通用 Agent 跑 LinkedIn 外联一月烧 1.4 亿 token,脚本方案省 60 倍
ChrisHarpon2 · reddit · 2026-10-26
LinkedIn 外联工具开发者算了一笔账:通用 AI Agent(截图→思考→点击)做常规外联(月查 1000 个资料、发 400 邀请、400 消息加跟进、每日查回复)约需 7000 步、每步 2 万输入 token,合计约 1.4 亿输入 token/月——Sonnet 约 $135–300,Opus 约 $270–600,Haiku 虽 $15–30 但慢且易错。
抓取和点击根本不需要 LLM,代码零 token 完成;模型只用于给人打分和写消息,约 230 万 token,便宜 60 倍。
更要命的 scaling=封号风险
- LinkedIn 限制每周邀请数并监测行为模式,agent 不了解账号限额,第一天就可能超标;
- 新号/静默号突然发 80 邀请正是风控目标;agent 爆发式操作、节奏单一;
- 多账号时不做轮换、浏览器 profile 或云机共享导致一封全连坐;云端 agent 用数据中心 IP 登录,与日常登录地不符。
安全的规模化需要:每账号日/周限额、渐进预热、随机节奏、多账号分摊、独立会话——「这不是 prompt,是基础设施」。作者同时明示 LinkedIn 自动化违反 ToS,无零风险方案,并征集多账号通用 agent 的实践经验。
「编程与Agent」频道最新
- 用 $28 算力让模型给自己造 copilot：他的新模型个人基准 — bucolucas · 2026-10-27
- Agent 中途改计划该被允许吗：真实系统介入时的边界之辩 — wistfulcracker84 · 2026-10-27
- HeyGen 联手 Canva:幻灯片讲者备注自动变数字人讲解视频 — HeyGen · 2026-10-27
- 隐私场景实测：本地 Qwen 3.8 FN 不输云端前沿模型还更快 — dr_lm · 2026-10-27
- Cloudflare Computer 支持 agent 中断恢复，可跳过已完成的非幂等请求 — irvinebroque · 2026-10-27
- LLM Tails 实测省 80% 输入 token：先读后写约束 agent 编码 — savadks1818 · 2026-10-27