我们不会一生只拥有一个Agent，也不会要求所有人使用同一个Agent。 不同Agent会分别理解购物、旅行、社交和个人欲望，并在后台协作。
更理想的方式是，Agent完成所有基础工作，节省查找时间，给出最优选项和权衡，再让我做最后决定，确认价格和其他条件之后才执行。 权限边界、尴尬成本和社交信号决定消费者是否愿意授权。
关键转折是：Agent什么时候从替我办完，移出待办清单，变成给我一种秘密超能力？ 当它能帮助用户成为理想中的自己，采用动力才会真正爆发。
Anish Acharya是a16z普通合伙人，长期关注金融科技与消费产品；Josh Elman是a16z合伙人和资深产品投资人；David Pawlan创建Assistant Benchmark，持续追踪消费级AI助手的产品能力。a16z圆桌讨论信任、隐私、购物与多Agent社交，发布于2026年11月4日。
01 从Agent meetup到Agent军团：消费AI进入“寒武纪阶段”
Anish Acharya：欢迎回到a16z节目。今天有我的合伙人Josh，以及一直在领导Agent Benchmark和AI助手研究的David。距离上次对话大约一个月，但Agent每天都在变化，几乎应该每天录一期节目。David，你昨晚刚举办了一场Agent meetup。现场怎样？大家讨论什么？
David Pawlan：很棒。来了100多人，都是为Agent感到骄傲的“Agent Nerd”。大家一起交流，我们还办了一场小型路演，十位AI助手创业者介绍自己的产品。最突出的一点是：即使在Agent网络世界里，人们仍然渴望社区。大家不断问，为什么没有更多这样的聚会、更多互相认识的机会。很好笑，因为提出这个问题的人，每天大部分时间都在给Agent发消息。
Anish Acharya：这些产品表面上有不少重叠。创始人会不会彼此戒备？
David Pawlan：没有。所有人都很开放，也很想获得反馈。我们站在最前沿，没有人知道市场最终会变成什么，所以大家还在同一个Sandbox里共同试验。
Josh Elman：也许正因为Agent替我们做了更多事，我们反而有时间出来见面。
Anish Acharya：这让我想到早期社交游戏和社交网络。Josh，你也有这种感觉吗？
Josh Elman：现在不是零和游戏。也许未来会有少数Agent占据大部分行为，但今天还处于“寒武纪阶段”，大家正在发明很多新东西。创业者可以互相学习最佳实践，分辨什么体验让人喜欢、什么只能偶尔成功却不可靠。产品会沿着很多方向发展。我们不会一生只拥有一个Agent，也不会要求所有人使用同一个Agent。大家正共同发明大量不同产品，我对此很兴奋。
Anish Acharya：我同意未来会有完整的Agent世界，就像人有很多类型和原型一样。Agent会沿哪些轴分化？有的严肃、强调生产力；有的好玩，甚至可能带一点对抗性。
Josh Elman：人的生活有很多侧面：管理财务、规划旅行、处理健康、安排日程、度过一天，或者只是想把一件事说出来。不同Agent会填补不同侧面。我们遇到不同问题会找不同朋友，因为朋友的专长不同。未来我们会习惯拥有一支Agent军团。有的Agent非常直接，专门完成任务；有的接入邮箱，告诉你现在最需要回复的五封邮件；还有一些会让人想整天聊天，因为它有趣，甚至有点爱八卦。我在试几个连接到朋友的好玩Agent，它们会在彼此之间交换信息。有一次，Agent告诉我一个朋友因为装修切断电源，整个周末家里都停电。晚上我打给他：“你怎么没告诉我家里停电？”他说：“我知道你会从Agent那里听说。”这种互动创造了更好的朋友连接，却和订旅行、省钱、提高效率都无关。
David Pawlan：我已经研究了147款以上助手，大致分成四类：通用、工作、多玩家和旅行。我还没有真正看到成熟的财务助手。这和数据很吻合。我维护的AI高频用户群聊里，目前大约有3600条消息。分析他们对市场的担忧，排名第一的是信任，22%的相关消息都在谈它。一边是生产力和好玩体验，为生活带来不同感受；另一边，很多人仍被恐惧困住，不知道市场会走向哪里。我很想知道信任层怎样被解决，以及解决后财务Agent会发生什么。
02 信任、隐私与尴尬：Agent需要知道边界在哪里
Josh Elman：Shane Mac最近一直讨论信任，提出一个叫Picnic的概念。我喜欢他用孩子和院子做的类比。如果院子没有围栏，你不会放心让孩子自由跑动，会一直盯着，不让他离房子太远；一旦装上一圈小围栏，就可以说：“在这个边界里自由玩，很安全。”Agent也需要正确的围栏。我们允许它在边界内访问部分数据、应用和其他资源，并尽可能行动。Shane遇到过一次问题：个人Agent跨到了工作环境，把他的财务信息发进公司Slack。个人Agent应该能访问个人数据和沟通渠道，但不能进入工作渠道，更不能让两边数据渗透。清晰围栏、精细权限和更好监控，是建立信任的基础。
Anish Acharya：传统Sandbox是一套必须遵守的硬规则。但有人提出，与其只给模型规则，不如给它“法律和原则”。例如，我们要告诉模型应当把“主动程度”调到哪里。这是定性的，模型需要像员工一样，根据定性指导作判断。
Josh Elman：这正是孩子围栏类比成立的原因。Agent很有能力，但有时又像孩子，不理解某个行动是否合适，也不总能掌握细微情境。大家总强调Agent要自主：“替我订旅行”“替我订餐厅”。但人并不真的想完全放弃控制。更理想的方式是，Agent完成所有基础工作，节省查找时间，给出最优选项和权衡，再让我做最后决定，确认价格和其他条件之后才执行。也许未来信任会提高，但今天保留确认步骤，仍然可以获得非常有效的Agent。
David Pawlan：这有点像1990年代的电子商务。我看到的统计是，大约在1997年，60%至90%的互联网用户认为在线输入信用卡不可思议。今天，大家却会把信用卡交给各种网站。Agent也会走过类似过程，只是需要时间。
Anish Acharya：这里存在“口头偏好”和“真实偏好”的差异。消费者嘴上说非常重视信任与安全，实际却愿意用任何数量的数据换取一点点便利。早在Venmo时代，人们就通过Plaid连接信用卡和银行账户。消费者真正敏感的，可能是尴尬和社交信号。Shane故事中最令人恐惧的部分，是Agent让他在同事面前难堪。如果你刚认识一个人，正在进行第二或第三次约会，而双方Agent已经开始交换信息，你很可能会突然警觉：“等等，它们究竟在互相说什么？”社交机制带来的压力，甚至比现实后果本身更高：它怎样描述我，又怎样向别人定位我？
David Pawlan：Hark最近做过一场规模很大的营销活动：公司拿出100万美元，让愿意使用产品的人免费吃披萨，每个人可以得到30美元。但为了这30美元的披萨，用户要授权访问整个Google Workspace，包括全部邮件和其他数据。这个案例很直接地说明，人们确实会为一点免费便利交出大量数据。
Josh Elman：我仍然认为隐私和效用之间一直存在权衡。如果你能提供更强的效用，我可能愿意牺牲一些隐私；但当两种方案的效用基本相同时，人们总会选更私密的那个。Apple长期生活在这个世界里。隐私是它的设备、软件和安全工作的核心，AI上也提出过Private Cloud Compute。但我们同样看到，人们想要最强大的AI，并不总会选择最私密的方案。因此，关键是找到能力与信任的交点。“尴尬”也非常重要。你希望Agent理解你的所有个人偏好。假设你乳糖不耐受，却和朋友一起领到免费披萨：应该由谁的Agent告诉对方你不能吃奶酪？这种信息什么时候该说、向谁说，会立刻变成尴尬的社交情境。我们需要Agent拥有和人相似的分寸感。人也是在长期互动中学会分寸，并且偶尔会犯错；但我们会对Agent提出很高的要求。
David Pawlan：还要区分个人尴尬和职业尴尬。Town做得非常好的一点，是把代发邮件的语气和信任层处理得很细。代发邮件是非常敏感的空间。如果Agent替我给在意的人发出一封糟糕的邮件，我只能回复：“抱歉，那是我的AI写的，我没有充分监督。”职业关系中的代价会非常高。
Anish Acharya：我用AI写邮件时，会在署名里同时写自己的名字和使用的模型版本，明确告诉对方我用了AI。只要人们不觉得自己被蒙骗，通常会宽容得多。我们一直在说隐私，但隐私和判断力不是一回事，分寸感也许位于二者之间。David，你让一批Agent帮你订花。你怎样定义判断力，谁表现得最好？
03 判断力与个人上下文：从买花、旅行到记忆与截图
Anish Acharya：David，你让一批Agent帮你订花。你怎样定义判断力，谁表现得最好？
David Pawlan：买花测试的核心，是看Agent怎样平衡两个不同约束：成本和时间。我要求花必须当天送达，并且越便宜越好。它需要先确认配送能力，再把价格纳入选择。Instinct表现非常好。新闻周期来得快、去得也快，它现在不像以前那么常被讨论，但它一直能找回最好的价格。Kicker也表现出色。它要求安装Chrome浏览器，因此在浏览器操作方面拥有一点优势，能找到非常好的选项。Season也做得很好。其他Agent都能找到当天送达的花，但在价格上退了一步；Instinct、Kicker和Season则能对“当天送达”和“尽量便宜”给予近似同等权重。一旦给Agent更复杂的偏好，就能看出它在哪里失手。它是不是只优先处理你说的第一件事？能不能同时维持多个约束？我还让三个Agent测试洛杉矶旅行：替我订机票，规划整个周末，并且要“既奢华又高性价比”。这两个要求是刻意互相冲突的。Grokbot、Dots和Instinct对“高性价比”和“奢华”的理解完全不同。有的认为省钱最重要，所以安排红眼航班；有的把时间视为奢华，尽量扩大在洛杉矶停留的时间。
Anish Acharya：分别是谁？
David Pawlan：Instinct基本处在中间。Grokbot更重视时间，Dots更重视成本。
Josh Elman：它们是直接开始工作，还是先和你讨论这组张力？真正像人的地方，是理解你说的“奢华又高性价比”具体指什么，并把权衡摆出来。有时我愿意坐红眼航班，同时节省时间和钱；但落地后，我又可能希望马上有一间酒店房间，让我早上先睡一会儿。这样会多花一点钱，却能最大化在当地的时间。Agent需要了解具体的人，拆解这种张力，并给出不同选项。它们有做到吗？
David Pawlan：三个都会提问，我也诚实作答，但故意保持一点模糊，不想过度引导。更有意思的是，我把它们放进同一个聊天室，让它们做三轮行程规划。每一轮结束后，各自展示行程，并解释为什么它的方案最好。我想看它们会不会被其他Agent影响，继而修改自己的计划。只有Grokbot很系统地从其他方案里吸收价值，再融入自己的计划。
Anish Acharya：回到买花。你是给自己买花测试吗？
David Pawlan：是给女朋友。
Anish Acharya：这就非常重要了。你一直强调省钱，但你大概不希望女朋友觉得你只买了最便宜的花。除非她特别欣赏你节省的性格，否则你还希望给她留下好印象；如果她喜欢兰花，也应该买到兰花。所以，Agent除了压低价格，有没有考虑这束花能不能让你显得更用心、更令人惊喜？
David Pawlan：测试的美好副产品，是女朋友收到了一束花。但这个问题非常对。在现实世界里，“高性价比”和“交付时间”下面还有第二层维度。
Josh Elman：还要保证她收花时看不到价格。
David Pawlan：也要考虑附言。有些Agent确实问了，要不要随花留一张卡片。
Anish Acharya：和Agent讨论这些事情时，隐性偏好必须变成显性偏好。有人喜欢认为：“我并不小气，我只是爱省钱。”但面对Agent时，也许必须跨过这道心理门槛，直接说：“我确实很节省，你就按这个偏好去做。”人亲自行动时，可以默默把这种偏好带进选择，不必照一次“偏好镜子”。Agent却会迫使你说清楚。它怎样提问，才能维持用户的身份认同和心理安全，又不越过边界，这是很值得研究的事。
David Pawlan：Dots在这一点上很有意思，因为它拥有用户已经在ChatGPT里积累的大量上下文。我们录上一次节目时，它还没发布，几天后才上线。总体而言，我接触的人里，大多数仍没有把它当作首选。在一项针对354名AI高频用户的调查中，只有3%把它作为主要Agent。但它确实有额外价值。喜欢它、愿意尝试它的人最常提到的理由，是ChatGPT对话已经积累了大量个人背景。有人把ChatGPT当作治疗师使用，所以它可能已经非常了解你。你说“我不小气”时，它心里也许知道：“你其实有一点。”
Josh Elman：为什么人们认为ChatGPT掌握了很好的个人偏好？他们这些年究竟告诉了它什么？这种记忆可以复制，还是因为用了几年、记忆已经在那里，所以不愿再切换？
David Pawlan：完全可以复制，只是ChatGPT使用时间最长，所以累积的上下文最多。这也带来切换摩擦。我测试了基准榜前15个Agent，要求它们：“我要切换到别的Agent，请把你掌握的全部记忆整理成Markdown文件，让我方便迁移。”除一个之外，其他都愿意提供。
Anish Acharya：导出的内容质量怎样？会不会令人不安？
David Pawlan：相当扎实。它们可能仍保留了一部分从你长期使用中提炼出的价值，但总体上确实把信息拆解得很完整。
Anish Acharya：如果你读过这些Markdown文件，会产生一种微妙的不适。不是“恐惧”那么严重，而是：“哇，你真的看透了我。”甚至会想，我并不希望你像你自认为的那样了解我。
David Pawlan：看过最初几份之后，我决定不再读了。
Josh Elman：现在已经出现一种常见的入门流程：产品让你把一条提示词粘贴进ChatGPT，下载生成的文件，再上传给新Agent。看看这种方式还能持续多久。
David Pawlan：另一种很酷的入门方式，是让用户接一个语音电话：“和我聊几分钟吧。”Agent问几个问题，就能从答案中提取大量上下文。
Josh Elman：这种对话很容易让人放下防备，它会让你不知不觉说很多。
David Pawlan：这引出了另一种上下文：照片。照片能提取出大量你自己都不会想到要描述的信息。
Josh Elman：你试过Dazzle吗？它是Marissa Mayer新公司的产品。那些重要到值得保存的人生照片、截图和其他图像，可以透露一个人的很多信息。
David Pawlan：Dazzle还没加入基准测试，但已经排在测试清单前列。我仍然亲自逐个测试，因为我需要亲身理解每款产品带来的感受。我很喜欢它对信任层的重视。把全部照片交给一款产品，确实会让人害怕。Dazzle有一个主张：如果不需要某条信息，就忘掉它。如果一张照片包含不必要的上下文，或者包含用户可能不希望它知道的东西，它会尽量提前识别并丢弃，不纳入记忆。接下来要看不同产品怎样处理照片上下文，以及这些信息怎样改变Agent的行为和对用户的理解。
Anish Acharya：我稍微更怀疑一点。我一直对截图感兴趣，因为在手机上，截图几乎是跨越所有App捕获上下文的唯一方式。回看截图，能看到当时的工作、生活、兴趣和偏好。我曾做过一个App，从手机上的全部截图中提取关键信息。它还不错，但我没有持续使用，因为信息的价值会随时间快速衰减。真正有意思的变化是：如果人们知道截图和照片会被送给模型与Agent，他们会不会开始主动保存更多？
Josh Elman：这正是关键。如果人们习惯捕获想要保留的信息，并让它在未来重新进入生活，就会形成闭环。我和一位创始人聊过，他暂时把产品叫作Taste。它会把用户保存的截图等内容整理成类似Pinterest的情绪板。当你用Vibe Coding开发App时，可以说：“请采用我保存在这里的例子。”这相当于建立自己的风格档案：浏览世界、网页和手机App时，把喜欢的东西沉淀成可复用的素材库。因为以后真的能用上，用户也会更主动地积累内容。
04 购物、品味与Wabi：Agent不会让人自动变得理性
David Pawlan：同一份调查里，第二受欢迎的消费类别是Amazon加零售购物，35%的用户表示会进行某种购物。如果一个产品拥有数千张照片，知道我平时穿什么，它会不会比我自己更了解我想买什么？
Josh Elman：有可能。我还认为，在Amazon、Delta等平台限制访问的同时，我们没有充分讨论谁会成为净赢家。长尾品牌可能是结构性赢家。它们通常营销更弱，也许产品更好，也许未必，但Agent有近乎无限的耐心，可以寻找最符合个人品味的商品，而不只是在排名前十的网站里挑。
Anish Acharya：这会推动直接购物。DTC品牌自己做品牌、店面和销售，以前消费者必须亲自四处发现；现在Agent可以在更大规模上找到它们。Shopify积极向Agent开放，因为它支撑大量直接面向消费者的品牌。反过来，聚合平台可能会被压缩，这也是它们积极防御的原因。如果Agent识别出某件毛衣或衬衫的实际制造商，用户可以直接购买，中间的批发与零售交易成本就不再必要。
Josh Elman：如果你喜欢David的衬衫，你的Agent也可以直接替你买。
David Pawlan：这让人想到Patrick Collison的一条推文：如果Agent替消费者完成工作，消费者会不会变得更理性？如果是，企业必须更重视产品质量和真正提供的价值。
Anish Acharya：我想对这个观点提出一点异议。我喜欢Patrick描绘的愿景，也同意Agent通常会替我们做出更好的选择。但Agent也会有自己暴露出来的偏好和非理性，而且不是人的心智，而是一种“异类心智”。例如，它可能不成比例地偏爱文档完善、API干净的供应商，并把这一点当作质量代理；也可能讨厌后端混乱、文档糟糕的API。Agent同样需要捷径。它究竟怎样判断产品质量？一方面，它会形成自己的偏好；另一方面，市场可能需要一种专门面向Agent的消费者研究机制，为它做评价，并按交易获得报酬。
Josh Elman：我更倾向于认为，人终究还是人，会选择让自己最满足的方案。假设我很饿，而Agent知道我需要减肥，于是只给我四种“正确”的食物——这真是我希望与Agent建立的关系吗？我不确信Agent会让我们更理性。它更可能让我们更快、更容易地得到真正想要的东西，解锁过去很难获得的选择。人仍然保留自己的偏好和品味。如果Agent不愿在用户真实所在的位置与他相遇，用户会导出记忆，换一个更懂自己的Agent。
Anish Acharya：你说的是家长式作风。30年的消费产品经验告诉我，哪怕只有一丝家长式说教，都可能杀死产品。大家常谈生产力和目标达成，但人也许想要相反的东西：喜欢花钱，喜欢对未来保持可能不完全理性的乐观，也喜欢把自己想象得比外界看到的更好。这些欲望可能正藏在“Agent应该纠正我们”的阴影背后。谁会从这些真实欲望出发设计产品？
David Pawlan：我把消费分成两类。一类是纸巾等日用品，用户几乎不在意个性偏好，只想要最便宜、最好、质量最高的那一个，Agent可以全自动完成。另一类涉及审美和身份，用户希望表达偏好，也希望过程有娱乐性。现在大多数产品仍把自己做成通用助手，思路非常相似；市场还很早，很多人只是跟随当下流行的通用生产力方向。多玩家产品已经出现一些新尝试。Wabi让人与其他人互动，让偏好发生交叉，体验更像娱乐。购物产品Scout则用滑动选择的方式学习偏好，也加入了更多游戏感。随着时间推移，我们会看到更多不同方向的实验。
Josh Elman：Wabi刚刚发布。我喜欢它，不只是因为它在实验Agent，还因为它在实验怎样与生活中的多条线程互动。Wabi会读取邮件等信息，生成不同的生活主题；新邮件出现后，再把内容送进对应线程。我建了一条媒体清单，记录想看的剧、想读的书和想去看的演出。比如我听说John Grisham出了一本新书，可以让Wabi加入清单；我刚看完第一部《Dungeon Crawler Carl》，也可以让它找下一部并介绍读者评价。它让“我想消费什么媒体”变成一项持续互动的体验，还用Widget等界面把不同线程可视化。这和“搜索框加一串任务”的通用Agent很不一样。
Anish Acharya：Wabi也许做对了另一件事：当朋友、Agent和你从第一天就在一个新消息频道中，大家站在同一起跑线，可以在一张白纸上共同建立新的社交契约。如果把Agent直接加入一个已经存在的iMessage群，体验会很不舒服：它能看见什么？提取了什么？即使是新群，iMessage也已经有一套人与人互动的隐性期待，我们还不习惯让Agent进入那个空间。
Josh Elman：难题是，我会不会和同一群人同时拥有两个聊天线程，然后每次都要决定用哪一个。邮件链更容易理解，因为它通常围绕一个明确任务，即使持续很久，也有清晰主题。Wabi的主题线程也是这样：围绕一个话题获得Agent帮助，隐私和信任边界都被限定在这个话题里，不会渗入彼此讨论的其他事情。
David Pawlan：你们见过哪些更远、更有洞察力的产品方向？
Josh Elman：我开始看到更多好玩、会八卦的Agent。它邀请你的朋友加入，问很多关于你和生活的问题，再向朋友分享一部分，也从朋友那里带回一部分。创始人能看到一些Agent之间的对话记录。产品还没有完全定型，但他们认为，Agent在后台怎样互相理解和八卦，既令人兴奋，也非常耐人寻味。这类产品带来了我与Agent相处时最快乐的一些时刻。除了前面提到的朋友家停电，刚开始使用时，Agent还分别问我们：“你们是怎么认识的？”我们讲了稍有差异的版本。两个Agent不断追问，试图让两段故事对上：你们是在朋友家认识的，那么谁和那位朋友更熟？这变成了一场充满好奇心的游戏。我和朋友还在旁边互发消息。如果没有Agent，我们不会拥有同样的时刻。
Anish Acharya：我喜欢它提供了一层社交间接性，反而让人更亲近。你的朋友不会专门发消息说“我家停电了”，因为那也许像过度分享；现有社交产品也训练我们谨慎分享。Agent如果能以很轻的方式充当社交润滑剂，会非常有意思。
Josh Elman：它确实把我们拉近了。
David Pawlan：这有点像ChatGPT早期。朋友们一起生成最早期、非常粗糙的AI图片，再扔进群聊，大家纯粹因为它荒诞而大笑。能创造一个新世界，本身就很好玩。
Josh Elman：我当时把能想到的每个人都做成GIF。
Anish Acharya：我给朋友群做了很多VHS录像带封面。
05 基础设施与多Agent网络：规模化之后，软件与连接仍是护城河
Anish Acharya：David，你几乎看过所有产品。还见过什么出人意料的方向？
David Pawlan：最近我看了很多基础设施层的工作。高频用户除了担心信任，也常被任务中断激怒：当Agent执行失败时，他们会想，“我为什么还要用AI？自己打开浏览器早就做完了。”因此，商业、浏览器操作、直接连接库存与结账等层面正在出现很有价值的创新。Hark用浏览器界面展示Agent的操作过程，看起来非常快；Kicker则用Chrome扩展解决浏览器使用问题。这些能力正在成为差异点。另一个观察让我重新思考“软件已经商品化”的说法。产品到了规模化阶段，性能差异仍然非常明显，软件依旧存在护城河。也许一年后这些障碍会降低，但今天，能同时服务数十万用户的Agent，与刚开始扩张的产品完全不同。有些产品一扩容，性能马上下降，创始团队要处理宕机和伸缩问题。我整天与这些Agent交谈，甚至开始忽略社交层，转而研究后台基础设施：它究竟怎样运行？不同团队做了哪些调整？这个市场既要解决扩展性，也要解决当前痛点：信任、可靠完成任务，以及持续记住用户上下文、不丢失小细节。
Josh Elman：Kicker运行在本地浏览器里。你测试过其他设备端助手吗？例如把模型跑在本地、使用用户自己的基础设施，而不是云端模型和云浏览器。
David Pawlan：这是很有意思的范式。我目前主要测试预配置、即插即用的产品，因为不必自己设置，更容易横向比较。但未来完全可能把更多东西带回本地。用户可以控制模型、按自己的方式定制。Thinking Machines也在做让人自由调试模型的工作。如果这些能力最终能以简单的消费产品形式出现，会打开新的空间。
Josh Elman：Agent浪潮某种程度上从OpenClaw的魅力开始。用户要准备一台自己折腾的Mac mini，再连接本地模型或云端模型。后来市场转向下载App即可使用的即插即用产品。但那种“由自己搭建、自己拥有”的强大控制感，会不会再次成为主流范式，仍值得观察。
Anish Acharya：如果Instinct和Muse是OpenClaw的消费产品版本，那么MultiBook的大众市场版本是什么？MultiBook就像OpenClaw一样远远走在时代前面。某种类似的产品一定会出现。
David Pawlan：昨晚的活动里，现场每个人都可以扫描二维码。人类在聚会，我们同时也开了一场Agent meetup。人们可以把自己的Agent送进去，让它们自由交谈。过程很有意思。大约150条消息之后，有些Agent开始说无法理解的乱码。我不知道它们怎样得出某个概念，也不知道为什么突然讨论那个话题。初始提示仍给了一些方向：介绍自己、介绍你的主人、主人正在做什么、需要什么帮助。但当Agent只是待在一起交流，会发生什么，仍然是很早期的新范式。
Josh Elman：真正让我兴奋的，不只是它们聊天，而是彼此发现新事物、了解各自主人的偏好，再发现互补关系。一个Agent也许会说：“Josh对这件事很感兴趣，而你的主人也在做同样的事。你们也许能互相帮助。”然后回到我这里问：“要不要认识这个人？”早期MultiBook的长线程很迷人，但很多Agent只是因为无事可做而聊天。当每个Agent都有一个小目标——帮助自己的主人——网络会有趣得多。假设我在为晚宴找一瓶好酒，另一个Agent知道一家出色酒庄正想推广产品，这条信息就会通过Agent网络回到我这里。
David Pawlan：Tomo有一个叫“兴趣群组”的功能。它发现App里有一批用户正在准备LSAT，就让用户或Agent把他们连接进一个群聊，共同学习。这是一种新的社交契约：人们纯粹因为兴趣和目标连接，事先根本不知道对方是谁。
Josh Elman：我试过这个功能。它围绕目标把人聚在一起很迷人，虽然我还没完全知道该在群里说什么。可以再向前一步：等大家考完LSAT，Agent直接说，“这个周五晚上去这家酒吧见面吧”，替所有人订好时间和地点。数字世界里的Agent把陌生人带到真实世界连接，就像你们昨晚的聚会。
Anish Acharya：我非常喜欢这一点。AI里一个很少被讨论的重要主题是“熵”：怎样创造原本没有预期会发生的事情？偶遇就是一种熵。产品促成了一个没人预先计划的时刻，大家突然意识到：“我们竟然因为它在这里相遇。”
David Pawlan：这几乎会成为一种新社交网络。Facebook主要连接你已经认识的人；Agent网络可以帮助刚到一座城市的人发现兴趣相近、刚看过同一场球赛的陌生人，并建议去酒吧见面。
Anish Acharya：我仍然好奇，什么会真正催化这种偶遇。按兴趣匹配早就有人尝试过，而且社交关系里存在一种层级倾向：每个人都想认识在某个方向上比自己领先一步的人。
Josh Elman：Agent也可以建立信任。前提是我们相信它以我们的利益为重，能解释另一个人的情况，还能制造一点秘密的魔法。它可以分别告诉双方一个小秘密，再设计一句见面暗号。这一点点仪式感，也许足以让人关掉电视，结束独自在家写代码的安静周五，出门见一个陌生人。后台的MultiBook式Agent网络，就可能发挥这种作用。
David Pawlan：还取决于欲望。刚搬到新城市、没有朋友的人，非常想建立关系，更愿意见陌生人；已经有稳定朋友圈的人会问：“我为什么要去？”
Josh Elman：还要分清是在西雅图还是旧金山。城市的社交习惯也不同。
06 真实世界数据与秘密超能力：Agent最终要帮助人成为理想的自己
Anish Acharya：除了照片，还有哪些尚未被接入的数据源？我们谈过消息、邮件、日历、照片，也见过产品要求整台Mac的磁盘权限来读取消息。还有什么核心生活数据能打开更深的个性化或连接？
David Pawlan：一个方向是家庭硬件，虽然能产生多少数据取决于硬件是否足够智能、能保存多少记录。Wajo刚发布MCP硬件连接能力。把助手接到空调或扫地机器人之后，它会知道你多频繁打扫，晚上习惯什么温度。这样就会逐渐形成被动理解：“你有点洁癖”“你更喜欢冷而不是热。”这些信息又会影响购物等决策。市场还处在极早期，成败高度依赖硬件本身。
Josh Elman：连接家庭很有意思。Amazon也许会阻挡访问，但购买历史是一个很少有人讨论的宝库。人可以一路翻到自己在Amazon的第一笔订单，也能在App Store里看曾经下载过的每个App。这些历史构成了生活的一部分，但Agent没有访问权，就无法理解。把更完整的购物和下载历史交给Agent，可能让它做出更丰富的事情。
Anish Acharya：还可以把Agent带进社交活动：家庭晚餐、周日的Seahawks比赛、派对，甚至单身派对。这里当然涉及所有参与者的许可，也有类似“薛定谔的猫”的问题：主动观察会不会改变互动本身？但只要捕捉一次用户在真实环境中自然表现的片段，可能就比一生的硬件记录更能揭示人格。
Josh Elman：Agent理解的大部分仍是文字：我们打过什么字、发过什么消息，再据此推断人格。但现实中的人丰富得多。我们使用Agent或搜索的内容，常常恰恰是自己不知道、也不是生活核心的东西。今年夏天世界杯期间，我查了大量足球信息，ChatGPT突然把我当成狂热球迷。我只能说：“不，我只是世界杯期间感兴趣，现在已经结束了。”我也经常沿着好奇心临时探索。女儿喜欢一位艺人，我就去了解对方、听他的音乐，但那不是我长期的音乐品味。Agent怎样知道某段搜索只是一场好奇之旅，而不是“真正的我”？我有时只能打开隐身模式，避免它把内容保存下来，但这样又减少了它了解我的机会。真实世界行为也许更有帮助。
David Pawlan：怎样捕获真实行为的数据，会是关键难题。
Anish Acharya：未来会出现上千种捕获设备。除非人们专门去存在于法拉第笼里的酒吧——我很相信旧金山会出现这种地方——否则大家会越来越默认自己在各种环境中被记录。
Josh Elman：我换了新Apple Watch，是因为厂商提到Siri Recap和Live Rewind等尚未完全上线的功能。我期待手腕上的设备能在一天里持续捕捉一些片段。
Anish Acharya：这就像戴在手腕上的全天候环境监听器。 最后一个问题。三四周后我们再见时，你们认为市场会发生什么变化？
David Pawlan：企业领域会出现更多创新。现在全世界似乎都在关注消费者，企业端获得的注意相对少，接下来会有一部分重心转向企业。
Josh Elman：大家会更多讨论“好玩”。Agent不只替我们办事，也会让人把想法说出来，陪我们过完一天，让我们发笑，甚至在后台带一点八卦。正是这种关系，可能让用户建立信任，进而愿意让它完成其他更严肃的事情。
David Pawlan：下一波用户也会开始采用Agent，我们将看到他们怎样使用。我把Instinct交给母亲，最近一直看她尝试。她害怕技术、讨厌技术，却像走进糖果店的孩子一样玩得很开心。她过去很难理解ChatGPT，却能非常自然地给AI助手发短信。去年我们家的狗去世了，她想再找一只长得一模一样的狗。于是她把照片发给Instinct，让它寻找拥有这种犬型的繁育者，并替她谈判。我们已经知道技术爱好者怎样用助手；下一步要看普通人怎样形成新行为。他们会不会更关注好玩和创作？会选择什么交互入口，又会偏好怎样的Agent行为？
Anish Acharya：我同意你们，但想把“好玩”再向前推一步：我们有哪些部分，既不愿思考，也不愿向别人、向Agent，甚至向自己承认？谁能建立足够深的信任，触及这种近似“暗面Agent”的空间，就可能拥有非常迷人的产品。从生产力和邮件出发，Agent会不断提醒人还有什么没完成、还有哪些乏味任务。我不确定人们愿意长时间停留在那里。人更想成为一个完全不同、近乎超人的自己。无论内心是否真相信能够实现，我们今天还没有一款Agent真正回应这种愿望。
David Pawlan：这像Agent版的马斯洛需求层次。
Josh Elman：关键转折是：Agent什么时候从“替我办完，移出待办清单”，变成“给我一种秘密超能力”？也许有人问David：“你这件酷衬衫从哪里买的？”他回答：“我的Agent订的。”我就会想，为什么我没有一个替我挑衬衫的Agent？又或者，有人说：“你最近穿得更好了。”我回答：“我把相册权限给了Agent，让它升级我的形象，它开始替我订几件东西。”当Agent让人拥有超能力、感觉更好，旁人才会真正注意并想要同样的东西。相比之下，“省一点钱”“替我订旅行”未必有足够吸引力——我本来就喜欢规划旅行，并不一定想把全过程交出去。我们需要的是让人产生“这件事我也必须用”的案例，我相信它会出现。
David Pawlan：也就是，它能不能帮助你成为一直想成为、却一直没能独自实现的那个人。
Anish Acharya：你会不会开始把它视为口袋里的秘密武器？
Josh Elman：我很喜欢。今天就到这里吧。
David Pawlan： 好。
Anish Acharya：非常精彩，谢谢。
原文：The New AI Agents That Shop, Plan, and Gossip
https://www.youtube.com/watch?v=dSiTwPl0t1U
编译：Kairos Feng
