Саймон Уиллисон запустил инструмент для выявления ботов-реплаев в Bluesky

Саймон Уиллисон представил веб-инструмент для анализа профилей Bluesky на предмет автоматизированных ботов, которые оставляют однотипные ответы. Утилита проверяет скорость ответов, наличие собственного контента и паттерны активности, характерные для AI-ботов.

Интерфейс инструмента Bluesky reply bot checker от Саймона Уиллисона
Интерфейс инструмента Bluesky reply bot checker от Саймона Уиллисона
Dr Martens 'How to Wear' campaign | by University of Salford | openverse | by

Известный разработчик и блогер Саймон Уиллисон (Simon Willison) запустил веб-инструмент для выявления автоматизированных аккаунтов-реплаев в социальной сети Bluesky. Проект, созданный с помощью vibe-coding на базе модели Opus 5.5, доступен по адресу tools.simonwillison.net/bluesky-bot-check и призван помочь пользователям идентифицировать аккаунты, которые массово генерируют однотипные ответы.

Проблема автоматизированных реплай-ботов, по словам Уиллисона, давно стала «бичом» Twitter (X). Пользователи с большой аудиторией ежедневно получают десятки шаблонных ответов от аккаунтов, которые не публикуют собственного контента. Сейчас эта практика распространяется и на Bluesky.

«В отличие от Twitter, у Bluesky всё ещё есть свободно доступный и полезный API. Отсутствие такого API не замедляет ботов, но делает их расследование гораздо более раздражающим», — пишет Уиллисон в своем блоге.

Как работает инструмент

Утилита анализирует публичный профиль Bluesky и ищет характерные признаки ботов:
— Скорость ответов: аккаунты, которые отвечают на посты других пользователей в течение нескольких секунд после публикации.
— Отсутствие собственного контента: профили, которые никогда не публикуют собственные сообщения, изображения или ссылки, а только комментируют чужие записи.
— Паттерны взаимодействия: аккаунты, которые систематически отвечают пользователям с большим числом подписчиков.
— Частота вопросительных знаков: Уиллисон отдельно отмечает, что его особенно раздражают боты, задающие вопросы, на которые никто не просил отвечать.

Важная особенность инструмента — прозрачность анализа. Как указано на странице сервиса, «каждый сигнал, порог и доказательство отображаются, чтобы вы могли проверить логику самостоятельно. Это паттерны, а не доказательства».

Контекст проблемы

Bluesky, построенный на AT Protocol, предоставляет открытый API, что делает возможным создание подобных инструментов для независимого аудита. Однако та же открытость упрощает и создание ботов. Ранее на GitHub появлялись проекты, такие как bluesky-bot-detection-tools, которые предлагают методы детекции автоматизированных аккаунтов через поиск характерных фраз, анализ временных паттернов и выявление координационных сетей.

Уиллисон подчеркивает, что его инструмент не дает окончательных выводов, а лишь подсвечивает подозрительное поведение. Решение о том, является ли аккаунт ботом, остается за пользователем.

Практическая ценность

Для пользователей Bluesky, особенно тех, кто сталкивается с потоком автоматизированных ответов, инструмент Уиллисона может стать полезным дополнением к существующим методам модерации. В отличие от платформенных решений, которые часто работают «как черный ящик», этот сервис показывает всю логику анализа, позволяя пользователю самостоятельно оценить весомость каждого сигнала.

На данный момент инструмент не имеет функции «бан-листа» или автоматической фильтрации — он предназначен исключительно для диагностики. Однако его появление может стимулировать развитие аналогичных решений, особенно на фоне роста числа AI-генерируемых аккаунтов в социальных сетях.

Ограничения

Стоит отметить, что инструмент анализирует только публичные данные, доступные через API Bluesky. Он не может отличить добросовестного пользователя, который часто отвечает на посты, от бота, если паттерны активности схожи. Кроме того, создатели ботов могут адаптировать свое поведение, чтобы обходить подобные детекторы.

Уиллисон, известный своими проектами в области веб-разработки и баз данных (Datasette, SQLite), в последнее время активно экспериментирует с vibe-coding — подходом, при котором код генерируется языковыми моделями на основе описания задачи. Этот проект стал очередной демонстрацией того, как AI-инструменты могут использоваться для решения проблем, создаваемых другими AI-системами.

Источники