几百单，AI代办为何还没起量

外部AI Agent只送来几百单

DoorDash在10月30日前后披露，第三方AI Agent迄今只为平台带来“数百笔”订单，远未形成可观的交易规模。据TechCrunch和Ars Technica报道，DoorDash仍愿意与外部智能体开发商合作，但目前的实际使用量几乎可以忽略不计。

**外部AI Agent是指由DoorDash之外的公司或开发者提供、能够代替用户搜索商品并发起交易的软件智能体。**它与DoorDash自己开发的点餐助手不同：前者需要跨越平台边界，处理身份、菜单、支付和售后；后者则运行在DoorDash自己的账户与履约体系内。

这个数字值得关注，不是因为“数百笔订单”证明AI Agent没有价值，而是因为它给火热的智能体电商叙事泼了一盆冷水。从模型演示里的“帮我订一份晚餐”，走到真实世界里稳定完成几百万次交易，中间隔着的并不只是模型能力，而是一整套支付、权限、履约和责任基础设施。

DoorDash此次没有同步披露统计周期、接入智能体数量、订单完成率、复购率以及外部Agent订单占平台总订单的比例。因此，“数百笔”更适合作为一个方向性信号，而不是完整的业务结论。可以确定的是：截至2026年10月底，外部AI Agent还没有成为DoorDash的重要获客渠道。

DoorDash已经给Agent打开了门

DoorDash并非排斥智能体接入，而是在过去几个月里连续测试不同形态的AI下单入口。2026年7月，DoorDash公布命令行工具dd-cli，目标是让AI Agent能够搜索餐厅、查看菜单、比较优惠并完成结账流程；9月底，公司又面向美国iPhone用户推出文本下单AI代理。

**dd-cli是DoorDash面向命令行和智能体工作流提供的操作工具，作用是把原本依赖图形界面的点餐步骤转化为机器更容易调用的结构化流程。**对Agent而言，结构化工具比“看屏幕、点按钮”的计算机操作更可靠，因为菜单项、价格、地址和订单状态不必再从网页像素中猜测。

**DoorDash文本下单Agent是平台自营的对话式购物入口，用户可以用自然语言表达点餐需求，再由系统在DoorDash内部完成搜索与匹配。**它掌握用户账户、历史订单、配送地址和平台规则，天然比外部Agent更接近交易闭环。

三类入口看起来都能“让AI帮忙点餐”，但产品边界并不相同：

| 方案 | 控制方 | 主要交互方式 | 可获得的平台上下文 | 交易可靠性 | 当前公开进展 | |---|---|---|---|---|---| | 第三方外部AI Agent | 外部开发商 | 对话、工具调用或浏览器操作 | 通常有限，需要额外授权 | 取决于接入深度 | 仅带来数百笔订单 | | DoorDash dd-cli | DoorDash提供工具，开发者编排 | 命令行与结构化指令 | 可直接连接DoorDash流程 | 理论上高于纯浏览器操作 | 2026年7月公开 | | DoorDash自营文本Agent | DoorDash | iPhone文本对话 | 账户、地址、菜单、优惠和履约状态 | 三者中最容易控制 | 2026年9月底面向美国用户推出 |

这个对比说明，AI Agent会不会下单和用户愿不愿意让它下单，是两件完全不同的事。DoorDash已经把部分技术通道铺好，但真实需求、信任关系和商业分配机制还没有同步成熟。

几百单首先说明需求没有被验证

外部Agent订单少的第一个原因，是“点外卖”本身可能不是最需要委托给AI的任务。成熟外卖应用已经把常用地址、历史订单、优惠券和支付方式压缩到几次点击之内，用户亲自完成一笔订单的成本并不高。

AI Agent只有在任务复杂度明显超过操作成本时，才会展现真正优势。例如，为12个人协调不同饮食禁忌、控制总预算、筛选可按时送达的餐厅，再拆分多笔订单，就是适合Agent处理的长链路任务。相比之下，“照旧点一杯咖啡”用收藏或再次购买按钮往往更快。

消费级Agent还面临一个冷启动问题：用户需要先向Agent描述偏好、预算、地址和禁忌，再确认它有没有选对商品。如果每次都要反复解释，“自然语言下单”就可能比直接打开DoorDash更麻烦。

数百笔订单因此不是单纯的流量问题，而是产品价值还不够清晰。当前外部Agent提供的主要价值仍是“替用户操作界面”，但真正能够驱动规模化的价值应该是跨商家比价、长期偏好管理、多人协同采购，以及在预算和时限约束下自动完成组合决策。

一笔外卖订单比模型演示复杂得多

真实交易的难点集中在异常情况，而不是顺利情况下的搜索和结账。演示视频通常只展示“找到汉堡并下单”，但生产环境还要处理售罄替换、价格变化、地址错误、配送延迟、骑手联系、退款以及食品安全问题。

**智能体电商是由AI Agent代表用户完成商品发现、比较、购买及部分售后流程的交易模式。**它要实现规模化，必须把用户授权从一句模糊的“帮我买晚餐”，转换成可审计、可撤销并且有金额边界的交易权限。

一笔由外部Agent发起的DoorDash订单，至少包含以下环节：

1. **理解需求。**Agent要区分“便宜一点”“尽快送到”和“不要花生”分别是偏好、时限还是安全约束。
2. **获取实时供给。**餐厅营业状态、菜品库存、配送费和预计送达时间会持续变化，静态搜索结果很快失效。
3. **应用账户权益。**会员免配送费、优惠券、礼品卡和区域活动往往与用户身份绑定，外部Agent未必能完整读取。
4. **获得支付授权。**用户需要明确单笔金额上限、可购买品类和确认条件，而不是把完整支付权限永久交给模型。
5. **处理履约异常。**骑手找不到地址、餐厅要求替换菜品时，Agent必须知道何时自行决定、何时通知用户。
6. **承担售后责任。**少送一份餐、食物损坏或重复扣款后，用户究竟应该找Agent开发商还是DoorDash，目前缺少统一答案。

这里最难的不是大模型能否识别一句话，而是系统能否保证每一步都在正确账户、正确价格和正确授权范围内执行。生成式模型允许语言有歧义，支付系统却不允许金额“差不多”。

支付与责任边界才是规模化瓶颈

外部Agent订单规模受限的核心障碍，是平台无法只把它当成一个普通用户。人类误点一份商品，责任通常可以通过确认页面和平台规则界定；Agent自主选择错误商品后，责任链条会同时涉及用户、模型提供商、工具开发者、DoorDash、商家和支付机构。

授权机制也不能只有“允许”和“不允许”两个选项。一个可用的消费Agent至少需要支持单笔限额、每日限额、商家白名单、敏感品类禁购、地址范围、自动确认阈值以及即时撤销权限。没有这些细粒度控制，用户很难放心让Agent长期持有交易能力。

高风险品类会进一步放大问题。酒类等受监管商品涉及年龄验证和交付核验，处方、过敏原及宗教饮食要求则可能带来健康与合规风险。外部Agent如果只优化价格和速度，很可能忽略平台已经积累多年的风险规则。

安全问题同样不能靠一句“模型会判断”解决。商家名称、菜品描述、评论内容和网页文本都可能成为提示注入载体，诱导Agent偏离用户指令。对普通聊天机器人而言，一次提示注入可能只生成错误文字；对拥有支付权限的购物Agent而言，它可能直接造成经济损失。

平台为什么仍然愿意合作

DoorDash继续对第三方Agent保持开放，是因为Agent可能成为新的流量入口。过去，平台争夺的是搜索引擎排名、应用安装量和首页推荐位；如果用户未来先向通用助手提出需求，那么通用Agent就可能像新的搜索引擎一样决定订单流向。

平台此时拒绝外部Agent并不明智。即使现阶段只有数百笔订单，DoorDash也需要提前理解机器客户如何搜索、比较和调用服务，否则可能在下一代入口成熟后被动接受其他公司的规则。

但合作并不意味着DoorDash会交出核心控制权。平台最有价值的资产不是一个下单按钮，而是实时菜单、商家关系、配送网络、会员体系、履约预测和售后能力。外部Agent可以成为入口，却很难绕开这些基础设施独立完成最后一公里交易。

外部Agent与平台之间还存在明显的利益冲突。Agent理论上要替用户比较多个平台的总价和送达时间，而DoorDash希望提高自身订单转化率和用户留存；Agent希望拿到完整菜单与优惠信息，平台则担心失去推荐权、广告收入和客户关系。

这种关系更像旅行聚合平台与航空公司，而不是一个简单的技术插件。双方可以合作导流，但会长期争夺用户界面、交易数据、佣金归属和售后话语权。

数百笔订单不代表路线失败

现阶段的低订单量不能证明Agent电商是伪需求，因为基础设施刚刚出现，用户也尚未形成稳定习惯。智能手机早期的移动支付同样经历过商户不足、体验割裂和安全质疑，但Agent电商能否复制这条增长曲线，仍取决于它是否能创造足够明显的效率差。

判断Agent订单是否真正起量，不应该只看媒体演示数量，而要持续观察以下指标：

| 指标 | 代表的问题 | 规模化所需方向 | |---|---|---| | 端到端订单完成率 | Agent能否从需求走到付款成功 | 持续提高，并减少人工接管 | | 订单取消与退款率 | 决策是否准确、履约是否可靠 | 不应显著劣于人工下单 | | 用户确认次数 | 自动化是否真的节省时间 | 在高风险节点确认，而非每步确认 | | 复购率 | 用户是否认可Agent的长期价值 | 首次尝试后持续使用 | | 客诉责任分配 | 出错后由谁解决 | 平台与Agent提供商形成明确规则 | | 商家增量收益 | Agent是否创造新增需求 | 不能只搬运既有订单 | | 价格与优惠一致性 | Agent是否能看到真实到手价 | 搜索结果与结账金额保持一致 |

DoorDash此次尚未公开这些数据，因此外界只能确认订单绝对量很小，无法判断已完成订单的质量。如果数百名早期用户表现出高复购和低退款，产品仍可能处于有效冷启动阶段；如果大量订单需要人工纠正，那么问题就不只是流量不足。

真正的拐点不会来自“会点按钮”

AI购物Agent的下一阶段竞争，不在于谁能更像人一样操作网页，而在于谁能获得平台认可的身份、权限和交易能力。浏览器自动化适合证明概念，却很难承担大规模支付和售后责任；结构化工具、标准化授权与可审计记录才是长期基础。

外卖也未必是最先规模化的Agent交易场景。高频、低风险、规则明确的补货任务，例如定期购买日用品、办公耗材或宠物食品，更适合自动执行；涉及口味、即时情绪和大量临时选择的餐饮订单，反而需要频繁的人类判断。

DoorDash的数百笔订单给行业提供了一个现实基线：截至2026年10月，外部AI Agent能够完成电商交易，但还没有证明自己是重要的消费入口。技术上的“能下单”已经基本成立，商业上的“为什么要让它下单”仍未回答。

这也是本次披露最有价值的地方。AI行业过去一年反复展示Agent如何使用工具，却很少公布工具调用最终产生了多少真实交易。DoorDash给出的数字不漂亮，但比又一次精心设计的演示更有信息量。

短期内，平台自营Agent可能比第三方Agent更快落地，因为它拥有账户、支付、推荐和履约的完整上下文。长期看，外部Agent若想成为新的电商入口，则必须建立跨平台比价能力、细粒度支付授权、统一售后协议和足够稳定的用户信任。

几百单不是终点，也还称不上起点后的加速。它更像一张体检报告：模型已经会跑流程，但围绕真实交易的肌肉、骨骼和免疫系统还没有长齐。

参考来源

受指定域名白名单限制，TechCrunch、Ars Technica及DoorDash官方页面的原始链接不在文末展示；以下仅保留允许域名内的补充检索入口。

• GitHub：检索DoorDash与dd-cli相关项目——用于查找DoorDash智能体工具及相关开发者项目，具体仓库状态应以项目维护方说明为准。

本文事实信息综合自2026年10月30日TechCrunch报道《DoorDash said it’s only received ‘several hundred’ orders from AI agents》、Ars Technica报道《Basically no one is using AI agents for their DoorDash orders》，以及DoorDash此前公开的dd-cli、文本下单Agent和内部AI协作体系资料。