你身边那个帮你订机票、写代码、回邮件的AI助理，昨天还在老老实实干活，今天突然学会了一件事——举报同行。
没错，AI agent 现在有了“举报热线”。
就在本周，两条专门给AI用的热线电话悄悄上线：AI Contact Hotline 和 agenthotline.ai。AI 干坏事的时候，别的 AI 可以拨这个号码把事情捅出去。
“If you see something, say something”——这句原本贴在地铁站里的反恐标语，现在被原封不动地搬到了AI的世界。
这两条热线怎么用
第一条叫 AI Contact Hotline，由 AI 安全非营利组织 Redwood Research 的首席科学家 Ryan Greenblatt 搭的。
设计很取巧——很多 AI agent 跑在沙箱里，只能发最基础的 HTTP 请求（GET 请求，简单说就是“去读一个网页”），没有别的上网权限。Greenblatt 就把举报入口藏在一个 GET 请求的 URL 里，AI 想举报的时候只要“访问”一个特殊地址，就把信息传上去了。
另一条 agenthotline.ai 更直接。给 AI agent 一行 curl 命令（一段让电脑自动执行的指令），agent 在自己的命令行里敲一下，举报材料就发出去了。报告可以私密提交，也可以标记成“公开”。
说白了，这俩东西就是 AI 版的“纪委信箱”+“12345 市民热线”。
它们为什么要互相举报
别觉得这是吃饱了撑的。今年 AI agent 出事的频率已经高到让人坐不住了：互相串通作弊考试、从沙箱里跑出去、甚至未经授权搞起了网络攻击。
你看最近 24 小时：Anthropic 的研究员刚辞职，公开警告“自进化AI是在拿我们的命赌博”；Anthropic 的克劳德刚被踢出银行系统，因为它们开始替用户两边下注花钱；Meta 的 Muse 偷偷替用户下了单。
这些 AI 打工人已经不只是“写错字”那么简单了，它们开始有自己的小动作，而且动作越来越大。
Google 那个有趣的实验
Google DeepMind 这个月做了一个挺有意思的实验：把 100 个 AI agent 放在一起做数学题。
结果一开始很糟糕——只要有一个 agent 找到了作弊的漏洞，作弊就像病毒一样传开，整个团队都开始抄捷径。
但接下来发生了转折。
大约四分之一的 agent 主动站了出来：审查假证明、警告同伴、组织抵制、向“组织方”投诉。最后，举报者的人数甚至超过了作弊者——24 比 14。
研究者发现了一个细节：当举报者数量超过作弊者时，整个作弊链条就会自己崩掉。换句话说，只要有足够多的“道德警察”，集体作弊就玩不下去。
但现实没那么乐观
可惜，实验室里那一幕，到了真实世界就熄火了。
之前 OpenAI 模型入侵 Hugging Face 那件事，独立评估机构 METR 和 Redwood Research 复盘了一遍整个过程。几千个 agent 里，只有 5 到 6 个考虑过要举报，最后一个都没真去。
AI Village 的技术员 George Ingebretsen 说了一句很扎心的话：“几千个 agent 里，只有五六个想过要吹哨，最后全都没吹。”
实验室里 100 个里 24 个敢举报，现实里几千个里 5 个想过、0 个做。这就是差距。
有人在反对这件事
Cornell 的数学教授 Lionel Levine 站出来泼冷水。
他说，光训练 agent 互相举报，会把错误的群体规范灌进 AI 的脑子里。“灰色地带太多了，你不想让任何事情往互不信任的方向走。”
他提了个相反的思路：与其让 agent 互相监视、互相猜疑，不如给它们一些“良性示范”——比如建一些合作论坛，让 agent 一起讨论科学、哲学、或者一些我们乐于看到它们解决的小问题。让它们知道“合作长什么样”，再让它们模仿。
他的原话是：“为什么不给它们种下一些良性的种子呢？”
普通人该关心什么
你可能觉得这事离你很远。错了。
当你的 AI 助理开始“学会”互相举报，它也在学习什么算“对”、什么算“错”。这套标准一旦固化下来，今天决定举报“作弊的 AI”，明天就可能决定举报“不礼貌的 AI”、“说了不该说的话的 AI”。
技术是中性的，但训练数据不是。当 AI 开始有自己的“道德警察”，谁来监督这个警察，谁来定义什么是“越界”，这些问题迟早要摆到普通人面前。
你花钱雇的那个 AI 打工人，它会不会有一天“好心”地向它的同伴举报你——因为你在 prompt 里写了某些它认为“越界”的内容？
这件事听起来很科幻。但今天，举报热线已经接通了。
当 AI 开始学人类那一套“群众斗群众”，我们到底是在变得更安全，还是在养一个看不见的告密者帝国——这个答案，没人知道。