碳，但加大了蛋白质和健康脂肪的摄入。下午三点，准时离开电脑，做二十分钟的核心力量训练。这不是爱好，这是为了维持高浓度思考的“物理外挂”。有一次调试一个复杂的多轮对话逻辑，卡在上下文token的管理上，越想越躁，心率直接飙到一百一。我强制自己下楼跑了三公里，回来冲个澡，再坐下看代码，忽然就发现那个循环引用的问题出在哪儿了。体能，就是注意力的蓄电池。
到了六月，这套东西开始初具雏形。我管它叫“全场景智能”，听着挺唬人，其实核心就一个：把我个人作为节点的、所有重复性的信息处理和决策动作，尽可能地自动化、流水线化。从抓取行业动态、初步分析、生成简报草稿，到管理我自己的课程反馈表、自动归类问题并生成答疑要点，甚至控制家里的智能设备在特定工作时段调节灯光和温度。每一个小流程（workflow）都是一个乐高积木。现在，我每天早上喝咖啡时看到的日报，已经是经过AI初步筛选、摘要、并标出了潜在风险点的版本。它不完美，经常漏掉一些我觉得重要的东西，或者理解偏了。但这不重要，重要的是，它把我从“信息搬运工”和“条件反射处理器”的角色里，部分地解放出来了。我可以把省下来的时间，用在更该死的、真正需要人类直觉和创造力的地方，比如琢磨怎么把这个流程卖出去，或者，怎么应对下一个未知的降维打击。
这个春天结束的时候，我盘点了一下。技术上，我几乎重构了自己的技能树，主干从“编程+产品”变成了“流程设计+提示工程+接口缝合”。心态上，我从“害怕被替代”的恐慌，稍微转向了“如何利用新杠杆”的紧迫。我知道，这套我刚搭起来的积木，可能明年又会被更新的技术变成古董。但至少这个季度，我跑通了第一条完整的流水线。它噪音很大，时不时卡壳，但它在转。这就够了，在所有人都被卷进滚筒洗衣机的时代，能自己控制一下转速和方向，已经是种奢侈。
