自动化外联的人性代价：当求职者变成垃圾邮件的目标

对于任何正在艰难就业市场中摸索的人来说，收件箱里的每一条通知都可能是一条救命稻草。对于处于绝望境地的开发者——面临债务、移民挑战或长期失业——一封以“我在 Who's Hiring 帖子中看到了你的评论”开头的邮件不仅仅是一条消息；它是一线希望。

然而，正如 Hacker News 最近的一场病毒式讨论所揭示的那样，这种希望正日益被自动化代理所武器化。曾经由社区驱动的机会交流，已变成 AI 驱动的垃圾邮件发送者、招聘人员和使用 LLM 来扩大外联规模的“企业家”们的肥沃狩猎场。其结果是，对于那些已经处于人生低谷的人来说，造成了不断累积的情绪负担。

“基于希望”的垃圾邮件解剖

问题的核心不仅在于垃圾邮件的数量，而在于其针对性。通过抓取“Who wants to be hired?”帖子，垃圾邮件发送者可以识别出那些明确表示正在找工作的人。这创造了一种权力失衡，使得接收者在心理上处于一种准备好打开邮件并参与内容的预设状态。

用户报告了几种常见的自动化外联模式：

• “AI 专家”推销： 声称能够构建集成 LLM 的“生产就绪型 TypeScript 和 Python 系统”的消息，通常使用 RAG 和 agent orchestration 等通用术语。
• “协作伙伴关系”： 模糊地邀请通过 Calendly 链接进行合作，通常发送自那些“散发着垃圾邮件农场气息”的地址。
• 简历“批评”：** 消息来自虚假的创始人，声称对你的简历有“一些快速的想法”，这通常会导致传销或付费服务。
• GitHub 抓取： 自动化邮件引用了用户参与过的特定项目，但未能意识到该项目甚至没有使用垃圾邮件发送者所推广的语言。

AI 在扩大“恶劣行径”规模方面的作用

许多社区成员指出，虽然冷外联（cold outreach）一直存在，但 LLM 已经从根本上改变了垃圾邮件的经济学。正如一位用户所说，“招聘人员通常本来就是彻头彻尾的混蛋，现在他们可以大规模地扩大他们的恶劣行径。”

因为 AI 现在可以根据抓取的数据（如姓名或特定的 GitHub repo）生成半个性化的消息，垃圾邮件的“恐怖谷效应”已经发生了转移。它不再仅仅是关于明显的模板；而是关于那些看起来足够像人类，足以触发希望的消息，但却缺乏实际的共情心或相关性。一位用户强调了这种转变的残酷性：

“特别残酷的部分是你针对的是那些明确表示需要帮助的人，然后利用他们的希望来对付他们。发送的成本是零。接收的成本却不是。”

愤世嫉俗者的视角 vs. 人类的现实

与任何技术社区一样，讨论中出现了分歧，一方强调共情心，另一方则主张“脸皮要厚”。

一些人认为互联网本质上就是不友好的，求职者必须学会克服被拒绝的恐惧。然而，反方观点认为，专业性的拒绝与被设计用来剥削漏洞的机器人所针对，之间存在着根本的区别。

这种自动化也有更阴暗的一面： “desperate spammer”（绝望的垃圾邮件发送者）。一位评论者分享了一个假设的（或者可能是半自传式的）故事，讲述了一位才华横溢的开发者被迫从事低薪工作，并被一位绝望的经理任务去抓取 HN 帖子以获取线索。这表明了一个循环，即绝望的人被用来剥削绝望的人，而这一切都是以“hustle culture”的名义进行的。

现代求职者的生存策略

鉴于“发送的成本是零”，过滤的负担已完全转移到了接收者身上。社区成员分享了几种减轻噪音的实用方法：

• 临时邮箱： 使用专门用于公开帖子中的临时邮箱地址，以便在垃圾邮件开始时可以轻松地封锁整个域名。
• 自定义过滤： 实施严格的 Gmail 过滤规则或脚本，，以标记常见的 AI 生成模式。
• “人类”信号： 一些用户开始在邮件中以“human here”等短语开头，以区分自己与机器人，尽管这是一种脆弱的方案。
• 线下网络： 达成了一个共识，即线下渠道和面对面连接仍然是寻找就业机会的高信号值方式，最重要的是，它们是目前唯一无法被 LLM agent 轻松自动化的渠道。

最终，该讨论提醒我们，随着我们构建“agentic”工作流和 AI orchestration tools，代码中缺乏“empathy server”的现象会导致现实世界的伤害。当效率被优化的于人性，结果不仅仅是噪音——而是残酷。