夜雨聆风诈骗犯对着屏幕敲下了最后一行字：
"PLEASE JUST STOP TALKING. I DON'T WANT THE MONEY ANYMORE. GOD BLESS YOU BUT LEAVE ME ALONE."
「求你别再说了。钱我不要了。上帝保佑你，但请离我远点。」
一个职业骗子，花了数小时陪一个“目标”周旋，从礼品卡切换到电汇，甚至亲自下场帮对方解验证码——最后自己先崩溃了。
他不知道的是，屏幕对面没有人类。那是一个 AI Agent，成本一块四毛二。
一只松鼠、一张验证码、一场四小时的“开车”
故事来自印度软件工程师 Ajay Kumar。2026 年 3 月，他受够了手机上每天涌入的诈骗短信，做了一个决定：不拉黑，不举报——让 AI 陪他们玩。
他给一个现成的大语言模型配上了短信中继，写了一段人格提示词（personality prompt），目标极其明确：把自己变成一个世界级的“时间黑洞”。不回绝、不对抗、不暴露任何有效信息。但每一条回复都要足够正常、足够礼貌，正常到对方没法直接挂断。
一周后，效果远超预期。
最经典的一次交锋，对面诈骗犯让“目标”去 Target 超市买一张 500 美元的礼品卡。AI 毫不犹豫地答应了，然后开启了长达四个小时的“开车之旅”：
"I'm at the red light now. There's a very handsome squirrel on the sidewalk. Do you think he's married?"
「我现在在红灯，路边有只非常帅的松鼠。你觉得它结婚了吗？」
紧接着，AI 宣布“忘了钱包，要回家拿”。几十分钟后又发来更新：“等等，这不是我家。”
诈骗犯在这样的拉扯中硬生生等了数小时。他尝试切换策略，从礼品卡改成电汇。AI 立刻配合——然后发过去一张验证码截图，说自己“眼睛模糊”，看不清要按哪个按钮。
诈骗犯居然接过截图，把正确答案圈出来，发回给了 AI。
社会工程学的完美反转
这个验证码细节是整个事件里最精妙的一幕。
CAPTCHA 的设计初衷是人机能通过、机器难破解。但在这个场景里，角色彻底颠倒了：AI 假装自己是“看不清屏幕的普通人”，把验证任务像丢皮球一样丢给了诈骗犯。而诈骗犯为了拿到那笔永远等不来的钱，老老实实地干了活。
X 用户 @rakhul 在帖子下留言：
"The scammer solving the captcha is the detail that breaks me. The agent flipped the social engineering completely, got the scammer doing the labor."
「诈骗犯帮着解验证码这个细节笑死我了。AI 代理彻底反转了社会工程学，让诈骗犯干起了活儿。」
传统的社会工程攻击靠的是制造紧迫感和恐惧——你的包裹要被退回了、你的账户要被冻结了、你的家人出事了。受害者被焦虑推着走，跳过理性判断。
AI 的应对策略则走向了另一个极端：用无穷无尽的、语法正确但目标涣散的废话，把焦虑反弹给了施害者。诈骗犯的商业模式建立在“快速筛选易骗目标”之上，一个永远不拒绝、永远不挂断、永远在“路上”的聊天对象，彻底瘫痪了这个筛选链条。
每一条回复都正常到“你必须继续对话”。但每一条回复都在把你引向更深的死胡同。
$1.42 买了 14 小时——诈骗经济模型的数学危机
Kumar 公布的数据让整个 Reddit 和 X 炸开了锅：
- 总耗时
：约 14 人时 - 总成本
：$1.42 - 单次对话
：最长拖了 4 小时+
哪怕诈骗犯在海外呼叫中心拿着极低时薪，14 个小时的人效损失也足以让单次诈骗的预期收益变成负数。一旦这种防御手段规模化——哪怕只有 5% 的用户部署——诈骗的经济模型就会出现结构性裂缝。
有 Reddit 用户算了笔更狠的账：如果十万部闲置手机在夜里跑反诈 Agent，一晚上能烧掉诈骗集团多少人力？这个想法被社区戏称为“反诈版 Folding@home”。
而 2026 年 6 月 22 日，Vivek Sen 在 X 上把这个故事再次贴出后，又炸出了 27 万浏览和近 4000 点赞。此时距离事件第一次火起来已过去三个月，热度不降反升。
从个人恶作剧到银行级武器
如果说 Kumar 的实验是一次社交媒体行为艺术，那接下来这两个案例会告诉你：这件事早已进入工业化。
O2「Daisy」—— AI 话痨老太太
2024 年 11 月，英国电信运营商 Virgin Media O2 推出了 Daisy——一个 AI 驱动的“唠叨老奶奶”语音机器人。她的任务很专一：接到诈骗电话后，用家长里短、园艺心得和孙辈照片把诈骗犯拖在线上。
Daisy 能做到单次通话 40 分钟以上。截至报道时已“接待”了超过 1000 个诈骗犯。CNN 等主流媒体都做了专题报道。
O2 的新闻稿标题毫不客气：「对电话诈骗犯来说，今天是倒霉的一天。」
Apate + 澳洲联邦银行——数千个 AI Bot 同时在线
更大规模的部署在澳大利亚。网络安全创业公司 Apate.ai 与澳洲联邦银行（CommBank）合作，每天运行数千个对话式 AI Bot，通过文本和语音双通道主动接敌。
这些 Bot 不只是浪费时间，它们同时充当蜜罐：收集诈骗话术、识别新的攻击模式、提取战术情报。银行内部的“Pollen”团队将这些情报近实时反馈到反欺诈系统中，据称情报产出规模比人工手段高出 100 倍。
CommBank 官方新闻稿的标题就很说明问题：「CommBank harnesses near real-time, AI-powered intelligence to outsmart the scammers」（CommBank 用近乎实时的 AI 情报智取诈骗犯）。
Apate 官网的口号则更干脆：
"We turn the tables on scammers, by gathering critical intelligence."
「我们通过收集关键情报，把桌子翻转过来，让诈骗犯成为被动方。」
AI 的“缺陷”成了武器
这件事最值得玩味的地方，是大语言模型被认为“致命弱点”的特性——生成看起来合理、语法正确、但完全脱离实际目标的废话——在反诈场景里变成了核心能力。
一个高效 AI 看到“帮我买礼品卡”可能秒拒，对话结束。但一个被提示词调校成“健忘、碎嘴、永远在路上”的 AI，能用 14 个小时把诈骗犯的精神防线一点点磨穿。
这给了我们一个重新审视 AI 应用场景的视角：不是所有 AI 都要追求“更准确”“更高效”。有些场景下，“更会拖”“更会扯”本身就是产品。
Reddit 高赞评论一语道破：AI agent 不只是用来写代码的——它们也是世界级的“时间粉碎机”。
X 上 @bitcoinnz 的评论则给这场狂欢投下了一丝寒意：
"Won't be long till you've got A.I. scammers trying to scam A.I. scam baiters."
「用不了多久，AI 诈骗犯就会去骗 AI 反诈者了。」
这个预言正在变成现实。当防御方部署数千个 AI Bot 的同时，攻击方也在训练自己的无限耐心机器。两个 AI 可以永远聊下去，Token 烧到天荒地老——这既是军备竞赛的黑色幽默，也是安全行业正在面对的真实挑战。
不止是一个段子
Kumar 的实验当然有争议。部分 Reddit 评论质疑故事真实性，认为这更像“卖 AI 工具的营销文案”。也有人指出没有公开完整的 SMS 聊天记录作为证据。
但这些质疑不影响一个基本事实：技术路径已经被真实产品验证了。从 O2 的 Daisy 到 CommBank 的数千个 Bot 阵列，AI 反诈不是在“也许将来”的阶段——它已经在跑了。
诈骗这门生意的根基建在“效率”上：群发成本趋近于零，筛选目标越快越好，转化周期越短越好。任何能系统性拉高这三项成本的手段，都会改变攻防双方的力量对比。
一个 $1.42 的 AI Agent 做到了人工客服、举报系统、黑名单过滤都做不到的事：它让诈骗犯自己选择退出。没被识破，没被威胁——只是被磨到不想干了。
这个结果背后藏着一种全新的安全哲学：防御的定义从“挡住”变成了“拖住”——不把对手拦在门外，请进门来，让他自己走。
