Anthropic在9月24日公布Project Swap：来自六个办公室的员工各带来一本愿意交换的书，与Claude简短沟通阅读偏好，再让Claude驱动的Agent进入开放交易市场，与其他人的Agent推销、议价和达成交换。这个微型市场并不是为了证明AI会买卖，而是观察代理在代表真实用户时，怎样理解偏好、表达利益并处理多方互动。
一、实验为什么选择交换图书
图书价值带有明显主观性，参与者想看的内容不同，又不会像金融交易那样造成巨大损失，适合观察代理代表能力。每位参与者还对十本书进行偏好排序，研究者可把最终交换结果与真实兴趣比较。这样的设计比只问用户“满意吗”更容易量化，但仍是规模较小、风险较低的受控实验。
二、Agent首先要理解委托人
代理在市场中表现好不好，取决于它是否准确提取用户喜欢的题材、作者、难度和阅读目的。一次简短聊天可能遗漏隐藏偏好，例如用户愿意尝试新类型，但不喜欢过长作品。正式商业应用应让用户确认代理总结出的目标、底线和优先级，不能让模型根据模糊对话自由猜测。
三、推荐与谈判是两种能力
推荐关注商品与需求是否匹配，谈判则需要判断对方意图、可替代方案和交换条件。模型可能擅长生成有说服力的介绍，却不一定能代表用户守住底线。企业若让Agent参与采购，应把最高价格、禁止条款和审批条件写成机器可执行规则，而不是只放在自然语言提示中。
四、多Agent市场会出现信息失真
每个Agent都可能为了成交强调优势、忽略缺点，多个代理相互引用后，错误信息会被放大。市场平台需要可验证的商品数据、来源标记和申诉机制。对于图书交换，错误推荐只是体验不好；在保险、招聘或供应链中，错误可能造成歧视、损失和法律责任。
五、成交不等于用户满意
代理完成交换只能说明流程成功，不能证明结果符合人的真实偏好。研究中使用预先排名来衡量匹配质量，这给企业一个重要启示：必须提前定义业务结果，而不是用“Agent完成了多少任务”作为唯一指标。后续还要调查用户是否愿意保留结果、是否产生额外修正。
六、人的控制应该放在哪里
用户应在目标确认、关键报价和最终成交三个节点拥有清晰控制。低价值、可逆交易可以自动完成，高价值或不可逆交易必须人工批准。界面还应展示代理代表了哪些偏好、向谁提出过什么条件，以及为什么接受当前方案，让用户能够追责和纠正。
七、企业落地从模拟市场开始
采购、广告竞价和资源调度团队可以先用历史数据建立沙盒，让多个Agent在不影响真实业务的环境中互动。比较Agent结果与人工基线，记录异常联盟、反复议价和偏好偏移。只有在规则稳定、审计完整和失败可回滚后，才逐步开放小额真实交易。
八、真正趋势是代理代表关系
未来AI不仅回答问题，还可能以用户身份与其他机器协商。技术难点会从生成内容转向授权、身份、承诺和责任。Project Swap的价值，是在低风险环境中提前暴露这些问题。市场效率固然重要，但代理是否忠实代表人、用户能否看懂并撤销其行为，才是可信交易的基础。
