前言

AI Agent 能帮你买咖啡、订机票，但如果让它全权代表你去做一笔商业交易，它能做到吗？Anthropic 用 Project Deal 给出了答案。

Anthropic 近日公布了 Project Deal 实验：在旧金山办公室内创建一个分类市场（Craigslist 风格的交易平台），所有买卖谈判全部由 AI Agent 自主完成，人类只设定目标和预算。实验结果令人振奋，也令人深思。

实验设计：AI 代替人类做买卖

Anthropic 召集了 69 名员工，每人分配 100 美元「预算」（以礼品卡形式在实验后兑现），参与者可买卖任意物品。

工作流程如下：

  1. 信息采集：Claude 以面试形式与每位参与者交流，了解其想要出售的物品、期望价格、想买的商品、预算上限，以及对 Agent 的谈判风格偏好
  2. 个性化 Agent：根据访谈结果，为每位参与者定制专属 Agent 的系统提示词（System Prompt）
  3. 自主谈判：买卖双方 Agent 自行在市场上配对、谈判、达成交易
  4. 执行交付：实验结束后，人类参与者真实履行 Agent 达成的交易

Anthropic 表示：「我们想知道：AI Agent 距离真正代表人类在市场上交易还有多远？不同 AI Agent 之间能否自主谈判并达成令双方满意的结果？」

结果：Agent 表现超出预期

实验进行了一周，结果显示：

  • 大量交易成功达成：买卖双方 Agent 完成了预期的商品交换
  • 参与者愿意付费：部分员工表示，如果这类服务面向市场，他们愿意付费让自己的 Agent 代表其进行谈判
  • Agent 间的博弈：不同能力的模型在谈判中展现出差异，更强的模型往往能获得更有利的结果

Anthropic 总结道：「虽然这是一个仅有自选择参与者的试点实验，但我们相信，Agent 对 Agent 的商业交易很快会在现实世界中出现，并产生真正的影响。」

对法律和商业领域的启示

Artificial Lawyer 创始人 Richard Tromans 指出，这一实验对商业法律领域具有深远意义：

当前，AI 在法律行业的应用主要停留在合同审查阶段——帮助律师审阅、分析条款。但 Project Deal 指向的下一步是：两方的 AI Agent 直接谈判并生成合同，人类律师只在复杂情况下介入。

这意味着未来的 B2B 交易可能是这样的场景：

  1. 公司 A 的采购 Agent 与公司 B 的销售 Agent 自主对接
  2. 双方 Agent 依据预设的 playbook 和底线进行谈判
  3. 谈判结果直接生成合同草案
  4. 律师只在关键节点审核把关

技术挑战与局限

当然，AI Agent 自主谈判目前仍有障碍：

  • 需要双方同时部署 Agent：单方面部署 Agent 无法形成真正的自动化交易
  • 边界界定问题：Agent 何时该停止谈判、如何定义「谈成了」需要清晰的人为设定
  • 准确性风险：Agent 可能陷入无限循环的谈判，或在细节上犯错

对开发者意味着什么

Project Deal 背后的技术架构值得关注：

  • 自定义 System Prompt：为 Agent 注入个人偏好和谈判风格
  • 多 Agent 协作：多个 Agent 在同一市场环境中自主交互
  • 结构化输出：最终生成可执行的交易结果

对于 AI Agent 开发者而言，这种「Agent 对 Agent」的交互模式代表了下一个重要的产品方向——自主交易 Agent（Autonomous Deal Agents）。

相关阅读：