99 Agents扒了10万封邮件：AI写的推销信

去年有个做SaaS的朋友跟我吐槽，说他们的AI外呼系统每个月能发8000封开发信，回复率从1.2%跌到了0.3%。技术团队查了三个月，最后发现问题不在服务器，在"太像AI了"。

这听起来像个冷笑话，但确实是99 Agents过去两年处理的真实案例。这个专门给冷邮件打分的产品，已经扫描了超过10万封序列邮件。数据很直白：技术层面完全合规的邮件，照样批量进垃圾箱——因为垃圾过滤器认出了AI的写作指纹。

AI写信有固定的呼吸节奏。句子长度均匀得像心电图，段落结构 predictable 到无聊，call-to-action（行动号召）永远卡在第三段末尾。

过滤器不靠读内容判断，它们做模式匹配。你的邮件结构要是和数据库里那1万条AI生成样本重合度过高，直接标记。这和论文查重一个逻辑，只不过查的是"人味指数"。

99 Agents的解法很粗暴：故意写乱。一个词的句子。紧接着甩出一个长到需要换行的复合句。短段落夹大段文字。目标不是易读，是像真人——真人写作本来就脏，接受这个。

那些触发警报的"礼貌用语"

有些短语在AI训练数据里出现频率过高，已经成了垃圾邮件的暗号。"Hope this email finds you well"——这句话能让垃圾评分瞬间跳涨。还有"I've been following your work"，除非你能具体说出跟了哪篇、哪期、哪个功能，否则就是模板填充物。

感叹号成堆出现、语法完美无瑕、一个拼写错误都没有——这三条凑齐，过滤器基本判定你是机器人。

99 Agents的建议反直觉：故意留点瑕疵。在逗号该出现的地方用破折号，用"And"或"But"开头写句子。真实创始人就这么写，过滤器期待看到这个。

更关键的是塞进一个真实的观察。不是"贵司在行业内很有影响力"这种正确的废话，是"你们上个月发布的API文档第14页那个参数命名，和我踩过的坑一模一样"——具体、带细节、无法批量生成。

主题行越"专业"，死得越快

engineered 主题行是重灾区。"[Name], quick question"、"Following up: [Company]"——这些模板经典款过滤器见过几百万次，闭着眼睛都能拉黑。

有效的主题行往往在当时觉得"有点怪"。问一个真的有多个答案的问题，引用对方Twitter上某个让你好奇的具体观点，格式别总是名字打头。

有个案例：某创始人给YC校友发邮件，主题行是"你们那个404页面的猫图是内部梗吗"，打开率47%。换成"[Name], intro request"，直接进推广标签。

批量发送是自杀行为

哪怕单封邮件质量过关，500封同时出去也是死亡信号。过滤器看的是行为模式，不是单点质量。

99 Agents的数据建议：把时间轴拉长到数天或数周，发送时间随机化。周二上午9点给整个列表发信——这是典型的机器人作息。混进去一些真实回复，打破纯自动化的信号特征。

有个反常识的发现："控制在150字以内"这条经典建议可能是错的。一封完美短小的邮件，反而比长邮件更可疑——因为它太像模板了。

自然写。有时短，有时长，中间埋一个真实故事。99 Agents见过的最佳案例在200-400字之间，具体请求藏在正文中间，不在末尾，也不在P.S.里。

他们做Sequence Health Score（序列健康评分）时，对比了数千封真实回复邮件和进垃圾箱的样本。差距很明显：能用的邮件不像"冷邮件工具"产物，有个性，会打破自己定的规则，感觉是一个创始人写给另一个创始人，而不是序列编号第47封。

现在市面上的AI工具，大多只做到这5条里的2-3条。能全中的，回复率能翻3-5倍。

你上次收到一封让你真的想回复的冷邮件，是因为对方写对了什么，还是因为你恰好那天心情好？