我看到了你的 HN 评论
冷外联邮件和消息正越来越多地由大语言模型生成,它们会抓取 Hacker News 评论、GitHub 仓库和博客文章,批量制作出看似个性化的推销内容。许多用户形容,未经请求的联系在质量和可信度上急剧下降;原本罕见的真诚连接如今更像是垃圾信息、社会工程或低成本骗局,而且这种影响也蔓延到了职场和其他平台。应对方案包括水印和更好的垃圾过滤器等技术措施,也包括邀请制社区、担保或声誉系统、一次性邮箱,以及重新重视更小、更以人为中心的线上线下网络。
LLM 驱动的外联与垃圾信息
- 许多人报告称,冷邮件激增,这些邮件会提及特定的 HN 评论、GitHub 提交或 Show HN 帖子,然后迅速转向产品推销、招聘、“咨询”或推广计划。
- 其中很多显然是模板化的或由 LLM 撰写的;有些足够老练,能够躲过垃圾邮件过滤器和最初的人工怀疑。
- 在 Twitter/X、LinkedIn、邮件列表和 GitHub 上也能看到类似行为:诱导互动的回复、伪装成“提问”的内容,以及招聘者或“职业教练”式垃圾信息,有时还会滑向网络钓鱼或恶意软件尝试。
情感影响与行为变化
- 人们描述了快乐和信任的流失:过去,一封提到 HN 评论的邮件会让人感到惊喜,如今却默认先怀疑。
- 一些人会把邮箱从个人资料中移除,将与 HN 相关的邮件导向垃圾箱,或要求特定的主题格式来表明是人类发信。
- 也有人仍然重视真正的联络,并把额外的筛选视为一种取舍;另一些人则觉得自己被迫退回到化名或封闭社群中。
对 AI 与互联网的更广泛担忧
- 许多人认为,LLM 正在加速一种既有趋势——“烂化”:更多垃圾信息、浅薄的讨论,以及线上线下工作中表演式的专业性。
- 人们担心,现在大量可见内容,甚至职场沟通,都是通过 LLM 中介完成的,这正在侵蚀真实性,使得证明人类作者身份变得困难。
- 有人认为,我们正处于互联网“最后的几年”,并预测会转向面对面交流或身份验证的空间;也有人指出,类似的恐慌在更早的技术出现时就曾伴随而来。
拟议的缓解措施与新模式
- 技术思路:文本水印、更好的分类器、验证码/挑战式回复、Craigslist 风格的邮件代理、一次性/别名地址、基于 karma 或字数门槛的联系机制,以及“证明你是人”的系统。
- 社群设计思路:仅限邀请或基于担保的网络、信任网络声誉、小型封闭论坛,或适度付费墙,以阻止低成本垃圾信息——但也伴随对排斥贫困地区人群的担忧。
- 有些人主张点名并羞辱发垃圾信息的公司;另一些人则怀疑羞辱是否真能有效遏制它们。
对使用 LLM 的不同看法
- 少数人认为,LLM 中介的外联只是另一种工具;他们建议直接回复然后继续前进。
- 更多人强调努力不对称与欺骗:LLM 让发送者几乎零成本地伪装成高投入,而把筛选负担和情绪成本转嫁给收件人。
- 还有一种元层面的批评,针对那些一边谴责 LLM 垃圾内容、一边自己又使用 LLM 的人(例如用来分析自己的收件箱);在一些人看来这是虚伪,在另一些人看来则是务实的必要之举。