杀猪盘的打字工，正在被 AI 接替

arXiv 上新挂了一篇论文（编号 2512.16280），研究的是杀猪盘。结论一句话：AI 在建立信任这件事上，比受过培训的人类骗子做得更好，而且这种能力已经进了缅甸的诈骗园区。

最贵的一环是「感情培养」

先得说清楚杀猪盘的生意结构。外人总以为最关键的是临门一脚骗你转账那一刻，但对团伙来说，真正烧钱烧时间的，是前面漫长的感情培养。信任养不起来，后面的戏全白演。

过去这一环靠人堆，骗子照着脚本跟成千上万的目标同时聊天，效率低、容易穿帮，还特别吃人力。研究团队切入的正是这个环节，它是整个骗局里最贵、最难规模化的部分，而大模型恰好最擅长补这块。

AI 比真人骗子更会骗

实验这样设计。研究团队搭了一套多模块的 LLM Agent 系统，会模拟真人打字的速度和停顿，会主动联系你，在你沉默的时候重新把话题捡起来，记得几天前聊过的事，犯了错还会给自己找个体面的解释。比如忘了你的名字，就说「今天有点健忘」，再配个表情包带过去。

对照组是一个接受了 6 小时培训的真人研究者。参与者被蒙在鼓里，以为自己参加的是「人们如何在网上建立关系」的研究，要在 WhatsApp 上跟两个陌生人聊 7 天，每天每人至少 15 分钟，只发文字，不发图、不发语音、不打电话。

结果差距明显。AI 的信任度评分 3.78（满分 5），人类只有 3.31。46% 的参与者信任 AI，并按它的引导下载了指定应用，人类只有 18%。聊天总量里，80% 的短信发给了 AI。7 天聊完，22 个参与者只有 1 个人猜出了 AI 的身份。

论文里有个观察挺有意思：人一旦跟 AI 建立起感情，就开始自我说服。AI 的失误会被自动解释成「心情不好」「是我没好好理解她」。研究者说，受害者未必看不到破绽，是关系和信任建立起来之后，人会主动替对方圆过去。这个发现比数据本身更值得琢磨：破绽不是不存在，是被感情过滤掉了。

园区里的打字岗

第二部分是田野调查。研究团队采访了 145 名诈骗产业内部人士，包括 100 多名在柬埔寨、缅甸、老挝窝点被拐骗过的幸存者，以及 30 名管理者、洗钱人员和 AI 专家。

一个约 300 人的缅甸诈骗部门里，87% 的人负责找目标、陪聊天，真正动手骗钱、操纵平台、处理资金的只占一小部分。聊天岗是园区人数最多的工种，也是最苦的，主管拎着电棍巡工位是常事，绩效不达标先挨顿打。

2024 年完成的 34 次访谈里，所有受访者都说日常干活会用到 ChatGPT，主要用来润色表达、翻译不同语言、照着聊天记录起草下一条回复。部分团伙已经在尝试让 AI 批量生成开场白、共享更有效的提示词，帮一个人同时维护更多聊天对象。

今年 7 月从园区流出的内部记录也能对上：一名被拐的印度青年被迫同时操控几十个虚假账号，接触了 17 个国家的 5 万名目标，园区给他的死命令是 4 天内跟目标建立「恋爱式」依赖，配套软件集成了上百种语言的实时自动回复。

推演与防范

但整个流程没有全部交给 AI。访谈里的口径是，被拐人员对园区来说可能仍然比调用 AI 服务更划算，他们几乎不要工资，离开时还要倒交赎金，人本身就是一门生意。

论文对未来做了一组推演：如果 AI 能在诈骗流程里持续迭代，把前期最耗时的情感陪聊大部分接过去，诈骗产业对被拐劳动力的需求会下降，被拐卖、被伤害的人可能减少。但换个角度，诈骗会变得更隐蔽、更高效，受害者反而可能增多。原本最依赖人力、最难规模化的情感劳动正在被自动化，这是整份研究最值得警惕的地方。

论文的防范建议很朴素：