一个人写了一套店群矩阵自动化软件：我是如何干掉繁琐切号流程的 - 文章 - 开发者社区

两百个店铺，三个运营，每天八小时全在切号、登录、对账。
我花三个月写了一套软件，现在一个人点几下鼠标，全自动跑完。
老板问：你一个人顶三个人？我说：不，我顶的是“繁琐”本身。

00 一个深夜的求救：这破号，我切不动了

去年秋天，一个做TikTok店群的老客户半夜发来一张截图——他的Excel表格里密密麻麻列了247个店铺，每个店铺后面跟着不同的代理IP、密码、Cookies有效期。

他说：“林工，我今天从早上九点切到晚上十点，还没切完一半。明天还要重新登录那些过期的。我真的干不动了。”

这不是个例。

店群行业最真实的体力活，从来不是选品、不是投流，而是环境管理：

每天手动打开几十个浏览器，挨个登录
切错Cookie导致串号，平台封你一整批
招来的运营干两个月就辞职，因为太枯燥
买来的通用RPA脚本，跑三天就被风控识别

我当时的判断很简单：这不是人的问题，是工具的问题。

市面上的RPA工具，包括影刀、UiPath，都默认你在“一台电脑、一个环境”下运行。
但店群需要的是“一台电脑、一百个平行宇宙”。

通用工具做不到。

于是我决定自己写一个。

从底层开始，不依赖任何低代码平台，纯Python做骨架，PyQt6做脸面，影刀只用来录制那些经常变动的页面操作（方便我远程热更新）。

三个月后，Alien店群自动化管理系统上线。
今天这篇文章，不是产品发布会，而是我把这三个月的坑，一条条刨出来给你看。

picture.image

01 环境隔离矩阵：每个店铺都是一个独立的“数字克隆体”

picture.image 第一个要解决的，也是最核心的：怎么让两百个店铺在一台电脑上共存，互不干扰，互不串号？

你可能会说：用无痕模式，或者用不同的Chrome用户。

picture.image 都不够。

真正的隔离，要做到以下几点：

每个店铺有自己的本地存储（Cookies、LocalStorage、IndexedDB）
每个店铺有自己的浏览器指纹（Canvas、WebGL、时区、字体）
每个店铺有自己的代理IP
每个店铺有自己的登录状态，重启电脑也不丢失

picture.image 这就是Alien的 “环境管理中心” 。

picture.image

软件界面长什么样？

picture.image 我不画大饼，直接说真实界面：

打开Alien，左边是一棵分组树：

TikTok美区
  ├── 女装大类
  │     ├── 店铺_001
  │     ├── 店铺_002
  ├── 3C数码
       ├── 店铺_101

点击任何一个分组，右边表格显示该分组下所有店铺的详细状态：

店铺ID	代理IP	最后登录时间	Cookie有效期	状态
shop_001	45.76.xx.xx:8080	2026-05-25 13:22	还剩6天	🟢 正常
shop_002	45.76.xx.xx:8081	2026-05-24 09:15	已过期	🔴 需重新登录

最实用的是顶部的批量操作栏：

批量导入：拖一个Excel进来，自动生成200个店铺的环境配置
一键打开选中环境：勾选10个店铺，点一下，10个独立浏览器窗口同时弹出，每个都已经登录好了
导出环境报告：导出所有店铺的代理、指纹、最后活动时间

一个真实客户的原话：
“以前我每天早上要花两个小时登录所有店铺，现在点一下‘批量登录’按钮，去吃个早餐回来，全好了。”

底层技术：每个店铺一个独立Profile

核心代码不复杂，但每行都是踩坑换来的：

import os
import json
import hashlib
import random
from selenium import webdriver
from selenium.webdriver.chrome.options import Options

class AlienProfile:
    """单个店铺的独立环境配置"""
    
    PROFILES_ROOT = "./alien_profiles"  # 所有环境存放在这个目录下
    
    def __init__(self, shop_id: str, proxy: str):
        self.shop_id = shop_id
        self.proxy = proxy
        self.profile_dir = os.path.join(self.PROFILES_ROOT, f"shop_{shop_id}")
        
        # 第一次初始化时创建目录
        os.makedirs(self.profile_dir, exist_ok=True)
        
    def _get_fingerprint(self):
        """获取该店铺的固定指纹配置，而不是每次随机"""
        fp_path = os.path.join(self.profile_dir, "fingerprint.json")
        if os.path.exists(fp_path):
            with open(fp_path, 'r') as f:
                return json.load(f)
        # 首次创建：生成一套稳定的伪装指纹并保存
        fingerprint = self._generate_stable_fingerprint()
        with open(fp_path, 'w') as f:
            json.dump(fingerprint, f)
        return fingerprint
    
    def launch(self):
        """启动完全隔离的浏览器实例"""
        opts = Options()
        # 核心：独立用户数据目录，Cookies、插件、历史全隔离
        opts.add_argument(f"--user-data-dir={self.profile_dir}")
        # 独立代理
        opts.add_argument(f"--proxy-server={self.proxy}")
        # 隐藏自动化特征
        opts.add_argument("--disable-blink-features=AutomationControlled")
        # 固定窗口大小（避免被视口指纹识别）
        opts.add_argument("--window-size=1280,720")
        
        driver = webdriver.Chrome(options=opts)
        
        # 注入指纹伪装
        fp = self._get_fingerprint()
        stealth_js = self._build_stealth_script(fp)
        driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {
            "source": stealth_js
        })
        
        return driver
    
    def _generate_stable_fingerprint(self):
        """生成一套固定的指纹，每次登录都一样，更真实"""
        # 用shop_id的哈希决定指纹特征，保证同一店铺每次相同
        h = hashlib.md5(self.shop_id.encode()).hexdigest()[:8]
        return {
            "canvas_hash": f"canvas_{h}",
            "webgl_vendor": random.choice(["Intel Inc.", "NVIDIA Corporation"]),
            "platform": "Win32",
            "timezone_offset": -480  # 固定为美西时间
        }

注意一个细节：_generate_stable_fingerprint 里，我用 hashlib.md5(shop_id) 来生成指纹特征，而不是完全随机。
为什么？
因为真实的用户指纹是稳定的。如果你每次打开同一个店铺，指纹都不一样，反而会被风控标记为异常。

这一点，我是被TikTok封了二十多个号之后才悟出来的。

业务感：分组合规管理

光有技术还不够。店群老板要的是管理感。

所以Alien的环境管理中心支持：

分组标签：可以给店铺打上“高风险”“新注册”“需换IP”等标签
合规检查：一键检测所有店铺的代理是否可连接、Cookie是否即将过期
手动打开选中环境：支持按住Ctrl多选，然后一次性打开所有选中的店铺窗口。每个窗口独立IP、独立指纹、独立缓存，彼此完全看不见对方。

有一次客户说：“我同时开了15个店铺窗口，每个窗口登录的是不同的账号，在同一个平台上操作，居然一个都没被封。”
我说：“这才对。因为平台眼里，这是15个不同的人，在不同地方，用不同电脑上网。”

02 自动化编排流：让任务在正确的店铺上跑

环境隔离好了，下一步是自动化执行任务。

店群的日常操作其实很固定：

早上：所有店铺登录一次，刷新Cookie
上午：批量上架50个新品
下午：检查订单，标记已发货
晚上：对账，统计当天的销售额

以前这些事，运营要一个一个店铺手动做。
现在，Alien把这些任务变成了可编排的流程。

可视化拖拽：像玩游戏一样配置自动化

Alien的 “自动化编排流” 界面，是一个流程图编辑器。

左侧是动作库：

登录动作（输入账号密码、处理二次验证）
上架动作（填写标题、价格、库存、上传图片）
订单动作（拉取订单、标记发货）
数据动作（导出报表、截图）

中间是画布：你可以把动作拖进来，用线连接起来，形成一个流程。

右侧是环境选择：你可以勾选“全部店铺”，也可以只勾选“女装组”或者“昨天出过单的店铺”。

然后点“运行”。
Alien会自动为每个选中的店铺，执行一遍你画好的流程。

任务与环境的“多对多匹配”

背后的技术难点在于：如何高效、稳定地为100个店铺并发执行任务？

这涉及到任务调度、资源控制、异常恢复。
下面这段代码是Alien调度器的核心骨架（当时为了调试并发死锁，我熬了两个通宵）：

import threading
import time
from concurrent.futures import ThreadPoolExecutor, as_completed

class AlienScheduler:
    """任务调度器：将一组店铺和环境组合，并发执行一个流程"""
    
    def __init__(self, max_workers=22):
        self.max_workers = max_workers
        self.semaphore = threading.Semaphore(max_workers)
        self.executor = ThreadPoolExecutor(max_workers=max_workers)
        self.running_tasks = {}
        
    def run_flow_on_envs(self, flow_func, env_list):
        """对一组环境执行同一个流程"""
        futures = []
        for env in env_list:
            # 每个环境提交一个独立任务
            future = self.executor.submit(self._safe_run, env, flow_func)
            futures.append(future)
            self.running_tasks[future] = env.shop_id
            
        # 等待所有完成，并收集结果
        results = {}
        for future in as_completed(futures):
            shop_id = self.running_tasks.pop(future)
            try:
                result = future.result()
                results[shop_id] = ("success", result)
            except Exception as e:
                results[shop_id] = ("failed", str(e))
        return results
    
    def _safe_run(self, env, flow_func):
        """带资源回收的任务执行包装"""
        driver = None
        try:
            # 获取该店铺的浏览器实例（懒加载，复用已有连接）
            driver = env.get_or_create_driver()
            # 执行用户定义的流程
            return flow_func(driver, env.shop_id)
        finally:
            # 关键：一定要释放资源，否则内存泄露
            # 注意：这里不关闭driver，而是放回池中复用。真正关闭在环境管理器里。
            pass

上面代码的 max_workers=22 不是随便写的。
我做过压力测试：32G内存的Windows机器，同时跑22个Chrome窗口，CPU占用75%，内存占用约18G，系统依然流畅。
如果开到25个，内存会缓慢增长到22G以上，然后触发页面文件交换，整个系统开始卡顿。
开到28个，半小时内必然有窗口崩溃。

这个数字，是我反复测试了三天才定下来的。

真实踩坑：资源没释放，内存两分钟爆一次

第一次上线时，我犯了一个经典错误：没有正确管理driver的生命周期。

当时我把每个店铺的driver存在一个全局字典里，任务跑完也不关闭。
结果跑了50个店铺后，内存占用从2G飙到15G，两分钟后就崩了。

查日志发现，每个driver背后都是一个完整的Chrome进程，每个进程吃掉150~200MB内存。
50个进程就是10G。

解决方案是懒加载 + 闲置回收：

只有当任务需要时才创建driver
任务结束后不立即关闭，而是放进缓存池，保留5分钟
5分钟内再次用到同一个店铺，直接复用，省去登录时间
超过5分钟没有活动，自动关闭释放内存

这个优化做完后，同样的50个店铺并发，内存稳定在6G左右，再也没有崩过。

03 底层封装：为什么我的客户觉得“这软件是正规军”？

技术再好，如果交付给客户的是一个 .py 文件，让他自己去装Python、装依赖、配环境变量——
他只会回你一句：“太麻烦了，我不要了。”

抛弃黑框框：我用PyQt6做了个像模像样的桌面软件

很多Python开发者不屑于做界面，觉得命令行就够了。
但对于店群老板来说，一个带进度条、带日志窗口、带配置面板的GUI，才是“专业”的象征。

Alien的主界面是用PyQt6写的，包含：

顶部菜单栏：文件、环境、任务、帮助
左侧导航：环境管理、任务编排、运行日志、系统设置
中央区域：根据左侧选择显示不同面板
底部状态栏：实时显示当前并发数、内存占用、队列长度

所有的耗时操作（比如批量登录100个店铺）都放在 QThread 后台线程中，界面永远不会卡死。
进度条会实时更新：已完成 23/100。

有一个客户说：“你这软件，看着就跟那些卖几千块的商业软件一样。”
我说：“因为本质它就是。”

Nuitka黑盒打包：双击就能用，谁也偷不走代码

我不想让客户去配置Python环境，也不想把自己的源代码直接暴露给同行。
所以我选择了 Nuitka 进行编译打包。

相比于PyInstaller，Nuitka会先把Python代码编译成C，然后再链接成可执行文件。
这样做的三个好处：

启动速度快：比PyInstaller打包的版本快30%以上
反编译困难：逆向工具看到的是一堆C反汇编代码，而不是清晰的Python字节码
依赖完全内嵌：所有第三方库、chromedriver都打包进去，客户电脑可以没有任何Python环境

同时，Alien内置了离线授权验证：

首次启动，读取客户机器的CPU序列号+硬盘序列号，生成机器码
发送给我，我用私钥生成license文件
客户把license放进软件目录，以后每次启动自动校验
支持离线运行，不需要联网（很多店群工作室的内网是隔离的）

交付给客户的，就是一个文件夹，里面有 Alien.exe 和一些配置文件。
双击运行，直接开用。

有个同行后来问我：“你这软件是用什么语言写的？怎么体积这么小，功能还这么全？”
我说：“Python。但你看不出来，因为我不想让你看出来。”

04 写在最后：自动化的本质，不是替代人，是替代繁琐

写Alien这套系统，我自己也走过不少弯路。

最开始我试图用纯RPA脚本解决一切，结果发现脚本越写越复杂，维护成本爆炸。
后来我明白了：RPA适合做“手”，不适合做“脑”。
脑的部分（调度、环境管理、并发控制）用通用编程语言实现，手的部分（点击、输入、抓取）用RPA录制，才是最优雅的组合。

我还记得第一个付费客户用了一个月后，给我发来的消息：
“林工，我这个月运营成本少了8000块，因为不用再请那个专门切号的人了。你那软件的钱，一个月就回本了。”

这句话，比任何技术赞美都让我有成就感。

如果你也是店群从业者，希望这篇文章能让你明白：
你现在的痛苦，不是因为你不够努力，而是因为工具太原始。

如果你也是开发者，希望这篇文章能给你一个思路：
桌面软件的市场远没有死，那些看起来“传统”的行业，恰恰是技术降维打击的蓝海。

我是林焱，一个写代码解决真实问题的独立开发者。
关于Alien的环境隔离、并发调度或Nuitka打包，有任何疑问，欢迎评论区交流。