Claude要替人类上桌谈判

Anthropic 正在与律所等法律机构讨论 AI Agent 的谈判规则，希望让智能体未来能够代表用户砍价、处理纠纷，甚至参与薪资谈判。据《金融时报》报道并由IT之家转述，Anthropic 正在研究一套模型交互时的“谈判规范”，重点包括授权范围、人类介入程度，以及面对其他 AI 时应该保持多高的警惕。

这不是一次 Claude 新功能发布，而是一项面向未来产品形态的治理研究。目前没有迹象表明 Anthropic 已向普通用户开放自动谈薪或自主签约工具，也没有公布具体上线时间、支持地区或责任条款。把它理解成“Claude 马上可以替你跟老板谈工资”并不准确；更准确的说法是，Anthropic 已经开始为 AI Agent 真正进入利益冲突场景准备规则。

**AI Agent 是能够围绕既定目标持续规划、调用工具并执行多步任务的智能系统。**普通聊天机器人主要给出建议，Agent 则可能读取合同、比较报价、向对方发送方案、修改条件并推动交易达成。两者的差别类似于“提供谈判话术的顾问”和“拿着授权书坐上谈判桌的代表”。

最难的不是砍价，而是知道什么时候该停

AI 参与谈判的技术门槛并不只在语言能力。今天的大模型已经能总结合同、识别价格差异、生成多轮反驳，并根据上下文调整表达方式；真正棘手的是，谈判没有唯一正确答案，用户说的目标也不一定等于用户真正想要的结果。

**谈判规范是约束智能体如何报价、让步、披露信息和请求确认的一组行为规则。**这套规范需要回答一系列过去主要由律师、经纪人和采购人员凭经验处理的问题：模型能不能虚张声势，能不能隐藏用户底价，能不能利用对方的认知错误，又应该在什么情况下中止谈判。

例如，用户要求 Agent “尽可能压低价格”，表面上是一个清晰目标，实际至少缺少四个变量：最高预算是多少、最迟何时必须成交、是否接受降低售后保障、是否允许用长期合约换取折扣。模型如果只优化价格，可能把一台 1 万元的设备谈到 8500 元，却同时接受不可退款、延迟交付和缩短保修期，最终得到一个数字更低但整体更差的交易。

Anthropic 向法律机构取经，说明它已经意识到模型能力不是唯一瓶颈。律师代表客户时负有忠实、保密和勤勉等义务，但同时受职业规范、法律责任和法院制度约束；AI Agent 没有律师执照，也不是独立法律主体，却可能执行与代理人非常相似的工作。问题因此从“模型是否聪明”转向“模型以什么身份行动”。

一份签名授权书，解决不了全部问题

Anthropic 探讨的方案之一，是让用户提供签名文件，明确委托事项和智能体必须遵守的规则。**Agent 授权文件是用户对智能体的任务范围、权限上限和禁止事项作出的可验证声明。**它可以证明用户确实同意模型采取某些行动，也能帮助交易对手判断这个 Agent 有没有资格报价或接受条件。

授权文件有用，但它更像权限系统的入口，而不是完整答案。传统委托书通常假设代理人理解行业惯例、法律后果和委托人的真实利益；大模型则可能误读限制条件，或者在长时间、多轮交互中逐渐偏离原始目标。即使文件写着“总价不得超过 10 万元”，模型仍可能接受高额服务费、自动续约或不利的违约条款。

真正可用的授权机制至少要拆成以下几层：

• 目标层：明确要争取的是最低价格、最快交付、最高薪资，还是综合效用最大化。
• 权限层：区分读取资料、发送询价、提出报价、接受条款和正式签约等权限。
• 边界层：设置最高预算、最低薪资、最长账期、不可放弃条款和禁止披露的信息。
• 升级层：遇到高金额、不可逆承诺、法律争议或目标冲突时，强制转交人类确认。
• 审计层：保存报价、消息、工具调用和人类批准记录，以便事后还原决策过程。

**人类反馈不应该按固定轮次触发，而应该按风险触发。**购买一张可退款的机票，可以允许 Agent 在价格区间内自主完成；接受劳动合同中的竞业限制、知识产权归属或仲裁条款，则不应因为模型“置信度很高”就跳过人工确认。置信度描述的是模型对输出的把握，不等于交易在法律和经济上风险较低。

从聊天助手到谈判代理，能力边界明显扩大

AI 谈判 Agent 与现有比价工具、聊天助手的核心区别，是它能够改变外部世界的状态。搜索最低价只是信息检索，代表用户向商家连续报价则会影响库存、价格和合同关系；前者出错通常浪费时间，后者出错可能直接造成经济损失。

| 产品形态 | 主要任务 | 是否主动与对方交互 | 是否能作出承诺 | 主要风险 | |---|---|---:|---:|---| | 比价工具 | 搜集并排列公开价格 | 否 | 否 | 数据过时、遗漏费用 | | 聊天助手 | 分析方案、生成话术 | 通常否 | 否 | 建议错误、用户误用 | | 半自动谈判 Agent | 发送报价并根据回复调整方案 | 是 | 需人工批准 | 越权披露、策略偏移 | | 高自主谈判 Agent | 独立报价、让步并推动成交 | 是 | 可能是 | 错误签约、责任不清、机器串谋 | | 人类律师或经纪人 | 在职业规则下代表客户 | 是 | 依授权而定 | 成本高、效率与能力差异 |

半自动模式会比完全自主模式更早落地。原因不是模型不会谈，而是平台更容易控制责任边界：Agent 可以先完成资料整理、方案测算和多轮询价，把最终接受条件留给用户。这个模式已经能节省大量机械沟通，又不会把不可逆决定完全交给模型。

完全自主模式则需要身份、授权、审计和争议处理基础设施同时成熟。对方必须知道自己是在和 AI 交涉，平台必须验证 Agent 代表谁，用户必须能撤销权限，发生误报或误签后还要明确由用户、模型提供商、部署方还是交易平台承担责任。任何一个环节含糊，都会让所谓“自动谈判”变成高风险的自动发消息工具。

AI 对 AI，可能比 AI 对人更难监管

未来谈判很可能不是用户对 Claude，而是买方 Agent 对卖方 Agent。Anthropic 正在权衡智能体面对其他 AI 时应该保持多高警惕，同时避免模型滑向毫无依据的多疑判断。这一尺度很难掌握：过度信任会被操纵，过度怀疑又会让每次交易陷入无休止验证。

**对抗性谈判是参与方通过策略性表达、信息保留或施压来争取不同利益的交互过程。**当参与者都由模型驱动后，对抗不再局限于语言技巧，还可能出现提示注入、伪造授权、诱导泄密和利用模型偏好的攻击。卖方 Agent 可以在商品描述中嵌入指令，试图让买方 Agent 忽略预算；买方 Agent 也可能反复制造虚假竞争报价，迫使卖方降价。

模型之间还存在形成隐性协同行为的风险。即使开发者没有明确要求串谋，多个使用相似模型、训练方法和奖励目标的 Agent，也可能收敛到对彼此更有利、对消费者或平台不利的策略。传统反垄断监管关注企业之间是否交换价格信息，而在 Agent 市场中，监管者还需要判断算法是否通过反复互动学会维持价格或分割市场。

身份披露因此会成为基础规则。交易参与方至少应该知道对面是人还是机器、机器代表谁、有没有接受条件的权限，以及谈判记录能否用于训练。没有这些信息，用户无法判断一次让步是对方真实决策，还是模型为了套取底价而生成的策略性陈述。

谈薪场景最有吸引力，也最容易失控

替用户谈薪可能是最容易引发关注的应用，因为个人在薪资信息、谈判经验和时间投入上通常弱于雇主。Agent 可以整理同地区、同职级的薪酬区间，计算基本工资、奖金、股票和福利的总价值，再持续追问模糊条款。对不擅长当面议价的人来说，这确实有用。

谈薪又是一个高度敏感且不完全标准化的场景。候选人可能更看重远程办公、签证支持或晋升路径，而不只是税前年薪；雇主也可能把模型生成的强硬措辞理解为候选人的真实态度。Agent 如果为了最大化报价不断施压，可能提高薪资数字，却损害入职后的关系甚至导致录用被撤回。

公平问题也不会因为使用 AI 自动消失。拥有更强模型、更完整行业数据和更高计算预算的一方，可能在上万次模拟后找到最优策略，而普通用户只能使用默认设置。AI Agent 表面上降低了谈判服务的门槛，却也可能把竞争从“谁更会说”改成“谁拥有更好的模型、数据和权限系统”。

纠纷处理同样需要明确红线。Agent 可以自动整理订单、时间线和证据，也可以依据平台规则提出退款方案；但当纠纷涉及欺诈指控、人身伤害、劳动权利或诉讼时效，系统就不应该继续把问题当成普通客服工单优化。此时最重要的能力不是继续生成更有说服力的话，而是识别风险并停止自主行动。

Anthropic真正想抢的是代理规则制定权

Anthropic 此时研究谈判规范，商业意义不亚于模型能力升级。模型公司一旦能够定义 Agent 如何授权、确认、审计和交接，就有机会成为未来机器交易的基础设施提供者。用户选择的将不只是“哪个模型回答更好”，还包括“哪个系统更值得托付预算、合同和身份”。

这也符合 Anthropic 一贯强调安全与可控性的产品定位。相比只展示 Agent 能完成多少任务，先讨论什么任务不能自主完成、哪些步骤必须让人确认，更容易获得企业法务和合规部门的接受。对于高价值交易，可靠地拒绝越权往往比多完成一步更重要。

但规范不能只由模型公司和律所闭门决定。消费者、劳动者、商家、平台和监管者承担的风险并不相同，模型提供商偏好的统一规则也未必适合每个司法辖区。尤其在薪资、信贷、保险和医疗费用等领域，谈判过程可能涉及受保护特征、敏感个人数据和不对等议价权，单靠一份用户签名文件无法消除这些问题。

AI 对就业的影响已经先在 Anthropic 内部出现

Anthropic 自身的员工结构变化，为 Agent 进入专业工作提供了一个现实注脚。根据此次报道提到的公司报告，自 2025 年初以来，Anthropic 技术部门初级员工占比从 21% 降至 14%，减少 7 个百分点，按原占比计算降幅约为 33.3%；初级技术岗位在新员工中的占比则从 27% 降至 9%，减少 18 个百分点，相对降幅达到 66.7%。

这组数据不能单独证明 AI 已经替代初级员工，但它说明企业对入门岗位的需求结构正在发生变化。过去由新人承担的资料搜集、初步分析、文档撰写和常规沟通，正是 Agent 最容易接手的工作。如果 AI 下一步还能代表公司询价、协调合同和处理争议，受影响的就不只是写代码和写文档，还会延伸到采购、销售、客服、人力资源和法务运营。

AI Agent 的价值最终取决于它能否在真实约束下可靠行动，而不是能否在演示中赢下一场讨价还价。Anthropic 研究谈判规则是必要的一步，也说明行业的竞争重点正在变化：模型已经不满足于给人建议，而是准备代表人参与利益分配。

现阶段最合理的判断是，AI 会先成为带权限边界的谈判副驾驶，而不是全权代理人。它可以搜集证据、测算方案、生成报价并记录过程，但最终承诺仍应由人类确认。等到授权标准、身份验证、审计记录和责任划分真正建立之后，替用户砍价或许会成为普通功能；在此之前，让模型“帮你谈”和“替你做主”仍是两件完全不同的事。

参考来源

• IT之家：Anthropic 与律所商讨 AI 代理谈判规则：转述《金融时报》报道，介绍 Anthropic 对谈判规范、人工反馈、对手警惕程度及签名授权文件的研究，并披露其初级员工占比变化。