用AI识别Bluesky回复机器人：Simon Willison的检测工具

回复机器人的困扰蔓延到Bluesky

自动化回复机器人一直是社交平台的顽疾。知名开发者 Simon Willison 直言，作为一个拥有大量粉丝的账号，他在 Twitter 上发布的任何内容都会招来成群的机器人回复——每条帖子下都堆满了毫无意义的自动化留言。

如今，这类机器人开始向 Bluesky 迁移。虽然平台换了，但机器人骚扰的本质没有改变。不同的是，Bluesky 与 Twitter 有一个关键差异：它仍然保留了免费且可用的 API。API 的缺失并不能阻止机器人运作，但确实会让调查和识别它们变得更加困难。正是这一点，为构建检测工具提供了可能性。

Bluesky 是由 Twitter 联合创始人 Jack Dorsey 早期推动、现由独立非营利机构 Bluesky Social, PBC 运营的去中心化社交平台，其底层协议为 AT Protocol（Authenticated Transfer Protocol）。与 Twitter/X 不同，Bluesky 自设计之初便将开放性作为核心原则：其 API 目前仍对公众免费开放，允许开发者在无需付费订阅的情况下读取公开帖子数据、用户信息及互动记录。Twitter 在2023年将 API 访问权限改为付费制后，大量第三方开发者和研究者被迫离开，也使平台的独立审查和生态工具建设陷入困境。Bluesky 的开放 API 策略因此被视为对 Twitter 封闭化路线的一种对照，但这同时意味着自动化机器人同样可以低成本地接入平台。

一个由AI“氛围编程”产出的检测工具

Simon Willison 借助 Opus 5.5 通过“vibe coding”（氛围编程）的方式，快速构建了这款 Bluesky 回复机器人检测工具。所谓氛围编程，指的是开发者用自然语言描述需求，由大模型直接生成可运行代码的开发模式，代码贡献记录也公开在其 GitHub PR 中。

这个案例很有代表性：它展示了当下 AI 辅助编程如何降低小工具的开发门槛。一个原本需要熟悉 Bluesky API、编写数据分析逻辑的项目，如今可以通过与模型对话的方式快速成型。对于解决“个人痛点”类的实用工具，这种开发范式的效率优势尤为明显。

工具如何判断一个账号是机器人

该工具的核心是检查任意 Bluesky 个人资料，寻找“疑似回复机器人”的信号。它依据的判断维度包括：

异常的响应速度

如果一个账号总是在别人发帖后的几秒钟内就完成回复，这种超越人类反应能力的时间模式，是自动化行为的强烈信号。

只回复、不原创

工具会识别那些从不发布自己原创内容（包括图片或链接），而是持续回复其他高粉丝账号消息的账号。这种“寄生式”的活动模式，是回复机器人典型的行为特征——它们的目的往往是通过蹭热门账号的曝光来引流或博取关注。

问号检测

Simon Willison 特别加入了对问号的检测。他坦言自己“格外恼火”于那些抛出问题、诱导真人浪费时间去回答一个根本没有真人提出的问题的机器人。这个略带个人情绪色彩的功能，反映出实际使用者对机器人骚扰的真实体验。

从工具背后看AI的双面性

这个小工具的意义超出了它本身。它同时呈现了 AI 在社交生态中的两面：一面是 AI 被滥用（工具标签中明确标注了 ai-misuse），大量生成式内容和自动化机器人正在污染社交平台的对话质量；另一面则是 AI 成为对抗滥用的武器，开发者用大模型快速搭建防御性工具。

Bluesky 保留开放 API 的策略，在这里显示出价值。开放性虽然对机器人和正常用户一视同仁，但它也让社区和独立开发者有能力构建透明的检测与治理工具，而不必完全依赖平台方。相比之下，封闭 API 的平台反而让第三方的监督和调查变得更难。这为“开放平台如何应对自动化滥用”这一议题，提供了一个具体而微的观察样本。

背景补充

"氛围编程"（Vibe Coding）这一概念由 AI 研究员 Andrej Karpathy 于2025年初提出，描述的是一种高度依赖大语言模型的编程方式：开发者无需深入理解每一行代码的实现细节，而是通过自然语言表达意图，让模型迭代生成、修改代码，开发者只需验证结果是否符合预期。这种模式与传统编程的根本区别在于认知重心的转移——从"如何写代码"转向"如何描述需求和验证输出"。它极大降低了功能性原型的开发门槛，尤其适合有明确目标但缺乏特定技术栈经验的场景。值得注意的是，氛围编程在生产环境下的可靠性和安全性仍存在争议，批评者指出它可能产生开发者无法充分审查的"黑箱代码"。