Claude 代理替 201 名员工换书，卡住它的是读懂人而不是砍价

一场只换书的小市场

这是 Anthropic 继 Project Deal 之后第二次拿自家员工做“代理替人做买卖”的实验。上一次是旧货集市，东西五花八门，很难说谁换得好不好；这一次刻意把商品收窄到书，原因很直接：每个人对一组书可以排出先后，排序就能拿来打分，市场效率才算得清楚。

按官方披露，参与者来自六个办公室：旧金山 115 人、纽约 57 人、伦敦 12 人、西雅图 8 人、华盛顿 6 人、都柏林 3 人。流程分三步：

• 每人带一本想送出去的书，和 Claude 做一次简短访谈，聊自己爱读什么（中位数约 216 个词）；
• 代理进入一个去中心化的交易大厅，可以一对一互换，也可以发起多人轮转，所有相关方都同意才算成交；
• 实验同时混用了 Haiku 4.5、Sonnet 4.5、Opus 4.8 和 Fable 5 四档模型，并把一半代理设成“只顾自己”、另一半设成“也照顾对方”。

61% 这个数字该怎么读

TG 上流传最广的是“五分钟聊天，Claude 对书单的排序与本人 61% 一致”。这里的 61% 是两两比较的吻合率：任取两本书，代理判断主人更想要哪本，猜对的比例是 61%。随机瞎猜是 50%，按书的热门程度排是 53%，用协同过滤这类推荐算法是 55%。

所以它确实赢过了常规推荐手段，但离“懂你”还远。换个角度，每三次二选一里，代理大约猜错一次多。把这样的偏好交给一个很会谈判的代理，它会非常卖力地替你换回一本你未必最想要的书——这正是报告里效率账算出来的结果：参与者最终拿到的书，按本人真实排序只得 0.55 分，而理论最优是 0.89。

谈判不是瓶颈，模型强弱却是变量

如果只看代理自己理解的偏好，它们在市场里的表现相当好。按官方数据，以代理掌握的排序计分，Haiku 平均 0.75、Sonnet 0.80、Opus 0.88、Fable 0.86；在不同模型混场交易时，Opus 代理比弱模型多拿 0.12 到 0.14 分。换句话说，同一个市场里，谁家的代理更强，谁就更容易换到好书——这对以后“人人带个代理去谈生意”的设想，是个不太舒服的信号：模型档位本身会变成议价能力的差距。

反倒是提示词的作用比预想小。“只顾自己”的代理只比“照顾对方”的高出约 0.02 分；两类代理大多会说出主人最想要的那本书（78% 到 96%），但很少把完整排序亮出来，明确撒谎的只有约 1%。强硬的指令没有把代理变成奸商，模型能力的差异却实实在在地体现在成交结果上。

参与者买账到什么程度

主观评价比效率分数乐观：平均满意度 7.2 分（满分 10），约一半人觉得代理挑的书比自己挑的还好。报告还问了一个更实际的问题——愿意把每年多少购书预算交给代理打理，平均答案约三成；作为对照，交给信得过的朋友是四成左右。

Anthropic 自己也列了限制：样本全是本公司员工，天然更信任 Claude；参与者没有动力认真表达偏好；市场里没有恶意代理，规则也是固定的。真实世界里，对手的代理可能来自别家模型、带着别的目标，情况只会更复杂。

这份报告最有价值的地方，是把“代理经济”的难点从谈判桌挪回了访谈桌。大家习惯担心 AI 会不会被对手套话、会不会砍价太狠，但这次实验里，代理在桌上的表现已经过关，出问题的是它出门前那五分钟到底听懂了多少。下一轮值得看的，不是更聪明的讨价还价，而是更好的问法。