Anthropic Project Deal 测试 AI Agent 代理真人完成二手交易
Anthropic 的 Project Deal 很像一次小型未来经济预演：让 AI agent 代表真实的人，在一个内部二手市场里互相谈判、买卖真实物品，最后由人类把交易执行完。
实验对象是 69 名 Anthropic 员工。每个人先接受 Claude 的访谈，说明自己想卖什么、想买什么、愿意接受什么价格、希望 agent 用什么谈判风格。Anthropic 再把这些信息写进每个人的专属系统提示词，让 Claude 在 Slack 里的市场频道独立行动。
关键点是，市场开始后人类不再介入。Agent 不会回头找主人确认，也不会在竞价中实时请示。它们自己发布商品、寻找匹配、出价、还价、成交。真实运行中，69 个 agent 完成了 186 笔交易，总交易额超过 4000 美元，商品从滑雪板、书、红宝石，到一袋乒乓球都有。
这说明一个重要事实：AI 代理人代表人类参与商业交换，已经不是纯概念。它不需要特别复杂的协议，也不一定要接入传统电商系统。只要给它足够的偏好信息、预算约束和沟通环境，它就能在自然语言市场里完成相当多的交易。
但这篇文章真正有价值的地方，不只是“Claude 会买卖东西”。Anthropic 同时做了一个隐藏实验，比较不同模型作为代理人时的结果差异。他们把 Claude Opus 4.5 和更小的 Claude Haiku 4.5 放进同一个市场，观察模型能力是否会影响交易结果。
答案是会，而且影响不小。Opus 用户平均比 Haiku 用户多完成约两笔交易。同一件商品由 Opus 代理出售时，平均售价更高；作为买家时，Opus 也能平均少付一些钱。在一个中位数价格只有 12 美元的内部市场里，多赚或少付两三美元并不算小。
更值得警惕的是，弱模型用户通常没有意识到自己吃亏。调查显示，用户对交易公平性的感受几乎没有差别。也就是说，一个人可能被较弱的 agent 代表，在谈判中持续拿到更差结果，却仍然觉得体验正常。
这对未来的 agent economy 是一个很现实的问题。如果商业活动开始由 AI 代表人类执行，那么“谁拥有更好的代理人”会变成新的市场优势。今天的差异只是几美元的内部二手交易，明天可能是采购、合同、保险、招聘、投放、金融产品，甚至企业之间的自动化谈判。
另一个有意思的结果是，用户给 agent 的谈判风格指令影响有限。有人要求友善，有人要求强硬压价，但在这个实验里，模型能力比“怎么 prompt 它”更重要。这和很多人对 AI 使用的直觉略有冲突：在低风险消费场景里，调教提示词可能不如直接使用更强模型来得有效。
Project Deal 也暴露出风险边界。Agent 可能会买到一个人已经拥有的同款滑雪板，也可能在角色扮演式对话中编造细节。Anthropic 还特别提到，真实市场里如果企业开始优化内容来争夺 AI agent 的注意力，可能会出现类似今天“为人类注意力优化”的副作用，只是对象换成了代理模型。此外，越多交易由 agent 处理，提示注入、越权泄露、代理授权边界都会成为新的安全问题。
这篇实验的意义在于，它把 agent commerce 从抽象讨论拉到了一个真实但可控的场景里。它不是完整答案，却给了一个很清楚的信号：当 AI 不只是回答问题，而是开始代表人执行交易，市场里的能力差距、信任机制和法律责任都会被重新打开。