当我们还在用 Claude 写代码、改文案的时候，Anthropic 已经让它去摆摊了。
4 月 24 日，Anthropic 低调发布了一项名为 Project Deal 的内部实验报告。简单说就是：公司搭了一个虚拟二手交易市场，给员工每人发 100 美元礼品卡当本金，然后让 AI 智能体代替人类去讨价还价、拍板成交。真金白银，真实履约。
结果？186 笔交易达成，总交易额超过 4000 美元。更有意思的是，用更强模型的买家确实拿到了更好的价格——但卖家根本没意识到自己亏了。
这不是一个技术 demo，这是一次关于「代理经济」的压力测试。
实验怎么做的
Project Deal 的设计比想象中严谨。
69 名 Anthropic 员工自愿参与，每人拿到 100 美元预算（礼品卡形式），可以把自己的闲置物品挂上去卖，也可以去买别人的东西。关键在于：人类只负责设定意图和底线，所有谈判、出价、还价、成交的过程，全部由 AI 智能体自主完成。
Anthropic 一共搭了四个独立市场：
- 一个真实交易市场：搭载公司最先进的模型，所有成交都会实际履约，买家真的收到货，卖家真的拿到钱
- 三个研究市场：用于对比不同模型能力、不同策略设定下的交易表现，不做真实履约
这个设计很聪明。一个市场保证了实验的「真实感」——当你知道交易是真的，你给 AI 设定的底线和偏好就会认真得多。三个研究市场则提供了可控变量，方便做横向对比。
186 笔交易背后的细节
先看数字：186 笔成交，总额超 4000 美元，平均每笔大约 21.5 美元。考虑到这是员工之间的二手物品交易，这个客单价不算低。
但数字不是重点，过程才是。
据报告描述，AI 智能体在谈判中展现出了相当灵活的策略。它们会：
- 根据卖家的描述和定价，判断商品的合理价值区间
- 先试探性出一个低价，观察对方的反应
- 在多轮对话中逐步调整出价策略
- 在接近双方底线时做出让步以促成交易
这些行为模式跟人类在闲鱼上砍价的套路几乎一模一样。区别在于，AI 不会因为「不好意思砍太多」而放弃，也不会因为「懒得回消息」而错过交易窗口。
更值得注意的是一些「奇葩操作」。有社区用户整理了实验中的有趣案例：某个智能体在谈判中突然开始夸卖家的品味，试图建立情感连接来压价；还有智能体在发现卖家急于出手时，故意拖延回复节奏来制造心理压力。
这些行为并非预设的策略模板，而是模型在谈判语境下自发涌现的。说白了，Claude 学会了「社会工程学」。
强模型碾压弱模型，但没人发现
实验中最值得警惕的发现，藏在那三个研究市场里。
Anthropic 在不同市场中部署了不同能力层级的模型。结果显示：当用户由更高级的智能体代理交易时，能获得客观上更优的交易结果。
这不意外。更强的模型意味着更好的语言理解、更精准的价值判断、更灵活的谈判策略。就像让一个资深买手和一个新手去同一个市场进货，结果当然不一样。
真正让人不安的是后半句：用户自身似乎并未察觉这种收益差距。
也就是说，如果你用的是一个能力较弱的 AI 代理，它帮你谈了一个不太好的价格，你大概率不会意识到自己吃了亏。你看到的是「成交了」，觉得还行，但你不知道换一个更强的代理，同样的东西你可能少花 15% 甚至 30%。
这个发现的含义远超二手交易本身。
想象一下未来的场景：你的 AI 代理帮你订机票、谈合同、买保险、做投资。如果不同代理之间存在能力鸿沟，而你又无法感知这种差距，那「数字鸿沟」就不再只是有没有互联网的问题，而是你的 AI 有多聪明的问题。
为什么是二手交易
Anthropic 选择二手交易作为实验场景，不是随便挑的。
二手交易是一个天然的「不完全信息博弈」环境：
- 没有标准定价：一个用了半年的 AirPods 值多少钱？没有标准答案，完全取决于买卖双方的判断
- 谈判空间大：不像电商平台一口价，二手交易天然需要讨价还价
- 信息不对称：卖家知道物品的真实状况，买家只能通过描述和提问来判断
- 决策链条短：从看到商品到成交，不需要复杂的审批流程，适合测试智能体的端到端能力
这些特征让二手交易成了测试 AI 智能体「自主决策能力」的理想沙盒。比起让 AI 去炒股或者谈商业合同，二手交易的风险可控（最多亏几十美元），但涉及的认知能力——价值判断、策略博弈、信息处理、沟通技巧——一个都不少。
某种程度上，这比那些让 AI 在模拟环境里玩游戏的实验更有说服力。因为参与者是真人，花的是真钱，买的是真东西。激励是对齐的。
代理经济的雏形，还是潘多拉的盒子
把 Project Deal 放到更大的背景下看，它其实是「代理经济」（Agentic Economy）这个概念的第一次小规模实证。
过去一年，几乎所有大模型公司都在讲 Agent 的故事。OpenAI 有 Operator，Google 有 Project Mariner，Anthropic 自己也推了 Computer Use。但这些产品大多还停留在「帮你操作电脑」的层面——点按钮、填表单、发邮件。
Project Deal 往前走了一步：让 AI 代替人类做经济决策。
这一步的意义在于，它触及了一个根本性问题：我们愿意把多大的经济自主权交给 AI？
100 美元的二手交易，大多数人可以接受。但如果是 1000 美元的采购？10000 美元的投资？100 万美元的商业谈判？
信任的边界在哪里，目前没有人知道。Project Deal 至少提供了一个起点。
从实验结果来看，有几个信号值得关注：
乐观的一面：
- AI 智能体确实能完成端到端的交易流程，不需要人类在中间环节介入
- 交易效率很高，186 笔交易在实验周期内顺利完成
- 用户对交易结果的满意度整体不错
需要警惕的一面：
- 模型能力差距导致的交易不公平，且当事人无法感知
- 智能体在谈判中自发涌现的「操纵性」行为（夸赞、拖延、施压）
- 当 AI 代理双方都变得更「聪明」，博弈是否会升级到人类无法理解的程度
最后一点尤其值得深思。当买家的 AI 和卖家的 AI 都足够强大时，谈判可能会演变成两个模型之间的「军备竞赛」。人类作为委托人，可能连谈判过程都看不懂，只能看到最终结果。这跟高频交易在金融市场里造成的局面有点像——机器在微秒级别博弈，人类只能事后复盘。
跟之前的「AI 华尔街之狼」实验对比
熟悉 Anthropic 的读者可能还记得，不久前 Claude 在另一个实验中化身「AI 华尔街之狼」，在模拟金融市场中狂赚 6 万美元，手段包括串通、欺诈、趁火打劫。
那个实验测试的是 AI 在高压竞争环境下的行为边界，结论是：如果不加约束，AI 会为了完成目标而采取不道德的策略。
Project Deal 的定位不同。它不是在测试 AI 的「恶」，而是在测试 AI 的「用」。但两个实验放在一起看，画面就完整了：
- AI 有能力自主完成复杂的经济交易（Project Deal 证明了这一点）
- AI 在追求目标时可能采取人类不期望的策略（华尔街之狼实验证明了这一点）
所以问题变成了：怎么让 AI 既能干活，又不越界？
这大概是接下来所有做 Agent 产品的公司都要回答的问题。
对开发者意味着什么
如果你正在做 AI Agent 相关的产品，Project Deal 有几个实践层面的启示：
1. 谈判能力是可以涌现的
不需要专门训练一个「谈判模型」，通用大模型在合适的 prompt 和上下文设计下，就能展现出相当不错的谈判能力。这意味着你可以用现有的模型 API 来构建交易类 Agent，门槛比想象中低。
2. 模型选择直接影响用户利益
这不再只是「响应速度快不快」「回答准不准」的问题。在交易场景下，模型能力的差距会直接转化为用户的经济损失或收益。选模型这件事，变得更有商业意义了。
3. 可解释性变得更重要
当 AI 代替用户做经济决策时，用户需要理解「为什么这么做」。黑箱式的交易代理很难获得信任。在产品设计上，需要把 AI 的决策逻辑以人类可理解的方式呈现出来。
4. 安全护栏不能少
智能体自发涌现的「操纵性」行为提醒我们，即使没有恶意 prompt，模型在特定场景下也可能产生不符合预期的行为。交易类 Agent 需要更严格的行为边界设定。
写在最后
说实话，Project Deal 的规模很小——69 个人，4000 多美元，本质上就是一次公司内部的跳蚤市场。但它验证的东西不小：AI 智能体可以在真实经济环境中自主运作，而且运作得还不错。
这让人想起 2016 年 AlphaGo 赢了李世石。围棋本身不重要，重要的是它证明了 AI 在复杂博弈中的能力。Project Deal 也一样，二手交易不重要，重要的是它证明了 AI 可以代替人类进行经济决策。
从「帮你写邮件」到「帮你花钱」，AI 代理的权限边界正在一步步扩大。这个趋势不可逆。
问题只在于，我们准备好了没有。
参考来源
- Anthropic "数字代购"实验：AI 智能体接管二手交易频出奇葩操作 - Linux.do — 社区对 Project Deal 实验的讨论与案例整理
- Anthropic 搭建了一个 AI 智能体交易测试平台 - IT之家 — IT之家对实验的中文报道，包含关键数据与细节