我把我的文章手搓成了Token炸弹，发现这样居然还能防AI洗稿。

大数据文摘受权转载自数字生命卡兹克

作者：卡兹克、芝兰山

今天给大家看个新东西，聊一聊我在怎么防AI洗稿。。。

对于我这种内容创作者来说，最怕的洗稿方式是什么？

不是全抄，全抄的话很好举报，而是一帮AI抄袭缝合怪。

经常会有人，复制我文章里的某一段话，然后用AI重写后，贴到他们的文章里去。

主要，这玩意儿还很难举报，因为根本没法管。

我曾经想过用一些手段，来防止洗稿，但是没什么用。

直到之前，我往回翻的时候，看到了一篇帖子。

这是OpenAI的创始成员Karpathy之前发的推文。

这个帖子的大概意思就是，它在一个emoji藏了很多信息，而这些信息，是你看不见的。

然后直接把DeepSeek R1干懵逼了10分钟。

你可能会非常好奇，往emoji里面藏信息，跟洗稿有啥关系。

最开始的时候我也没想到有啥关系，直到我把尝试了一下，在一篇文章中中用这种方式埋了Token，看到这篇文章在公众号后台的正文字数从2000字变成了将近3w字。

我悟了。

于是我几天前写了一篇，在这篇文章里，就埋下了这个菜单，昨天关于Manus的那篇也埋了。

你们可以去试一试，把这篇文章复制到word里。（有死机风险，谨慎）

但是如果你们看完全篇的话，会发现，文章满打满算也就2500字。

而这多出来的1w多字，就是我用Karpathy说的方法，往文章里埋的彩蛋。

你我都不会看见，但是字数统计会发现。

而现在一般的国产AI产品里，会有一个很有趣的设定。

就是token限制。

如果你把这篇文章，发给一些改写工作流的智能体，你就会发现。

而发给一些AI Chat呢。

Gemini也自己截断了。

GPT 4o也懵逼了。

这个时候，其实就用一种非常原始、非常粗暴、非常智障的方式，能限制洗稿，因为根本输不进去。

直接变成Token炸弹。

当然，坦率的讲，对于一些推理模型来说，防不住，这个我是真没招。

而对于做RAG和知识库来说，却并没有任何影响，可以正常问答。

所以也可以避免，误伤友军。

这里，我也给大家举个通俗易通的例子，来讲下这玩意原理是个啥，以及怎么做我文章里的这种Token炸弹。

我们全世界的人在系统上，能看到统一文字，主要得益于Unicode，你可以理解为这是一本全球大字典，把地球上所有国家、所有民族用到的文字、符号和表情，统统都收进来了。

然后每个字符，都给它安排了一个固定的、不会重复的编号。

比如：字母「A」的编号是U+0041，汉字「你」的编号是U+4F60，表情符号「」的编号是U+1F602。

对，你天天用的各种emoji其实也是Unicode。

而在Unicode中呢，有一个特殊的玩意，叫变体选择符（Variation Selector, VS）。

它能在一个字符后面加一些特殊的信息，让这个字符改变样式或者外观。

比如这个心心。

（❤ + U+FE0F）→ 彩色心形❤️

（❤ + U+FE0E）→ 黑白文本心形❤

后面加的，就是变体选择符。

你可以把文字当成一张纸，变体选择符就像一张透明胶带，上面写了字，但是你用肉眼看不见。

于是，我们就可以，在某个看似普通的文字或表情后面，贴上很多这样的透明胶带。而且理论上能一直往后面贴，想贴多少就贴多少。

在视觉上，你还是只看到一个emoji或一小段文字，但对系统而言，后面其实跟着一大串可以被解析的隐藏字符。

一旦系统或者AI要读取或处理这段文字，就会发现：

“我擦，怎么藏了这么多东西？”

一下子就能把它的token数撑爆。

结果就是，表面看起来没增加文字，但系统的字数统计直接飙升。

而我在Claude3.7那边文章中，把隐藏信息，埋在了Claude 3.7 Son︊︊︊︊︊︊︊︊︊︊︊︊︊︊︊︊︊︊net这个单词中的第一个“n︊︊︊︊︊︊︊︊︊︊︊︊︊︊︊︊︊︊”里面。

你可以直接把这个“n︊︊︊︊︊︊︊︊︊︊︊︊︊︊︊︊︊︊”，复制到OpenAI的那个测有多少token的网站里，来看看这个n藏了多少token。

网址在此：https://platform.openai.com/tokenizer

这就是一个，非常隐蔽的token炸弹。

我再给大家演示下怎么找到这些隐藏信息，也就是解码的方法。

特别简单。

打开这个小工具：

https://emoji-encoder.vercel.app/?mode=decode

把文章里我埋彩蛋的“n︊︊︊︊︊︊︊︊︊︊︊︊︊︊︊︊︊︊”直接复制到第一个网站，点击“Decode”按钮，即可进行解码。

你可以发现，其实我往这个单词里面，藏了《双城记》英文版的一整章。。。

说完了解码，那如何编码呢？也就是如何把隐藏信息灌进字母里。

还是在这个网站操作。

把按钮切换到Encode，把想藏的信息输入进上面的文本框，然后在下面任意选一个表情or字母即可。

之后你就可以复制最下面文本框里的表情or字符，用微信发给朋友或者存在word文档等平台了。

而且，因为Unicode的特性，实测下来，隐藏信息并不会因为跨平台而被格式化掉。

你还是可以把编码玩的字母，发给微信的朋友，就能给微信页面干死机。或者会显示输入文字过长，无法发送。

我大概测了下，这个极限值是1.5万个token左右，超过就在微信里面发不出去了。

爬虫也一样。

我用Trae写了一段爬虫，把那篇文章给爬下来了。

稍微一运行这段代码，在下面的终端界面里，只要是我埋的token炸弹的位置，全部一片空白。

如果用windows系统导出txt文件，就会全部是乱码。

如果是Mac打开这个txt文件的话，显示的内容就像右图，倒也基本正常。

但是其实这个token炸单，还是保留的。

真的非常非常好玩。

你甚至还能用这种暗号躲过信息审核员，把它放到网站上，传输信息。

甚至还能把它，当数字水印用。

你可以在发给不同人的文档里，给每个字符都加一点不一样的变体选择符。当文档泄露出去时，若文档里还有这个隐形水印，你就能非常轻松的追踪到是哪一个人的版本被泄露了。

不过我最后的用处，是用非常幼稚和暴力的方法，用它来防洗稿。

我知道，有人肯定会说这招太野路子，或者对推理模型根本没用，或者在更高端的文本抽取技术面前还是挡不住。

但我只是一个想保护自己原创不被AI无脑洗稿的普通写作者，用小成本就能干扰到绝大多数以GPT 4o、Gemini 2.0级别做段落拼贴的自动化洗稿党，那其实已经足够了。

这方法虽然粗暴，却比啥都不做要强。

毕竟创作者的伤痛，就在于辛辛苦苦打磨的心血成果，被一些人，用一些手段，分分钟变成别人的生意，你连哭诉都找不到门路。

就这样。

如若这个小东西，也能帮到你。

那对我来说就值了。

GPU算力按需租用

A100/H100 GPU算力按需租用，

秒级计费，平均节省开支30%以上！

扫码了解详情☝