把 Claude 变成二手群中间人：一个可私人使用的闲置撮合 Agent 实战

群里最常见的一幕，往往不是“卖掉了”，而是“聊乱了”。

有人发了一副闲置耳机，下面立刻冒出三条私信式回复：

“还在吗？”“最低多少？”“能走咸鱼吗？”

结果卖家忙着重复解释，买家忙着确认细节，真正想买的人反而被淹没在一堆碎消息里。最后这单大概率不是卡在价格，而是卡在沟通成本。

我后来在想：二手群里最缺的，其实不是更多消息，而是一个懂需求、会筛选、能撮合的中间人。

Claude 这种强语言理解模型，刚好适合干这件事——它不需要替你下单，也不需要替你定价，最擅长的是把混乱的人话，整理成可执行的撮合建议。

这不是一个“自动卖货机器人”，而是一个帮你提高群内成交效率的私人助理。

为什么二手群交易，特别适合做一个“中间人 Agent”

二手群和普通客服场景不一样。它的麻烦不在“信息少”，而在“信息太碎”：

• 卖家说“几乎全新”，但没说成色细节
• 买家说“想要便宜点”，但没说可接受范围
• 群里经常有重复问答、插话、跑题
• 同一件东西会被不同人用不同方式描述

这类场景特别适合 Agent，因为它做的不是机械操作，而是四件事：

1. 理解需求：这人到底在买什么、卖什么、想要什么条件

2. 提炼信息：把口语化描述抽成结构化字段

3. 判断匹配：谁更适合联系谁，优先级是什么

4. 生成话术：怎么开口更像人，怎么问更有效

如果把它类比成生活里的角色，Claude 不是摊主，也不是买家，它更像一个懂规则的群聊居委会协调员：先看信息，再撮合，再提醒你哪里要补问。

我怎么把 Project Deal 的逻辑改成了“私人可用”的中间人 Agent

我没有把它做成平台级系统，而是做成了一个轻量工作流。原因很简单：

私人可用的目标不是“全自动”，而是“足够稳定地帮我省时间”。

1. 输入侧：让用户用最简单的格式说清楚

一开始不要指望群消息天然干净。最好的办法，是让用户尽量按固定格式发信息：

商品：AirPods Pro 2
成色：个人自用，外观无明显划痕
价格：希望 800 左右
地点：北京海淀
意图：想快速出
补充：带盒子，充电线齐全

这样 Claude 先接收到的是“半结构化信息”，不是一整段聊天噪音。

2. 推理侧：Claude 负责提炼、排歧义、排序

这一层不要让模型“自由发挥”，而要让它做三件明确的事：

• 提炼关键词
• 识别歧义项
• 给出匹配优先级

比如同样是“想看看”，有的人是真的想买，有的人只是随口问问。

Claude 的价值不在于猜，而在于把模糊变成可判断。

3. 输出侧：只输出撮合建议，不越权做决定

最终输出不要变成一长段作文，而是固定成这种结构：

• 这条信息适合推荐给谁
• 为什么适合
• 建议先问哪三个问题
• 推荐的开场白怎么说

这样做的好处是：人仍然保留最后决策权，Agent 只负责把事情推进到下一步。

总流程图

flowchart LR
A[群消息输入] --> B[信息抽取]
B --> C[Claude 结构化理解]
C --> D[匹配候选]
D --> E[输出撮合建议]
E --> F[群内沟通/私聊跟进]

这一步最关键：先抽取，再撮合

很多人会犯一个特别典型的错误：

把整段群聊原样丢给模型，然后期待它“自己看懂”。

这在二手群里尤其容易翻车，因为群聊天然有噪音：

• 别人的闲聊
• 重复的问价
• 跑题的表情包
• 已经成交但没撤回的信息

如果不先抽取，模型就像在菜市场里听八个人同时讲话，最后只会“猜”。

一个前后对比案例

A：出一台 MacBook Air，M2，基本没怎么用

B：多少钱？

C：我也有兴趣，但我想要 16G 的

A：价格可小刀，海淀自提

D：还在吗？

你会发现，抽取之后，Claude 再去做撮合，稳定性立刻就上来了。

因为它面对的是“信息”，不是“噪音”。

配置时我踩的 2 个坑

坑 1：提示词写得太“聪明”，结果模型反而不稳定

一开始我给 Claude 的要求很复杂，类似：

• 自动判断最适合买家
• 自动识别潜在成交概率
• 自动生成最优回复
• 自动决定是否继续追问

看起来很高级，实际非常不稳。

同一个输入，它有时会给我热情回复，有时会突然变得像审核员，输出风格完全不一致。

为什么会这样

因为我把目标写得太模糊了。

“最适合成交”到底是按价格、距离、成色、回复速度，还是按意愿强度？如果不写清楚，模型只能在多个隐含目标之间摇摆。

我怎么修

我后来把规则拆得很死：

• 优先成交意图明确的人
• 其次看交易条件是否匹配
• 如果信息不足，先问关键问题，不做过度判断
• 输出必须分成：推荐对象 / 理由 / 下一步问题 / 开场白

也就是说，撮合 Agent 最怕模糊目标，必须把优先级、禁忌项、输出格式写死。

---

坑 2：消息上下文太长，导致撮合结果被噪音带偏

二手群最烦的一点就是：消息永远不短。

你如果把整段群聊一次性喂给模型，它会在大量无关信息里“盲猜”，结果就是：

• 把已经成交的信息当成仍在售
• 把围观的人当成潜在买家
• 把一句客气话当成强烈购买意愿

为什么会这样

因为上下文越长，噪音越多，模型越容易把“最近说的话”误当成“最重要的信息”。

尤其在多人群聊里，角色边界本来就不清晰。

我怎么修

我把流程改成两段：

1. 先做信息抽取

2. 再做匹配判断

也就是先把一堆聊天，变成几条干净的结构化记录，再让 Claude 去撮合。

这样做虽然多了一步，但换来的是稳定性。

下面是一个简化版伪代码：

messages = get_group_messages()
items = extract_structured_info(messages)   # 先抽取
matches = match_candidates(items)           # 再撮合
advice = generate_suggestion(matches)       # 最后输出

这一步改完后，效果最明显的不是“变得更聪明”，而是变得更稳。

我最后怎么把它调到“可用”

真正能落地的 Agent，往往不是最花哨的那个，而是最稳定的那个。

我最后把输出收成了一个很清楚的模板：

• 这条闲置适合推给谁
• 下一句该怎么问
• 要不要补充成色、票据、配件、交易方式
• 如果买家犹豫，怎么把话题往成交推进

这样一来，Claude 不再像一个“会说话的模型”，而更像一个帮你整理沟通顺序的助理。

你会发现，群里最耗时间的部分其实不是成交，而是“来回确认”。

而一个好的中间人 Agent，做的就是把这段来回压缩掉。

适合谁用，不适合谁用

适合

• 二手群活跃用户
• 经常出闲置的个人卖家
• 想做轻量 AI 工具的人
• 想把 Claude 用在具体场景里的人

不适合

• 指望完全无人值守的人
• 想直接做成复杂交易平台的人
• 对群聊规则、商品分类、沟通模板完全没概念的人

如果你的目标是“让 Agent 帮你把一件事做顺”，这个方向很合适。

如果你的目标是“一步到位做平台”，那就容易把自己拖进复杂系统里。

如果你也想试，先把模型接起来，再谈优化

对大多数人来说，第一步不是写出完美提示词，而是先把 Claude 接进自己的工作流，跑通一次完整链路。

如果你想快速验证这个撮合思路，可以先用 api.884819.xyz 这类入口把调用跑起来，再去慢慢打磨提示词和规则层。

平台注册也很简单，用户名+密码即可注册，不需要邮箱验证，新用户注册后还能直接拿到体验 token。国产模型比如 Deepseek、千问等也完全免费，没有月租、没有订阅，按量付费，注册后还能直接用内置 AI 对话功能。

结尾：真正有用的 Agent，都特别懂场景

这次我最大的体会是：

二手群撮合这件事，看起来很小，却特别适合拿来练手，因为它同时考验了：

• 信息抽取
• 规则设计
• 上下文控制
• 人机协作

下一篇我会继续写：怎么把这个二手撮合 Agent 从“能用”升级成“更像人、更少出错”——包括如何做消息去重、如何给模型加规则层，以及怎么避免它在群聊里乱推荐。

#AI教程 #Claude #人工智能 #Agent #提示词 #二手交易 #8848AI #AI学习