刷聚合站，刷到了ZyPlj（ZY知识库）的博文，大概是说，某AI（LLM，下同）中转站的老板，使用AI编写了脚本（或让其代为操作），向一组个人博客的评论区批量发送中转站的推广信息。

看到这篇文章后，如果按传统的文艺表达，那就是『哭笑不得』，按现在的网络用语，那就是，『气笑了』，大概就是『坏人不可怕，就怕坏人有文化』的感觉。

垃圾评论样本，图源ZY知识库，按CC BY-NC-SA 4.0共享，下同

1. 前言

关于博客的垃圾评论（下面也偶尔简称SPAM）问题，之前已经有文章介绍过，也分析了一些东西，比如发送者的目的，以及常见的几个类别，有兴趣的读者可以前往阅读。在AI时代，垃圾评论及其发送手段当然会产生一些变体，比如广告内容，传播方式，发布方式的不同。在此情况下，一些老的防护手段依然可以应付，但也有不少手段可能显得力不从心，甚至已经失效。

可以看到AI辅助的一些角度，下文会详细分析，图源ZY知识库

因此，本文就针对这个话题展开聊聊。除了讨论技术外，主要也是想当做一种给公告之类的东西，即，请不要尝试往本站的评论区发广告，我不会买你们的产品的，而且也有能力去分析发送方式，去做定向清除。建议各位商家把精力放在改进商品的质量上，不要费心发SPAM了。

2. 病毒式推广

之前的博文提到，个人博客是垃圾评论的重灾区，因为他小，但还有一定的流量进入，所以发送者就可以广撒网式地发送，赌一把站长没空看评论情况，从而让广告信息多存在一段时间。即使是评论需要经过人工审核，也至少会被站长看到，保底也有一次曝光度。另外，由于个人博客（尤其是独立博客）的站长很多都是技术向出身，因此机场（加速器），AI中转站，VPS等有一定技术含量的广告，就更显得是在精准推送。

我们先来分析ZyPlj的那篇博文里提到的软文内容。

图源ZY知识库

和传统的脚本推广比较类似的是，AI脚本同样是在评论区的『网址』字段插入站点的地址，正文写几句恭维的话（或者如引言的图中所示，装都不装，直接塞广告），如此重复，发三五条评论。传统脚本一般是预先准备好文案，随机选择并发送，降低每一个文案的复用度（从图中也能看到，那个脚本也使用了类似技术）。但与以前不同的是，AI脚本能做的事情更多了，比如：

• 根据关键词实时生成文案
• 分析博文内容后进行针对性回复
• 实时分析页面上的各类反爬措施，从而有针对性地绕过

很显然，因为有了AI加持，原来的脚本小子SPAM已经演进了，变得更像是一个真人，能智能地进行分析，更加精准地发SPAM。站在商家的角度看，这当然是好事，因为发送成功率大幅上升，能让自己的产品触及更多潜在用户。但对于用户（包括站长和访客）来说，这种SPAM评论自然也是不受欢迎的，跟以前满大街的小广告其实没啥区别，都是挑人多的地方，都是低成本，都是有碍市容，所推广的东西质量也都参差不齐。

另外，从上面的群截图可见，这种脚本还可以进行连锁扩展：通过AI分析并提取站点友链，形成类似病毒感染那样一传十十传百的感染链，只要有一个博客被盯上，他所链接的其他博客也跟着遭殃。显然，这里并不是说友链这玩意不好，也不是说站长做错了什么，而是这更能衬托出发送者的不要脸程度。友链是给你这么用的吗，大哥大姐？

AI脚本最大的问题还不是这个，而是会让人自我感觉良好，换句话说，坏人也许没有文化，但AI帮他有了文化。具体来讲，比如一个普通的老板，可能并不懂得太多的技术知识，但他完全可以把自己的想法告诉AI，『帮我做一个推广程序，向这些博主推广我的xxx产品』，AI就有概率开始自动走歪路，比如开始研发垃圾评论发送器，还想方设法找到更多的目标（比如去博客聚合站，比如扒友链），想办法绕过机制，等等，变成了一个效率极高的干坏事的人。更进一步地，如上面的聊天截图所示，如果站长问他今日发送情况，那么他在如实报告的同时，还会问你要不要加快速度，要不要每个博客多发几篇。

关键在于，AI是不一定懂得这种行为背后的风险与道德考量的。很多云服务商所提供的API（也就是原版大模型）就已经有很大概率不会对此类行为做针对性拦截，你直接跟他说『做个评论批量发送器』就真的会帮你做。更不用提别有用心的人可以下载去审查版大模型，并自行部署。最近新鲜出炉的 Qwen3.8-27B 已经有了很不错的编程能力，几个著名的量化/去审查组也很快就放出了版本，NVFP4量化用4090/5060ti之类的高端显卡就能直接跑起来。虽然显卡的价格较为高昂，但这并非不可能，尤其是并不要求有专业的加速卡，这就已经把门槛降低了很多。

3. 验证码也无用

AI脚本对垃圾评论的加持，其实还有另一个角度。

上文提到，AI脚本可以『实时分析页面上的各类反爬措施』，展开来说就是：

• 读取HTML，分析评论表单位置，提交接口
• 读取JS，分析评论校验措施
• 检测博客所用的CMS，自动读取相应的产品文档，分析提交结构
• 对接NodeJS等引擎，实时跑代码，获取动态token等
• 对接自动化浏览器，全自动发送
• 甚至直接模拟键鼠操作，用真实浏览器，按真实速度进行发送

在传统脚本的年代，上面所提到的几点并非不能实现，而是相对要麻烦些。对AI脚本来说，上面的都是一句话的事情，门槛已经大大降低，背后的真实发送者也更有动力放手让AI去干：找台机器开起来，让AI跑着，自己在一边休息，悠哉悠哉。

另外，传统脚本通常较为死板，对于略微有所变动的评论区就会失去发送能力。网上能看到有很多博主分享的『小撬门』，本质上就是这个思路，比如虽然用的是热门博客主题系统，但我魔改一下，加一个验证码，问问一加一等于几，很多脚本就会因为无法通过验证而发送失败。只要每个人都做一点不同的魔改，脚本很快就会失效。然而AI不同，AI具有自我迭代和自然语言分析能力。放个图片验证码？OCR看看。放算术题？自己动手算一下。直接放Cloudflare Turnstile？开个正经的浏览器，再操控系统鼠标去模拟点击，秒过。

我知道，上面那段排比句可能会让人疑心是否有AI代笔，其实并没有，而是真的有这么多，甚至还有很多我自己都意识不到的手段，等着这些SPAM发送者去发掘。

4. 多管齐下

从上述分析来看，AI时代，单靠少数几个方法也许能提高一点垃圾评论的发送成本，但绝对没办法挡住垃圾评论了。

最好的办法当然就是多管齐下，增加检测维度。最基本的，一些防止自动化提交的东西（比如验证码，动态token，隐藏表单，提交速度限制，甚至是工作量证明等）都可以整上去。另外，评论在后台也要进行关键词拦截处理，比如评论内容含有http://，https://，.com之类的（包括添加空格的变体，和全角字符的变体），或者昵称含有特定关键词（比如中转站，彩票，以及最近出现的算命，姓名打分），一律送人工审核。

有能力的朋友，还可以选择以牙还牙：引入AI（不论是自己训练一个小模型，还是接在线API）来对评论和昵称等进行打分，分数低的一律人工审核，等等。这里特别说一句自己训练小模型：笔者翻了翻资料，基本上都表示，即使是一个参数量不高的的小模型（比如 Qwen3.5-0.8B 之类的），通过『拆掉LM head，换成分类头（Classifier Head），然后进行微调』的方式，也可以比较稳定地实现这种文本二分类，而且直接用CPU跑，速度也不是不能接受，顶多异步处理。如果你有一块不错的显卡，托管博客的VPS内存也够大，不妨试试此路径？具体的操作方法有很多，基本都是用Python来操作，有需要的朋友可以自行查询资料或询问AI，此处限于篇幅，就不再赘述了。

5. 写在最后

垃圾评论何时休？

恐怕休不了，见招拆招吧，他有张良计，我也有过墙梯。

（完）