从Ollama到GPT-4o：一个游戏后端开发的技术探索之路

网易项目大版本刚结束，我整理了三年来游戏服务端的技术探索。契机是同事问：“除了完成需求，我们写代码到底为了啥？”这三年，我搭爬虫、跑Ollama、用GPT-4o写脚本，这些“不务正业”的事，反而成了成长最快的部分。

被逼出来的爬虫技能

探索始于产品经理的竞品分析需求。我写爬虫抓取TapTap和B站数据，初版脚本很快被反爬。

# 初版天真请求
import requests

def fetch_game_reviews(game_id):
    url = f"https://api.taptap.com/v2/games/{game_id}/reviews"
    headers = {"User-Agent": "Mozilla/5.0"}
    response = requests.get(url, headers=headers)
    return response.json()
# 结果：429错误

后续我加入IP代理池、随机UA和请求间隔。最棘手的是Taptap评论接口的前端动态签名，我花了一下午逆向其Webpack打包的JS代码，找到了加密逻辑。

# 逆向出的签名逻辑
import hashlib

def generate_sign(params, secret_key):
    sorted_params = sorted(params.items())
    raw_string = "&".join([f"{k}={v}" for k, v in sorted_params])
    raw_string += f"&key={secret_key}"
    return hashlib.md5(raw_string.encode()).hexdigest()

这个爬虫成了项目组的“战略武器”，能自动分析竞品舆情。但最大收获是意识：技术探索就是把“这不可能”变成“试试看”，关键是迈出第一步。

Ollama：我的本地AI实验场

因ChatGPT API涨价，我开始用Ollama搭建本地模型，处理代码生成和文档整理。安装极简：

brew install ollama
ollama pull llama3:8b
ollama serve

我的M1 Pro MacBook跑8B模型只需2-3秒。起初用它生成重复性代码模板，例如配置表解析，能省80%机械劳动。后来它甚至能通过分析日志，指出我忽略的锁粒度问题。

本地模型在复杂逻辑上不如GPT-4，但它的核心价值在于提供了一个零成本、无数据泄露风险的AI实验环境，这种自由度无可替代。

GPT-4o：我的跳槽加速器

为跳出固化技术栈，我边工作边准备跳槽。GPT-4o成了我的“虚拟导师”。刷LeetCode Hard题时，我强迫自己先思考15分钟，再让它给提示。例如“接雨水”问题，一句“试试双指针从两边逼近”就点醒了我。

# GPT-4o引导下的双指针解法
def trap(height):
    if not height: return 0
    left, right = 0, len(height) - 1
    left_max = right_max = water = 0
    while left < right:
        if height[left] < height[right]:
            if height[left] >= left_max: left_max = height[left]
            else: water += left_max - height[left]
            left += 1
        else:
            if height[right] >= right_max: right_max = height[right]
            else: water += right_max - height[right]
            right -= 1
    return water

在系统设计面试中，它模拟面试官追问“千万级DAU排行榜系统”，比看面经高效十倍。它还能分析岗位JD，精准推断出面试重点。

探索的真正价值

探索的意义在于从“被动完成任务”转变为“主动创造可能”。它培养的是“问题驱动学习”的能力：爬虫项目让我掌握了逆向和反爬；Ollama让我理解了LLM原理；GPT-4o让我看到AI放大个人能力的可能。

探索要有方向，应与工作或个人目标相关。好的探索是把好奇心种在实际问题的土壤里。同时，过程比结果更珍贵，习得的思路和方法论是永久资产。

写在最后

去年述职时我只会说套话，现在我认为最大成长是学会了在完成工作之外，保留探索空间。这让我保持技术热情，看到更多可能。探索无需宏大规划，从一个小问题、一次好奇心开始，那些折腾终将连成一条线，指向更好的自己。