林凡的手指在键盘上停了几秒，目光锁定在监控界面右下角的一个跳转记录上。南京节点的账号，在登录后的第七分钟，从本地新闻流突然转向一条宠物领养帖，并停留了四十二秒。
这不是预设路径。
也不是脚本触发。
更不是随机扰动的结果。
“它自己点进去的。”计算机系同学低声说，把日志拉到操作序列底层，“滑动偏移量0.3厘米，点击坐标偏差1.2像素，动作轨迹有轻微抖动——和我们之前模拟的手指误触很像。”
陈小胖凑近屏幕：“你是说……这号‘活’了？”
林凡没回答，而是调出该账号过去三小时的行为数据。它先是在校园资讯页停留了一分半钟，接着滑过两条短视频，中间有一次自然回退，然后才进入团购页面。整个过程没有重复模式，也没有固定节奏。
“不是活了。”他慢慢开口，“是我们第一次看到了系统想要的‘人’的样子。”
房间里的气氛变了。前一刻还在为账号存活松口气，现在却意识到，真正的门槛才刚刚出现。
“IP伪装只能让我们上线。”林凡打开新文档，标题写上“用户行为建模草案”，“但要让系统相信这些是真实个体，得让它们有自己的习惯、偏好，甚至无聊时乱点的冲动。”
陈小胖挠了挠头：“那是不是可以给每个号设个身份？比如学生、上班族、宝妈？按人群来安排任务？”
“不止是任务。”林凡继续敲字，“是生活节奏。学生党午休刷视频，晚上赶作业顾不上打卡；上班族通勤听音频，午休才有空互动；宝妈接送孩子，下午三点到五点最活跃。我们要做的，是把这些‘日常’变成可执行的参数。”
计算机系同学迅速反应过来：“你是想建立行为人格模型？让每个账号背后都有一个看不见的‘主人’？”
“对。”林凡点头，“平台不怕你赚钱，怕的是所有账号都像一台机器的不同零件。只要行为足够分散，哪怕都在同一个城市，也能被判定为独立用户。”
他说完，把南京节点的完整动线复制进分析模板。停留时长、滑动速度、点击间隔、页面跳转逻辑……逐一拆解成可量化的指标。
“你看这里。”他指着图表中的一段波动，“它看新闻的时候，前三条滑得快，第四条突然慢下来，还放大了图片。说明内容吸引了注意力。这种‘兴趣转移’才是关键信号。”
陈小胖盯着那条曲线看了几秒：“所以咱们以前的问题，不是技术不够强，是太整齐了？所有人按时上线，刷一样的内容，完成任务的时间误差不超过十秒？”
“就像军训队列。”计算机系同学苦笑，“再怎么伪装，走路姿势也一样。”
林凡关闭图表，新建三个分类标签：A类“学生党”、B类“上班族”、C类“宝妈”。每类下面列出基础属性——活跃时段分布、常用设备类型、内容倾向权重、互动频率区间。
“先从已恢复的账号开始分配。”他说，“沈阳节点那个早上六点半刷新闻的，归入A类；成都午休时段频繁打开问答应用的，划给B类；广州那个连续两天浏览母婴用品的，放进C类。”
陈小胖立刻动手整理名单，一边念一边标记：“杭州两个学生党，重庆一个宝妈，北京双号并行，一个上班族加一个自由职业者……”
“自由职业者？”计算机系同学抬头。
“我说着玩的。”陈小胖嘿嘿一笑，“但还真适合某些号，半夜上线，白天睡觉，刷的内容杂七杂八。”
林凡没笑，反而记了下来：“加个D类试试。非规律作息群体，包括夜班司机、主播、熬夜党。这类用户本身行为离散度高，更容易通过审核。”
他们很快达成共识：不再统一调度任务，而是根据人设匹配行为逻辑。
林凡将原任务池拆分为两部分。通用任务如签到、浏览首页仍保持基础运行，但定向任务则绑定标签派发。例如，C类账号优先接收本地育儿讲座报名、儿童摄影优惠券领取；B类则推送职场测评、通勤资讯阅读奖励；A类主攻校园话题投票、知识答题活动。
“任务类型要错开。”他强调，“同一个城市的不同账号，不能同时做同类操作。哪怕都是学生，也不能都在晚上八点参加答题。”
计算机系同学开始编写新的调度规则。他在原有脚本基础上加入三层变量：一是登录时间浮动机制，依据城市真实作息设定窗口期，如北京上班族在8:00至8:45之间随机上线；二是操作节奏扰动，滑动速度上下浮动30%，页面停留时间按正态分布生成；三是“偶发兴趣”模块，允许账号在低风险场景下偏离推荐流，自主点击非关联内容。
“我加了个概率触发器。”他边敲代码边解释，“当账号连续完成三项任务后，有17%的概率跳出当前流程，随机访问一个相邻类目的信息页。比如正在刷短视频的学生党，可能突然跳去看兼职招聘信息。”
“比例别太高。”林凡提醒，“太频繁会显得刻意。重点是要制造那种‘顺手点开’的感觉。”
“明白。”对方调整参数，“现在设置为每周最多触发两次，且仅限于非高峰时段。”
陈小胖则负责补充外层伪装。他打开图像库，翻出几十组头像与昵称组合：戴眼镜的男生配“大三经济学笔记”；抱着孩子的女性用“糖糖妈爱省钱”；穿着格子衫的男人叫“码农老张求副业”。
“要不要连个性签名也加上？”他问。
“可以，但别堆关键词。”林凡扫了一眼，“写点生活化的东西就行，比如‘今天食堂涨价了’‘娃睡了终于能喘口气’。越普通越好。”
三人分工推进，房间里只剩下键盘敲击声和偶尔的确认语句。
一个多小时后，首批十八个账号完成人设绑定与参数配置。
林凡启动测试流程。屏幕上，各个虚拟节点陆续上线，登录时间错落有致。北京的“上班族”在八点十三分进入APP，先查看今日热点，再花两分钟阅读一篇职场攻略；沈阳的“学生党”七点五十六分上线，直接点进校园频道，参与一场正在进行的投票活动；广州的“宝妈”直到上午十点才登录，一进来就搜索“附近亲子乐园优惠”。
行为轨迹完全不同。
任务类型各异。
就连滑动节奏都呈现出明显的个体差异。
计算机系同学调出后台评分面板：“风控信任值在缓慢上升。南京那个号，已经从‘观察中’变为‘低风险’状态。”
“还不够。”林凡盯着其中一个节点，“我们现在只是做到了‘不像机器’，还没做到‘像真人’。”
他话音刚落，监控界面上跳出一条新记录。
南京节点账号，在完成一次本地团购核销任务后，第三次自主跳转——这次是同城一只流浪猫的领养求助帖。停留时间五十一秒，期间有过一次缩放图片的操作。
房间安静了几秒。
“又来了。”陈小胖轻声说。
“不是偶然。”林凡放大操作路径，“它前两次都去了本地生活类页面，这次虽然内容不同，但地理范围一致。说明它在‘关注这座城市的事’。”
计算机系同学快速检查代码：“我没设置这个跳转逻辑。也不是兴趣推荐触发。它是基于之前的浏览历史，自己选的。”
林凡缓缓吐出一口气：“我们一直以为要模仿人才能骗过系统。其实系统真正认可的，是从数据里长出来的‘人’。”
读书三件事：阅读，收藏，加打赏！