自由职业者利用匿名 AI Agent 构建讨薪共识群体的尝试

自由职业者时常陷入一种职场困境：遭遇客户恶意欠款时，往往碍于口碑压力不敢在圈内点名。在垂直细分的领域中，公开追债可能导致个人被贴上“情绪化”或“难搞”的标签，进而影响后续业务获取。由于这种权力结构的不对等，即便同一群体内有四五个人曾被同一家公司拖欠，受害者之间也缺乏沟通，难以达成集体议价。

在黑客马拉松期间，有人尝试利用 AI Agent 来缓解这一系统性难题。常规协作方案通常会牺牲个体的隐匿性，例如建立私密频道，但要求填报公司名会导致信息泄露；又如设置人数门槛，虽然能过滤信息，但成员间身份的暴露风险依然存在。

为了确保隐私，项目设定了严苛的匿名机制：无论是被举报的客户，还是参与讨薪的成员，均不予暴露。通过在 Discord 频道内构建“猜测与验证”逻辑，Agent 仅展示脱敏后的事项：

PICKET · 事项 #1
> "1月开票，直到8月还在催款"
金额区间：5万-20万 · 逾期180天+

🟩⬜⬜⬜ 1/4 已加入
[ 加入 ]

频道内杜绝出现客户具体名称，真正遭遇欠款的成员需通过“猜测”来完成身份验证。点击 [ 加入 ] 后，Agent 会引导成员发送邮件，要求在邮件内填入客户姓名。若填写的名字匹配，进度条随之增加；若猜测错误，系统不予明确反馈。这有效防止了他人反复尝试进行“钓鱼”以获取公司名单。

为从架构层面杜绝隐私风险，系统设计刻意放弃了用户关联关系的存储。开发者通常倾向于建立 discord_id -> claimant_id 的映射以便进行个性化推送，但这被视作严重的攻击面。一旦数据库遭泄露，用户身份将直接暴露。因此，逻辑被重构为：

def render_join_instruction(v: MatterPublic, intake_address: str) -> str:
    # 故意不记录谁点击了按钮
    # 这样即使系统被攻破，也无法将具体的 Discord 账号与具体的债权主对应起来
    # 牺牲掉个性化推送，换取绝对的匿名性

这种机制导致了一个特殊的“Bug”：系统不记录任何操作者信息，即使连续点击两次，机器人也无法识别用户。但在隐私保护层面，这恰是系统的核心防线——不记录即意味着无法出卖信息。当该条件成立，即系统完全不存储映射关系时，下一步应维持这种无状态的设计，不要试图通过添加额外的临时日志来追踪用户，否则该方案的匿名性承诺将立即失效。通过这种 AI Agent 驱动的去中心化协作，自由职业者无需承担社交风险，仅凭进度条的更新即可获得心理共识。待进度条填满，个体便能在不暴露自身的前提下，获取集体议价权，打破沉默螺旋。