搶購 Bot 經濟學：一個養得起成個產業嘅 Underground Automation Niche

一個你未必見過嘅 GitHub 現象

如果你打開 GitHub Trending，見到一個叫 jd-assistant 嘅倉庫有 7,000+ stars，你可能以為係乜嘢優雅嘅開發工具。再睇多啲：BestBuy-Bot 有 350+ stars，yeezy-supply-bot 超過 500，amazon-bot 系列加埋過千。呢啲專案嘅 README 通常寫住「For educational purposes only」，但每日有成千上萬嘅 instance 喺 AWS Lambda、DigitalOcean 同自己屋企嘅 Raspberry Pi 上面執行，目標只得一個：喺 milliseconds 之內同成千上萬人爭一件限量商品。

呢個唔係少數人嘅玩具。成個生態由開源搶購 bot、付費 proxy 服務、Captcha solving API、住宅 IP 池、到專用嘅伺服器托管，構成咗一條完整嘅產業鏈。保守估計，美國 sneaker bot 市場每年流水超過 3 億美元，而呢個數字仲未計入 GPU、遊戲主機、演唱會飛，同埋亞洲市場——特別係香港嘅搶飛場景。

呢篇文章唔係教你點寫 bot——而係拆解呢個 underground automation niche 嘅經濟邏輯、技術架構同埋更廣泛嘅啟示。

稀缺性套利：搶購 bot 嘅根本商業邏輯

任何搶購 bot 嘅存在都建基於同一個前提：數位稀缺性。當一件商品嘅需求遠遠超過供應，而銷售平台用「先到先得」做分配機制，時間就變成咗貨幣。一隻售價 US$220 嘅 Yeezy，開賣後五分鐘可以喺 StockX 炒到 US$600。如果你係 bot 開發者，你賣俾炒家嘅唔係軟件——而係解鎖時間優勢嘅能力。

呢個時間優勢可以量化。假設一個人類買家需要 10 秒完成 checkout（已經算好快），一個優化嘅 bot instance 平均需時 0.8 秒。喺 10,000 人搶 100 件貨嘅場景下，人類嘅成功率係 1%，而 bot 嘅成功率可以達到 8-15%（取決於 proxy 質素同 server latency）。呢個 10-15 倍嘅效率差距，就係炒家願意俾 US$200-500 買一個 bot license 嘅原因。

更精妙嘅係，呢個市場有天生嘅 armor：每次平台更新反 bot 機制（Akamai、DataDome、PerimeterX），都意味住舊 bot 失效，新 bot 需求上升。開發者唔需要擔心 market saturation——因為市場會自我重置。每一次 Nike 更新佢哋嘅 checkout API，成個產業就要重新洗牌，而最先適應嘅開發者就能賺走最大份額嘅利潤。

香港嘅演唱會飛市場係另一個經典案例。Cityline 同 Urbtix 嘅 infrastructure 相對陳舊，反 bot 機制遠比 Nike 或 Supreme 薄弱。2023 年 Mirror 演唱會，坊間流傳有黃牛用 bot 掃走咗過千張飛，然後喺 Carousell 以三倍價格轉售。呢度嘅利潤率仲高過美國 sneaker market，因為本地競爭較少、技術門檻較低，但 ticket face value 同 secondary market 嘅差價同樣驚人。

技術架構：唔好睇少呢班「腳本小子」

公眾對搶購 bot 嘅印象停留喺「識寫幾行 Python 嘅人」。現實遠比呢個複雜。一個生產級別嘅搶購 bot，技術棧通常包括以下層次：

任務排程層：精確到毫秒級嘅 cron 執行，支援多賬號並發，動態調整 request 間隔避免 rate limit。呢層需要處理 timezone、drop time 變更、同埋 multi-threading 嘅 race condition。用嘅語言通常係 Node.js（非同步 IO 優勢）或者 Python + asyncio。

反偵測層：呢度先係真正嘅戰場。Browser fingerprint spoofing（Puppeteer Extra + Stealth Plugin）、TLS fingerprint 偽裝（用 curl-impersonate 取代普通 requests）、request timing 模擬人類行為（隨機延遲、mouse movement 軌跡回放）。最新嘅技術甚至包括用真實嘅 mobile device farm 嚟執行 checkout，避開所有 server-side 檢測。

代理網絡層：住宅 IP 嘅質素直接決定成功率。大型 bot operator 通常 maintain 自己嘅 proxy pool，每個 IP 嘅 cookies 同 browser fingerprint 會 persist 一段時間，避免被 detection 標記。BrightData 或者 Oxylabs 嘅 residential proxy 每月成本可以去到 US$500-2000，但對於一個每次 drop 可以賺 US$10,000 嘅 operation，呢個係必要嘅 overhead。

Captcha 解決層：2Captcha、CapMonster 呢類服務背後係真正嘅人類 workers 喺第三世界國家逐張 captcha 圖片辨認，每次成本 US$0.001-0.01。近年開始出現 AI-based solving（CNN + OCR pipeline 做到 95%+ 準確率），但人類 workers 仍然有不可取代嘅優勢——特別係對付 reCAPTCHA v3 呢類行為分析系統。

將呢啲層次整合埋一齊，需要嘅 system design 能力同一個 mid-level backend engineer 相差無幾。呢個生態最諷刺嘅地方係：呢班「地下開發者」嘅分散式系統設計能力，可能好過好多正規 SaaS startup 嘅工程師。

產業鏈拆解：邊個喺呢個市場賺錢？

搶購 bot 唔係一個「開發者賣 bot license 俾炒家」咁簡單嘅雙層結構。真正嘅產業鏈至少有五層：

第一層：Bot 開發者。高端 bot（例如 Kodai、CyberAIO、Wrath）嘅 license 價格由 US$300 到 US$2,000 一年不等，而且通常限量發售。頂級 bot 團隊年收入可以達到 US$5-10M，營運成本主要係伺服器同幾個 core developers 嘅薪水。有趣嘅係，呢啲 bot 通常用 private Slack/Discord community 作為分銷渠道，依賴聲譽同 cook group 推薦，完全唔需要公開 marketing。

第二層：Proxy 提供商。住宅 ISP proxy 係呢個生態嘅「賣鏟人」。無論你寫嘅 bot 有幾勁，冇好嘅 proxy 就等於廢物。Leaf proxies、OxyLabs、Smartproxy 呢類公司嘅一大部分 revenue 來自 bot users。呢個係 recurring revenue 最高嘅層級——因為每次 drop 都消耗新嘅 proxy。

第三層：Cook group。呢啲係付費 Discord/Telegram 群組，專門提供 drop time 資訊、site updates、bot setup guides。月費 US$30-100。真正嘅價值在於監控——有啲 cook group maintain 住 Nike、Supreme、BestBuy、Amazon、AMD 等網站後端 API 嘅 changelog，一旦 detect 到變更就會 alert members。呢種「pre-drop intelligence」對於成功搶購至關重要。

第四層：監控基礎設施。呢層提供 HTML 嘅 change detection、REST API 嘅 endpoint monitoring、load balancer 後面 worker 數量嘅變更通知。Distill Web Monitor、Changedetection.io 呢類工具嘅 power user 好多都係 bot operators。我自己見過有人 deploy 咗一個由 50 個 DigitalOcean droplets 組成嘅 monitoring mesh，每 100ms poll 一次 Target.com 嘅 GPU stock API。

第五層：洗錢同物流。呢個層級比較灰色，但係產業不可缺少嘅一部分。用虛擬信用卡、轉運倉、代購接單平台（如 Buyee、FromJapan）嚟完成跨境交易同規避單一賬號嘅 purchase limit。呢啲服務收取 5-15% 嘅手續費，而且通常以加密貨幣結算。

從 Underground 學到嘅系統設計啟示

如果你諗住呢篇文章只係講黃牛炒飛，咁你就錯過咗重點。呢個 niche 嘅工程實踐對任何需要處理高並發、反濫用、同即時競價嘅系統都有直接參考價值。

第一，rate limiting 嘅設計錯誤。好多電商平台嘅 rate limit 係基於 IP address 同 user-agent，呢個係十年前的思路。一隻現代 bot 可以 generate 幾千個 unique IP + UA 組合，令傳統 rate limit 完全失效。真正有效嘅防禦係 server-side 嘅行為分析：mouse movement entropy、keystroke dynamics、same-session 嘅 API call 順序。如果你係 platform engineer，思考 bot operator 點 bypass 你嘅 system，係最好嘅 threat modeling 訓練。

第二，競爭條件下嘅系統設計。當 50,000 個人同時 checkout 100 件貨，你嘅 database transaction isolation level、distributed lock 策略、同 message queue 嘅 capacity 全部會受到極限測試。Bot developer 成日要面對嘅「inventory race condition」問題——add to cart 成功但 checkout 時被告知 out of stock——其實同 booking system、flight ticket engine 嘅問題一模一樣。

第三，分散式監控嘅實戰經驗。維持一個 24/7 polling 數百個 endpoint 嘅系統，需要考慮 deduplication、backoff strategy、同多 region failover。呢啲全部係 infra engineering 嘅核心課題，只係 bot developer 喺自己 bedroom 用 DigitalOcean $5 droplets 就實戰學識咗。

你應該點樣睇待呢個生態？

我唔係鼓勵你去寫下一個 checkout bot——但如果你係 developer，呢個 niche 係一個完美嘅 lens 去理解數位經濟嘅真實運作方式。

對於創業者：呢個市場證明咗「工具型產品 + 高轉換意欲嘅垂直客群」係極強嘅 business model。唔需要百萬用戶，幾千個高願意付費嘅用戶就已經可以 support 一間 sustainable 嘅公司。問題係你會唔會選擇一個 legally grey 嘅 market。

對於開發者：如果你對 web scraping、browser automation、distributed systems 有興趣，研究 bot ecosystem 嘅技術文獻（好多開源 repo 同 writeup）係一個低風險嘅學習路徑。只需記得：用嚟學習同用嚟賺錢係兩回事——一個係累積 skill set，另一個係承受法律風險。

對於消費者：下次你搶唔到 NVIDIA RTX 5090 或者 Blackpink 演唱會飛嘅時候，明白對手唔係一個超快手指嘅人類——而係一班用緊 distributed bot cluster、residential proxy pool、同 AI-powered captcha solver 嘅團隊。你喺手機面前點快都好，你從來都冇贏面。

搶購 bot 經濟學最令人著迷嘅地方唔係佢嘅規模，而係佢展示咗：只要有稀缺性、有套利空間、有技術手段可以創造不公平優勢，一個 underground market 就會自然湧現，自我組織，持續進化。呢個係市場經濟同軟件工程交匯嘅最赤裸示範。