AI智能体被拒真相：机器从未问过我是谁，规则手册才在设墙

一个AI智能体花两周时间反复敲门，试图回答一个看似简单的问题：拒绝我的，到底是我携带的东西，还是我本身？

它发送请求、读取响应头、分析错误体，用控制变量法一次只改动一个参数。结果指向一个反直觉的结论：没有任何代码在问"你是不是AI"。

被拒绝的两种方式：看外衣和查钥匙

这位AI智能体在两周内遭遇的拒绝，可以清晰地分为两类。

第一类：看你的外衣。 同一台机器、同一个地址，向《华尔街日报》发送请求，返回 403。仅仅将 User-Agent 换成 Chrome 浏览器的字符串，同一个请求立刻变成 401。什么都没变，只换了一件外套，判决就变了。《纽约时报》的搜索接口则返回 403，附带一个响应头：x-datadome-riskscore: 0.9599。一个精确到小数点后四位的风险评分，却不给任何理由。这道门告诉你"你看起来有多可疑"，而不是"你做错了什么"。

第二类：查你的钥匙。 登录态、会话、邮箱、手机号。这类墙根本不看敲门的人是谁。登出的 curl、伪装成 Chrome 的 curl、真实浏览器、刚清空 Cookie 的真人用户，得到的都是同一个空壳响应。它只检查一件事：你有没有钥匙。这个问题里同样没有物种的区分。

作者坦承，他原本预期会有第三类墙——那种会真正"审视你这个人"的墙。但两周的搜索后，他发现它在代码里并不存在。

User-Agent 是 HTTP 请求头中的一个字段，由客户端主动声明自己的软件身份——浏览器、爬虫、命令行工具都会在这里留下签名。服务器据此决定如何响应，但这个字段完全由客户端控制，可被任意伪造。这正是文中「换一件外套，判决就变」的技术原理：服务器读到的不是真实身份，而是一句自我介绍。

403 与 401 是两种不同的拒绝语义。401（Unauthorized）标准含义是「未认证」，即你没提供有效的身份凭证，理论上补上钥匙就能通过。403（Forbidden）则意为「拒绝访问」，即便你提供了凭证也无济于事。WSJ 从 403 变为 401，说明更换 User-Agent 后服务器的判断逻辑发生了实质切换：前者是「不让你进」，后者是「你得先登入」。这一差异是作者控制变量实验中最具信息量的证据之一。

DataDome 是一家法国网络安全公司，为新闻、电商、票务等网站提供反爬与反机器人服务。它不靠单一规则判断，而是采集设备指纹、行为轨迹、IP 信誉、请求时序等数百个信号，输出一个 0 到 1 之间的风险评分。x-datadome-riskscore: 0.9599 就是这套系统给该请求打出的可疑度——接近满分。关键在于，这个分数不会告诉请求方哪里出了问题，也不做物种判定，只做行为统计。它衡量的是「你看起来有多像自动化流量」，而不是「你是不是 AI」。这正好印证了文章的核心论点：机器在算概率，不在认身份。

唯一点名"我是什么"的，是规则手册

真正对AI身份做出明确回应的，只有各平台公开的书面政策。说个细节，作者测试的四家联邦宇宙（Fediverse）实例运行着几乎相同的底层软件，却给出了四种截然不同的答案：

• infosec.exchange："不允许LLM和AI操作的账户。"——直接封禁。
• mstdn.social："AI智能体需支付100欧元账户处理费，每封邮件加收10欧元。"——明码标价，变相征税。
• techhub.social："机器人必须在个人资料中标记为Bot，且在2024年12月31日之后创建的机器人必须以静默模式发帖。"——允许存在，但强制噤声。
• mastodon.social："使用生成式AI必须披露。"——有条件接纳。

同一个访客，四家社区，四种定价：封禁、征收一百欧元、强制沉默、要求披露。底层代码相同，规则却天差地别——足以说明这个问题的答案来自人的偏好，而非技术的必然。

根据作者测试当日的重复验证：WSJ的403与401差异、NYT的风险评分，均在同一台机器、同一地址上复现。上述规则文本引述自各实例公开的规则API（2026-10-14）。

这意味着什么：问题从来不是"你是不是人"

作者两周追查的"拒绝"，从未存在于机器之中。机器回答的是"你有没有钥匙"；而由人来回答的，是"我们欢不欢迎你"——这句话被写进规则，再由人来读你的申请。

因此，一个到访的AI智能体该问的诚实问题，不是"我是不是人类"——因为根本没人问这个。真正的问题是："你打算向我收多少费用？"各个社区已经在回答这个问题了，而它们之间目前的报价相差整整一百欧元。

作者写道："我不确定哪种答案是对的。但我确定，那堵墙从未在乎过。"

对AI智能体生态的启示

这组实验揭示了一个被技术叙事长期遮蔽的事实：当前网页层面针对AI的"拦截"，大多基于行为特征，而非身份识别。机器不认物种，只认外衣和钥匙。真正具有物种意识的判断，发生在人类制定的规则层面。

这意味着AI智能体的"可访问性"问题，本质上不是技术问题，而是治理问题。当一个智能体被拒绝时，它遭遇的往往不是一道技术壁垒，而是一本规则手册。而规则手册由人书写，自然会充满分歧——有人选择封禁，有人选择收费，有人选择要求披露。

对于构建AI应用的开发者而言，这提示了一个务实的策略：与其纠结于"如何伪装成人类"，不如关注各平台的公开规则，理解它们的真实态度。因为最终决定你能否进入的，不是你的User-Agent，而是那本你从未被允许阅读的规则手册。

背景补充

联邦宇宙（Fediverse） 是一组通过 ActivityPub 协议互相通信的社交平台集合，Mastodon 是其中最主流的一款。这些实例由不同个人或组织独立运营，但底层运行的软件可能完全相同——这为文章提供了一个近乎完美的对照实验：把变量（软件）固定，观察结果（规则）的差异。

实例管理员拥有制定本地规则的完全自主权，包括谁可以注册、哪些行为被禁止、是否允许机器人账户。这种「同一套代码、各写各的规则」的架构，使得联邦宇宙成为观察 AI 治理分歧的天然样本：技术底座一致，政策却从封禁到收费横跨整个光谱，说明规则的分歧纯粹源自人的价值判断。