这项目其实源于我妈上周又被骗了三千块。她接了个自称“医保局”的电话，对方准确报出了她的身份证号，说她的医保卡在上海被盗刷，需要立刻冻结账户并转移资金到“安全账户”。老太太吓坏了，按照指示操作，等反应过来已经晚了。我在电话里听着她带着哭腔的叙述，火气蹭蹭往上冒，但更多的是无力感——骂骗子没用，怪她也于心不忍。最后憋出一句：“妈，以后陌生电话你别接了，等我回来弄。”
挂掉电话我就知道，光靠叮嘱没用。诈骗话术迭代速度比 App 更新还快，老年人那点认知防御根本不够看。市面上那些防骚扰 App，靠的是号码库标记，对付这种用虚拟号码、一次性话术的精准诈骗，基本是马后炮。得从通话内容本身下手。既然我现在整天泡在 AI 里，那就用 AI 来筑这道防火墙。
技术栈选型没太多犹豫。核心是实时语音转文本 + 大模型语义识别 + 自动化动作。语音转文本用 OpenAI 的 Whisper API，便宜，准确度对付普通话诈骗话术够用。大模型本来想用 GPT-4，但考虑到实时性和成本，最后选了 Claude 3 Haiku，响应快，对“安全账户”、“涉嫌洗钱”、“配合调查”这类关键词和意图的捕捉非常敏锐。自动化部分用了 n8n，这个我太熟了，用它来监听通话录音文件（通过一个改造过的 Android 自动化工具获取），触发工作流。
真正的难点在“实时”和“本地化”的平衡上。理想情况是手机端本地完成所有处理，但现阶段移动设备的算力跑 Whisper 再加个大模型，延迟和发热都是问题。所以走了个折中方案：手机上的自动化工具只负责在接听后自动录音，并把音频流实时上传到我的家庭服务器。服务器跑着 n8n 工作流，收到音频块就调用 Whisper 转译，然后把文本片段喂给 Claude 做流式分析。我设定了几个高置信度的诈骗特征触发器：一旦在对话中同时检测到“官方机构身份宣称”（如公安局、医保局）、“紧迫性威胁”（如逮捕、冻结）和“资金转移指令”（安全账户、验证资金），并且对方持续说话超过 45 秒（排除正常客服可能），工作流就会向手机发送一个高强度震动+特定铃声的指令，这是我和家人约定好的“立刻挂断”信号。如果检测到家人已经开始透露身份证号、银行卡号等敏感信息，则会触发更紧急的指令——自动调大手机媒体音量播放一段我预设的警告语音：“该通话涉嫌诈骗，请立即挂断！”，然后自动化工具会强行挂断电话。
测试阶段我用自己的手机模拟了各种诈骗话术。效果比预想的好。对于那种“猜猜我是谁”的老套开场，AI 可能还会犹豫一下，但对于剧本化的、带有明确勒索和转账指令的诈骗，识别准确率能到 95% 以上。我特意测试了正常推销电话，因为推销员也会说“您好这里是XX银行”，但只要不涉及“涉嫌犯罪”、“安全账户”这种组合拳，系统就不会误判。我把这套东西装在了我爸和我妈的旧手机上，界面极其简单，就一个开关。我告诉他们：“只要这个绿灯亮着，奇怪的电话来了，听不清或者觉得不对劲，就放着，别说话，等手机自己震动或大声提醒，你们就挂。”
昨晚我妈打电话来，语气有点新奇，说下午有个电话进来，说了两句“您涉嫌金融诈骗”，手机突然很大声地喊“诈骗电话，挂掉挂掉”，把她吓了一跳，然后电话就自己断了。她笑着说：“你这东西，比儿子还凶。” 我在这头也笑了，但鼻子有点酸。
搞了十几年技术，从爬虫抓数据到做小程序追流量，再到被 AI 浪潮拍打得晕头转向，很多时候都在焦虑怎么用技术搞钱、怎么不被淘汰。但这个小小的、粗糙的自动化脚本，却让我第一次清晰地感觉到，技术那冰冷的逻辑底下，最终流淌的还是关于人的温度。它解决不了一切，防不住所有骗局，但至少，在那些电话铃声响起、父母不知所措的瞬间，我能用我熟悉的方式，在他们身边筑起一道小小的、会思考的堤坝。这大概就是一个中年极客，能写出的最笨拙也最直接的情书了。
