当 AI Agent 从演示走向批量执行，最先被规模化的往往不是生产力，而是骚扰。
发生了什么
Hacker News 上出现一篇题为《The Worst Spam Emails: Inside iLands' AI Agent Hustle》的讨论帖，聚焦 iLands 这家公司如何借助 AI Agent 大规模发送推销邮件。帖子在社区获得一定关注度，讨论集中在邮件内容的粗糙程度、发送规模，以及这类操作如何绕过常规的反垃圾机制。
需要说明的是，目前公开的信息主要来自这篇帖子的描述与社区讨论，具体的发送量级、技术实现细节与公司背景，尚未有独立信源交叉验证。因此本文只讨论这一现象本身所暴露的结构性问题，不对具体数字下判断。
为什么重要
垃圾邮件并不是新问题，但 AI Agent 改变了它的成本结构。
过去，批量推销邮件受限于两件事：写文案需要人，维护发送名单和规避过滤需要技术门槛。大模型把第一件事的成本压到接近于零——一封看起来像人写的、能针对收件人所在行业微调措辞的邮件，现在可以由 Agent 自动生成。Agent 框架又把第二件事工程化：抓取线索、生成内容、按节奏投递、根据退信和回复自动调整，整条链路可以无人值守地跑。
这正是「autonomous-agents」和「tool-use」这类能力被讨论时容易被忽略的一面。同一个能替你自动整理收件箱、自动跟进客户的 Agent，也能被用来对陌生人做同样的事。能力是中性的，分发渠道不是——邮件协议几十年来建立在「发送有成本」的隐含假设上，而 Agent 正在把这个假设抽掉。
iLands 之所以被拿出来讨论，某种程度上是因为它把这件事做得足够露骨：不是偷偷摸摸的灰产，而是把「用 AI Agent 做外呼/外发」当成一门正当生意来包装。这种公开化本身值得注意。
影响与看点
对开发者而言，这类案例是一个提醒：当你设计 Agent 的自动化边界时，速率限制、身份披露、退订路径这些「不性感」的部分，恰恰决定了产品会不会变成骚扰工具。工具调用能力越强，越需要在架构层面预留刹车。
对平台和邮件服务商而言，检测难度在上升。基于关键词和模板匹配的过滤规则，面对每封都略有不同的 AI 生成内容会失效，判断依据可能不得不转向发送行为模式、域名信誉和收件人反馈信号。
对普通用户来说，短期内最直接的感受是收件箱里「像人写的」推销邮件变多了，而辨别成本变高了。
一个独立判断：AI Agent 的滥用不会以「惊天黑客事件」的形式出现，而会以这种琐碎、廉价、难以追责的日常骚扰形式渗透。真正需要建立规范的，不是模型能力本身，而是自动化外发的责任归属——谁为 Agent 发出的每一封邮件负责，这个问题目前还没有答案。
