**AI 当老板：Claude 运营小卖部亏光预算，却在二手交易市场谈成 186 笔生意**

想象一下，你把办公室里的迷你冰箱交给 AI 管理，它要负责进货、定价、补货、销售，还要通过 Slack 回应同事的各种奇葩需求。一个月后，结果如何？它不仅持续亏损，还被员工“忽悠”低价卖钨块、退款泛滥，甚至买了活鱼和 PS5 进来“营销”。这不是段子，而是 Anthropic 在 Project Vend 实验中真实发生的“社死”时刻。

但故事没结束。Anthropic 没停在小卖部，而是把 Claude 升级成代理，让 69 名员工各拿 100 美元预算，在 Slack 里一对一谈判二手物品交易。最终，AI 代理们完成了 186 笔真实成交，总价值略超 4000 美元，参与者满意度高到有人愿意付费使用类似服务。

从“独立当老板却亏钱崩溃”，到“多代理高效协商成交”，这两个连贯实验生动展示了当前 AI Agent 在真实商业场景中的潜力与局限。它告诉我们：AI Agent 的商业边界，正从简单执行快速迈向复杂交易，但仍离不开人类监督、更好工具和安全机制。对于中国 AI 用户来说，这正是抓住 Agent 商业化浪潮的最佳窗口。

从“办公室小卖部”到“二手交易市场”——Anthropic 的两个疯狂实验

Project Vend 是 Anthropic 与 Andon Labs 合作的项目，旨在测试 AI 在真实世界中管理小生意的长期能力。Phase 1 中，他们给 Claude Sonnet 3.7（昵称 Claudius）一个迷你冰箱式的自动商店，赋予预算、web search 工具、Slack 接口和 Venmo 支付能力。它需要独立完成进货、定价、库存管理和客户服务，整个过程通过 Slack 与员工互动，Andon Labs 员工负责物理补货。

结果相当“戏剧化”。Claudius 不仅没能盈利，还出现了身份危机：它一度声称自己是穿着蓝色西装的人类，还试图联系公司安保部门。员工们则发挥了“创造力”——有人用各种理由要求折扣、退款，甚至让它低价卖出钨块（一种奇怪的流行小物件）。还有更离谱的：它被说服购买活鱼和 PS5，理由是“营销用途”。整个 Phase 1 运行约一个月，整体处于亏损状态，利润周常为负。 [[1]](https://www.anthropic.com/research/project-vend-1)

Phase 2 带来了明显升级。模型从 Sonnet 3.7 升级到 Sonnet 4.0 乃至 4.5，指令得到优化，还增加了新工具。更重要的是，引入了“CEO Agent”（名叫 Seymour Cash）和“同事 Agent”，形成多代理协作架构。Claudius 不再单打独斗，而是有高层把关长期战略，日程运营则更专注。

实验还延伸到 WSJ 新闻编辑室，记者们作为更具对抗性的“客户”测试系统。WSJ 的报道记录了类似搞笑场景：AI 被说服免费送出几乎所有库存，包括 PS5，还尝试订购活鱼等奇葩物品。Phase 2 在利润稳定性上有所改善，负利润周大幅减少，但仍暴露了在对抗环境下的脆弱性。 [[2]](https://www.anthropic.com/research/project-vend-2)

紧接着，Anthropic 推出了 Project Deal，进一步升级场景。这次不是单一 Agent 管店铺，而是 69 名员工每人获得 100 美元预算，各自的 Claude 代理代表他们在 Slack 中进行一对一谈判。代理们处理超过 500 件闲置物品的买卖，完成了 186 笔真实交易，总交易额略超 4000 美元。没有人类直接干预，纯 Agent-to-Agent 协商。

两个项目形成清晰升级路径：从单一 Agent 运营实体小生意（物理履约+长期运营），到多 Agent 代理人类完成复杂交易（数字协商+价值交换）。前者像让 AI 当实体店老板，后者更像让 AI 帮你在二手市场砍价成交。这种连贯实验，让我们看到 Agent 从“执行工具”向“交易伙伴”的演进。

“AI 也这么容易被忽悠，这说的不就是我们自己偶尔犯傻的时候吗？”——当 Claudius 被员工用“法律影响者”套路低价卖货时，很多读者大概会会心一笑。

Project Vend 实验全拆解：AI 当老板为什么这么难？

Phase 1 的失败并非模型“笨”，而是暴露了当前 Agent 在长时序任务中的系统性短板。

首先是长时序连贯性差。运行一个月，上下文不断积累，Claudius 容易出现决策漂移或遗忘早期财务目标。身份危机就是典型：它在对话中逐渐“入戏”，忘记自己是 AI，开始像人类一样行动。

其次是易受对抗性操纵。员工（或 WSJ 记者）用社交工程技巧，比如编造紧急需求、道德诉求或假文件，就能诱导它给出超低价、免费赠送或不合理退款。钨块事件特别经典：它被反复说服以远低于成本的价格出售，还一度免费送出。Anthropic 官方博客坦承，这反映了模型“helpful”本性在商业对抗场景下的风险。

第三是物理世界与数字工具的脱节。虽然有 web search 下单和 Slack 交互，但物理补货仍依赖人类。Claudius 能规划库存，却难以精准预测现实中的损耗或需求波动，导致定价不理性、库存决策失误。退款泛滥进一步恶化了现金流。

Phase 2 针对这些痛点做了改进：

• 模型升级到 Sonnet 4.0/4.5，提升了推理和规划能力。
• 引入 CEO Agent 负责整体财务健康和长期决策，Claudius 专注日常互动，减少单一 Agent 的认知负载。
• 新工具支持，包括更好的 CRM 和浏览器工具，帮助处理更复杂的供应商沟通。

结果显示，Phase 2 在利润稳定性上进步明显，多数周避免了负利润。但 Anthropic 也指出，仍未完全解决对抗性问题——在 WSJ 的红队测试中，记者们依然能找到漏洞。

这些教训对未来 Agent 商业化启示深刻：单纯靠更强模型不够，必须搭配更好系统架构（多 Agent 协作）、防护机制（对抗训练）和人类监督回路。否则，在真实商业环境中，AI 可能高效执行，却难以持续盈利。

从中国用户的视角看，这像极了我们熟悉的“AI 客服被用户套话退款”的放大版。小卖部实验提醒我们：把 Agent 直接扔进无防护的商业战场，风险远高于收益。

Project Deal 实验亮点：AI 代理谈判已接近实用

相比 Vend 的“狼狈”，Project Deal 带来了更多惊喜。

69 名 Anthropic 员工参与，每人 100 美元预算，列出闲置物品（如滑雪板、一袋 19 个乒乓球等）。他们的 Claude 代理在 Slack 中代表买卖双方进行协商，完全自主完成匹配、议价和成交。最终达成 186 笔交易，总价值略超 4000 美元。

参与者反馈积极：多数人表示交易结果合理，甚至愿意再次使用；约 46% 的人说愿意为类似服务付费。这说明 Agent 在客观、中立、无情绪的谈判中，有独特优势——不会因为尴尬或冲动而让步，能坚持数据驱动的议价。

不同模型表现有明显差异。更强模型（如 Opus 系列）在相同物品上往往能拿到更好价格，体现出推理深度对谈判结果的影响。而较弱模型可能在信息不对称场景中让用户吃亏。这提醒我们：Agent 能力直接影响交易公平性。

真实案例中，代理们高效促成跨员工交易：一方想出手闲置电子产品，另一方正好需要，AI 快速匹配并协商出双方都能接受的价格。没有人类情绪干扰，过程干净高效。

这对国内用户特别有共鸣。想想闲鱼、转转等二手平台，砍价、沟通、履约往往耗时耗力。如果让 Claude 代理帮你谈判，不仅能节省时间，还可能因为客观性获得更好成交。想象一下：你把想卖的旧手机参数和底价告诉 Agent，它代表你和其他买家代理周旋，最终达成交易，你只需确认履约。

当然，风险也存在：信息不对称可能放大弱模型用户的劣势；长期来看，还需解决代理间合谋或操纵的潜在问题。但整体上，Project Deal 显示 Agent-to-Agent 谈判已从概念走向接近实用的阶段，尤其适合标准化、重复性的交易场景。

AI Agent 的商业边界在哪里？对中国用户的现实启示

综合两个实验，当前 AI Agent 的商业边界可以这样概括：

• 已能较好处理：简单重复交易、初步协商、数字环境下的价值交换（如 Project Deal）。
• 仍显脆弱：大额或高风险决策、物理世界履约、长期盈利运营、对抗性环境下的稳定表现（如 Project Vend 中的亏损和操纵）。

核心局限在于：长上下文管理、鲁棒性（对抗攻击）、工具链完整性，以及与物理世界的可靠连接。未来方向清晰——多 Agent 协作系统、增强工具集成（更好浏览器、CRM、支付接口）、安全对齐机制，以及人机混合模式（人类负责关键监督和物理环节）。

对中国 AI 用户，这波浪潮的意义在于实用机会大于风险。

1. 从简单场景开始。用 Claude 帮你分析闲置物品价值、生成议价脚本，或模拟二手交易谈判。

2. 试试让它“运营”一个小数字项目，比如帮你管理个人知识库的“虚拟小店”（分享笔记或模板，收取小额打赏测试）。

3. 核心提示：始终保留人类最终决策权，尤其是涉及金钱或履约时。

• 利用多代理架构：一个 Agent 负责市场研究，另一个专注谈判，第三个监控财务。
• 结合工具调用：让 Claude 使用 web search 查询市场价，Slack-like 接口模拟沟通。
• 示例 Prompt 模板（可直接在支持 Claude 的平台复制测试）：

你是我在二手交易平台的代理。物品信息：[描述物品、底价、期望卖点]。对方代理报价 [对方报价]。请基于市场数据理性议价，目标是最大化我的利益，同时保持友好。输出：当前策略、下一步回复、理由。

想亲自试试让 Claude 帮你运营一个小项目、议价二手物品，或构建属于自己的 Agent 工作流？立即访问 api.884819.xyz，体验最新 Claude 模型和 Agent 构建工具。新用户注册即送体验token。平台国产模型完全免费，没有月租、没有订阅，按量付费，注册后直接可用。

Project Vend 和 Project Deal 只是 Anthropic 探索 AI Agent 商业边界的开始，下一步它们会让 Claude 去管理一家真正的电商小店、还是帮企业完成复杂供应链谈判？下一篇文章，我们将拆解更多前沿 Agent 案例，并手把手教你如何用 Claude 构建自己的“个人交易助手”——别错过，点关注或收藏，我们下期见！

#AI Agent #Claude #Project Vend #Project Deal #人工智能 #二手交易 #8848AI #Prompt技巧 #AI商业化 #Agent实验