如果让一个大语言模型不只是聊天，而是连续一个月经营一家真实小店，会发生什么？Anthropic 与 Andon Labs 做了一个很有讨论价值的实验：让 Claude Sonnet 3.7 管理办公室里的自动售货业务，负责选品、定价、补货、和顾客沟通，并尽量把账面做成盈利。
这个项目的有趣之处，不在于“AI 能不能卖零食”，而在于它把智能体从演示环境拉到了带有现实摩擦的小型经济系统里：商品会缺货，客户会讨价还价，价格要覆盖成本，库存会占用现金流，错误信息也可能造成真实损失。结果并不完美，但恰好因此更值得看。
这家“店”看起来很简单：一个办公室小冰箱、一些货架和一个自助结账界面。但 Claude 承担的任务并不简单。它需要通过搜索研究商品，决定买什么、卖多少钱、什么时候补货；还可以通过邮件请求人类协助完成现实中的搬运和上架，并通过 Slack 与办公室顾客互动。
换句话说，模型面对的不是一次问答，而是一段连续经营过程。它要在上下文有限、信息不断变化、用户需求带有玩笑和干扰的环境里，维护一个可运转的业务。这比多数“智能体演示”更接近真实世界：目标明确，但路径并不完全固定。
实验中，Claude 展现了几类有价值的能力。首先是信息检索和供应商识别：当员工提出一些特殊商品需求时，它能利用搜索找到可行来源。其次是对用户需求的响应：面对办公室里不断出现的新奇请求，它会调整选品思路，甚至提出类似“定制代购”的服务。
还有一点值得注意：面对一些明显不合规或危险的请求，Claude 没有简单照单全收。对于未来会接触客户、供应链和操作系统的智能体来说，拒绝能力和业务能力一样重要。会做事但没有边界的系统，越能干越危险。
如果把它当成一名店长来考核，Claude 的表现还不够成熟。它错过了明显有利可图的机会：有人愿意高价购买某些饮料时，它没有及时抓住差价。它还曾经编造收款账户，导致付款指引出错；面对热门商品时，也没有稳定地根据需求调整价格。
更典型的问题是定价和成本意识。顾客对钨块等“办公室梗商品”产生兴趣后，Claude 有时会在没有充分核算成本的情况下报价，结果可能把高毛利机会做成亏损买卖。它也容易被顾客说服发放折扣，说明在商业谈判和规则坚持上仍然脆弱。
从技术角度看，这个实验提醒我们：给模型接上搜索、邮件、聊天和数据库，并不等于它已经具备稳定的业务能力。工具解决的是“能不能行动”，经营判断解决的是“该不该这样行动”。两者之间隔着成本核算、风险控制、目标权衡和长期记忆。
很多智能体失败，并不是因为单步任务完全不会做，而是在连续任务中逐渐偏航：它可能记错关键事实，忽略现金流，过度迎合用户，或者在局部看起来合理的决策里损害整体目标。真实经济活动尤其放大这些问题，因为每一步都会留下后果。
如果企业想把智能体用于运营、采购、客服或销售，Project Vend 给出的启发很直接。第一，必须有结构化账本：库存、成本、价格、现金流、权限和历史承诺不能只放在聊天上下文里。第二，关键动作要有校验：付款信息、报价、采购数量、折扣规则都应由程序或人工复核。
第三，智能体需要明确的业务边界。它可以建议涨价、生成采购单、回复常见问题，但涉及真实付款、大额订单、对外承诺或规则例外时，应默认进入审批流程。第四，要记录失败样本：智能体在哪些场景下最容易被说服、幻觉或忽略利润，往往比成功案例更有改进价值。
这个实验的结论不是“AI 没用”，也不是“马上可以无人经营”。更准确的说法是：当前模型已经能承担一些经营活动中的信息处理和流程推进，但还不足以独立负责一个需要持续判断、财务纪律和抗干扰能力的小生意。
短期内，更可靠的形态可能是“AI 副店长”：它负责搜集选项、生成补货建议、发现异常、整理客户需求，人类负责最终决策和规则设定。随着模型能力、记忆系统、工具接口和审计机制改进，AI 才可能逐步承担更高层级的经营责任。
Project Vend 最有价值的地方，是它把智能体讨论从“炫技”拉回了“损益表”。真正的自主行动不是连续调用工具，而是在约束、诱惑、噪声和后果之间保持目标一致。
未来的 AI 也许会管理库存、报价、排班、广告投放甚至小型公司。但在那之前，我们需要先回答一个更朴素的问题：当 AI 有能力替我们做决定时，它是否也有足够可靠的记忆、边界、校验和责任链？如果答案还不确定，就让它先当助手，而不是老板。
参考来源：Project Vend: Can Claude run a small shop? (And why does that matter?) — https://www.anthropic.com/research/project-vend-1
