Ruby工程师亲历：CV创业五年破千万

　　去年3月份，后台崩在凌晨两点十七分——不是数据库挂了，是那个用 Sinatra 写的伪原创指纹比对中间件，自己把 Redis 连接池塞爆了，还顺手把审核队列里三百多篇 CV 全喂进了死信队列。我蹲在工位上抠着键盘边沿等它重启，窗外天已经黑了，楼底下烧烤摊刚支起铁架，孜然味儿隔着双层玻璃往里钻。

　　我原以为是采集脚本又偷偷改了 UA 字符串长度，结果翻日志发现是 SEO 那边上周硬塞进来的“语义近义词膨胀模块”，拿 TF-IDF 跑完再套个 Word2Vec 微调，最后输出一坨带波浪号的 JSON 给审核接口——可审核接口压根没加波浪号解析逻辑。老张当时在 Slack 里回了个“????”，我就知道这事别指望他改，果然第二天晨会他还在讲“推荐位点击率提升1.2%”，跟这事八竿子打不着。

　　其实我早说过别碰那套推荐位权重算法，但主编坚持说“流量要靠算法推”，我说“你推的是人还是垃圾？”，他摆摆手：“先推，筛子后面有人。”——结果筛子后面是三个人轮班盯人工审核页，其中两个是我拉来兼职的 Ruby 同学，一个写 Go 的，另一个搞 Rust 的，就为凑活跑那套基于 Levenshtein+Jaccard 混搭的相似度判断。他们俩昨天还骂我：“你当年为啥不用干啥都快的 elixir？” 我说：“我当年写 Ruby 写顺手了，现在改语言？不如改命。”

　　饮水机没水了，我晃过去按了三次，只有噗噗两声气音。回来顺手把审核页的“标记重复”按钮样式从蓝色改成了橙红——不是为 UX，是昨天 QA 报告里写“色盲用户可能点错”，我懒得调色值，直接抄了隔壁电商栏目的 warning class，反正没人查。说白了，CV 这摊子能撑五年，真不是因为什么模型多牛、策略多妙。就是有人扛住日更三十篇，有人顶着凌晨三点被叫醒去救脏数据，有人明知是伪原创还点“通过”——只因今天 KPI 差八篇，而老板刚在群里发了张截图：某竞品首页第三屏全是我们采的稿，连标点都没改。

　　上周选题会我又跟 SEO 那边吵了一架。他坚持说“‘公务员考试报名入口’必须塞进标题前五字”，我说“你搜这词出来的全是官网和招考网，我们排第七，点了也不留人”，他盯着屏幕突然笑：“留不住才好啊，留住了就得做详情页，详情页得写真内容，真内容谁写？” 我没接话，低头切了下窗口，看见自己本地跑的采集沙箱正卡在某省人社厅的 JS 渲染页——页面里藏着动态生成的 base64 链接，解出来还是个加密跳转。我删了三遍正则，最后直接截 DOM 文本当正文发了。管它呢，收录量不少，审核组那边也默认睁一只眼，毕竟他们自己都用 OCR 扫 PDF 再丢进拼接池。

　　说到 OCR，上个月我顺手把隔壁教育栏目的旧识别脚本拷过来改了两行，给 CV 栏目配上了 PDF 提取。结果有天凌晨三点，审核同学微信问我：“这篇《2024年国考岗位表（Excel下载）》里的表格怎么全是乱码？” 我一看——原来人家 PDF 是扫描件，我那脚本默认走 text layer，压根没调 tesseract。我让她重传，她回：“刚换班，新同事已经手动输完了。” 我没好意思说，我自己上周五也偷懒，把一篇标着“待精修”的稿子，直接拖进发布池打了勾。后来那篇被某地人社局官微转发了，底下评论问“附件在哪”，我们客服回：“请关注公众号获取下载链接。” ——公众号根本没建，那是运营在用石墨文档临时编的跳转页。

文章配图，仅供参考

　　所以你说“Ruby工程师亲历：CV创业五年破千万”，站得住的地方？就是优胜劣汰。不是模型淘汰人，是人熬淘汰人。是审核岗那位三年没涨薪的姑娘，能在 27 秒内判断一篇“三支一扶报名条件解读”是否合规；是采集组新人第一天就学会绕过 anti-bot 的 Cookie 轮换周期；是我自己，在第 387 次看到“2025年省考公告预计在X月X日发布”这种句式时，手指自动弹开 Chrome DevTools 开始扒 network 里的 XHR 请求头。不是多聪明，是太熟了。熟到闭着眼都能猜出下一篇标题里该塞几个年份、几个“最新”、几个括号。

　　群消息叮咚一声，是技术组长甩进来个新 issue：采集端发现某省政府网站新增了 Canvas 水印反爬，建议上 Puppeteer。我看了眼时间，五点四十二分。工位对面小李正啃冷掉的韭菜盒子，含糊着说：“你们 Ruby 的 gem 有支持 Canvas OCR 的吗？” 我说没有。他笑了：“早跟你说换 Go，Go 的 headless 浏览器库比 Ruby 多十倍。” 我没反驳，打开终端敲了半行 `bundle exec rails c`，又删了。算了，明天再说吧。明天还得接着发。

（编辑：站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!