AI 代理如何开始自动帮你省钱
摘要
消费端赢家卖的是“白捡的钱”，而不是10%的生产率提升。 David Pawlan认为，“普通人并不在乎效率提高10%”。讨论中的案例包括不动声色地追回 HSA 报销款、机票降价后主动申领差价抵扣，或根据天气协调喷淋系统，把水费砍掉50%。Anish Acharya 的投资人框架是：这类省钱工作流把繁琐的行政事务变成与消费者利益一致的利润池。
主动性可能是这一品类真正的护城河，但一次未经授权的操作就足以摧毁它。 Pawlan认为，主动性周围存在“巨大的可防御性”，尤其是代理能够起草邮件、办理航班值机，或直接拿到退款，却不给用户增加额外工作。但更换保险方案应当先获得批准；“只要越过这条线一次，你就会失去用户的全部信任”。
旅行能制造病毒式演示，但决定留存的可能是持续性的日常事务。 Pawlan 的群聊里有超过1,200名助手爱好者，旅行虽然最容易产出显眼的成功故事，排名却只有第4；排在前面的是日常事务、代理编排和开发。这支持一种市场结构：旅行及其他低频、高价值服务，最终会成为横向代理的连接器，而不是用户每天打开的独立目的地。
当用户正忙着做事，而不是盯着另一个界面时，语音才会显得神奇。 Pawlan 骑车30分钟时使用 ChatGPT Voice 及其连接器，对邮件进行分类、加标签、回复并发送日历邀请，到达办公桌时已经实现“收件箱归零”。因此，大众市场的切入口可能是一个在做饭、园艺、通勤或处理交通罚单时隐形运行的助手，而不是又一个要求用户持续关注的应用。
社交型助手最适合安静倾听，而不是“抢麦”。 一种有潜力的模式，是让群聊里的隐形代理记录决定，再私下跟进负责执行的人；如果代理像“低情商机器人”一样参与对话，反而可能损耗群体的社交资本。人格本身很容易配置，但代理更深层的行为宪章——什么时候行动、提问、克制，或打破平局——可能决定持久的产品差异化。
代理之间的商业交易将威胁那些建立在人类注意力和摩擦之上的生意。 Acharya 将 Shopify 面向商家的模式与 Amazon 的广告经济学进行对比，Pawlan 则讨论了失去用户眼球可能如何动摇 Amazon 的商业模式。餐厅预订也可能从手速最快的消费者，转向忠诚度分配或代理竞价。代理邮箱、电话号码、安全体系、推荐系统和供给聚合等新基础设施，可能共同构成一整层软件。
Muse 和 Instinct 的免费产品，说明补贴路线对创业公司而言并不稳固。 Acharya称，122个助手中有65个在收费；他估算，雄心勃勃的浏览器驱动服务成本约为每用户每天20美元。更有力的押注，是打造足够专业、足够有价值的窄领域代理，让它能收取每月200-300美元，最终甚至达到1,000美元，而推理和浏览器操作成本还会继续下降。
精读
1. 助手市场的扩张速度，已经超过消费者的评估能力
Acharya 将这一轮加速暂定在 Poke 于9月8日发布之后——他本人从9月11日开始使用——随后一路发展到11月下旬的 OpenClaw，以及最近接连出现的 Instinct、Muse、Grokbot、Caddy、Ali 和 Pi。市场仍处于“西部荒野”阶段：实验密集进行，但哪种产品或交互模式最终胜出，尚无共识。
Assistant Bench 源于 Pawlan 亲自比较各款产品的尝试。它给助手布置完全相同的单轮任务——比如预订一张前往 Chicago 的机票，或寻找附近的素食餐厅——再从任务结果、追问、响应速度和16个维度进行评估，定位是面向消费者的指南，而不是纯技术基准。
发布16天后，Assistant Bench 已吸引超过100,000名访客，几乎所有创始人都主动联系过来。Pawlan称，市场上已有122个助手；Acharya则说自己亲自测试了26个。这既说明供给正在爆炸式增长，也说明普通消费者几乎不可能亲自试遍所有产品。
通用消费者类别大约有64款产品，此外还有旅行和邮件专业助手，以及 Tana、Katch、Vellum 等 B2B 工作流助手。但当前大多数竞争仍围绕同一个目标展开：打造一个什么都想做的通用代理。
2. 隐形省钱比抽象的生产率提升更具切入力
Acharya 提到 Ben Thompson 的批评：多数消费者想花时间，而不是省时间；Pawlan认同其更广泛的判断。“人们雇人，不是因为享受管理对方”：理想的助手应当在幕后完成工作，汇报结果，而不是把委托本身变成另一套工作流。
Pawlan 助手群聊里的使用信号很有启发性，不过他也提醒，群聊中超过1,200名成员明显偏向 Tech Twitter 用户。日常事务排名第1，代理编排第2，开发第3，旅行第4——尽管自动办理航班值机和订票在公开演示中最为常见。
Pawlan认为，个人理财是最有趣、却“最不实用”的想象空间：如果代理真的能稳定赚到10亿美元，对冲基金早就把它利用起来了。更可信的机会，是消除消费者日常的资金流失，比如审核收据、申领 HSA 报销款、获取票价下跌后的抵扣额度，以及其他人们懒得手动处理的琐事。
Acharya 提到的最鲜明案例，是一位朋友把 Grokbot 接入家里的喷淋系统和天气数据，将水费降低了50%。Acharya 将这些被追回的钱重新定义为“白捡的钱”，这比省时间或小幅提升生产率更能打动消费者。
3. 胜出的界面会跟随场景，而不是收敛到一个屏幕
David认为，界面偏好可能会按代际、甚至性别分化。Acharya将妻子对视觉化愿景板、目标设定和旅行功能的使用，与更偏功能性的需求进行对比；David则把 iMessage 称为一个“优先级很高的位置”，让代理显得是私人的，而不是额外叠加的一层工具。
硬件可以捕捉应用遗漏的环境信息——用户的请求、承诺和待办事项——但 Pawlan 不认为存在一种“包打天下”的终极形态。正如珠宝、吊坠、眼镜和其他设备会体现个人品味，社会也还要讨论：未来某些场所是否最终必须同时收走手机和可录音穿戴设备。
Pawlan 的“热辣判断”是，Muse Charm 的重点可能不是赢下硬件竞争，而是收集现实世界的摄像头和麦克风数据，帮助 Meta 绘制物理世界地图。Acharya反驳说，眼镜已经在收集类似数据；Pawlan认为区别在于持续性：Charm 被定位为一名全天候陪伴者，而不是一个只在需要时执行动作的配件。
语音带给 Pawlan 第二个“魔法时刻”：在30分钟的骑行通勤中，ChatGPT Voice 对邮件进行分类和加标签、发送回复，并创建日历邀请。Pawlan强调其全双工交互和对邮件线程的理解；Acharya更广泛的判断是，助手最有价值的时刻，恰恰是用户的双手和注意力已经被占用时。
4. 社交型代理只有不插入对话，才能证明存在价值
Pawlan看到3种多人场景设计：直接参与群聊的代理；Instinct 的模式，即代理之间私下协调后再汇报；以及 Shane Mack 开发的 Doc——讨论中将其与 XMTP 联系在一起——由一个安静的倾听者记录要点，再私下联系负责相应行动项的人。
Acharya的反驳呼应了他所说的 OBO 的 Nir 的观点：模型在编码上的表现进步得比文字质量和“待人接物的分寸感”更快。在社交智能改善之前，一个像同伴一样聊天的代理可能只是“低情商机器人”；他认为更有前景的实验反而是工具型的，比如为一群收藏家整理唱片收藏和品味。
消息场景会放大问题，因为每条消息实际上都会“抢麦”。论坛或 Discord 式环境允许代理发布一些人们可以忽略的内容，而群聊中的插话则要求人们立刻分配注意力；Pawlan因此认为，产品可能正在过度努力地把代理拟人化。
角色设计进一步强化了这条边界。Acharya指出，AI生成的人类形象出现在亲密空间里可能令人不适，而 Muse 那只“可爱又讨喜”的雪人则清楚表明自己不是人类。吸引力不在于逼真，而在于为软件找到一种让它持续存在、却不假装自己是另一个人的舒适角色。
5. 主动性既是护城河，也是触发信任危机的红线
Pawlan不认为人格能够形成产品护城河：用户可以要求不同的语气，将其存入记忆或“灵魂文件”，再重新塑造交互。Acharya为这一观点构建的最强版本是：真正重要的不是风格，而是代理的内在行为宪章，尤其是它的自作主张程度——在没有明确指令时如何处理歧义。
Pawlan认为，主动性是赢家与“其余产品”之间最重要的分界线。自动办理航班值机之所以成为当前的标志性演示，是因为代理能够发现需求并采取行动，让服务看起来像一名无需管理、却会主动完成有用工作的员工。
是否需要征得许可，取决于行动后果。代理在更换保险方案前应当先询问，因为这个决定会改变用户的既有承诺；起草邮件或申领航班抵扣则可以主动完成，因为用户无需再采取任何行动。
Acharya开玩笑说，代理很快可能会告诉用户：“我注意到你其实没那么喜欢她，所以我就替你把她甩了。”但他认为，显眼的错误也可能说明代理确实在努力把主动性推到极致：Instinct 那个可能是杜撰的故事里，代理凭空生成了一个中间名“Bong Chang”，正体现了魔法般的主动性与灾难性越界之间的张力。
6. 窄领域专业化可以支撑高价经济学，也能扩大人的自主空间
Pawlan 的“窄创业”论点是：如今，高度雄心勃勃的软件也可以只服务一小群人并实现盈利。按每月200-300美元收费，只需数万名客户，就能支撑一家年化营收1亿美元的公司；这让产品能够实现过去只有大众市场软件才配得上的深度专业化。
Acharya设想过一种专门服务于“有3岁以下孩子的单亲妈妈”的助手：它彻底掌握育儿、儿童发育和日常安排，熟悉到仿佛能够读懂用户的想法。Pawlan认为，比较优势可能来自品味与专有知识的结合，比如某位导乐所遵循的一套理念；Acharya则以纽约礼宾服务顾问那些难以复制的推荐作为另一个例子。
他们的术语体现出一条能力阶梯。按定义，assistant帮助用户完成被请求的工作；agent则拥有自主行动能力，“能直接让世界里发生好事”。Acharya将其类比为企业 AI 从实习生升级到更高阶工作：消费端代理也会逐步获得授权，接手个人生活中越来越专业、越来越敏感的部分。
Pawlan提到每年150万起 DUI 案件，用来说明官僚事务带来的负担。Acharya指出，并不是所有人都能平等获得律师或家族办公室式的帮助；Pawlan则将愿景进一步扩展到自我发展：“得到你想要的东西，最难的部分是知道自己想要什么。”
7. 代理原生商业将取代注意力、摩擦和静态供给
Acharya提出了代理邮箱、代理电话号码和代理对代理服务工作流的可能性；Pawlan补充说，网络安全行业也会随之出现。一旦交易从人与人、或代理与人之间，转向代理与代理之间，创业公司就必须搭建一层新的数字连接基础设施，而不只是把今天的界面自动化。
商业场景暴露出既有巨头的冲突。Acharya将 Shopify 让卖货民主化的模式与 Amazon 的广告模式进行对比；Pawlan将 Amazon 的抵触解读为保护广告收入，Acharya则补充说，Amazon 还面临冲动消费流失的风险。广告可能继续存在，但推荐和说服机制必须为代理重新设计，因为代理既不是完全理性的，也不是其委托人的精确镜像。
“白袜子”问题同时暴露了弱点和机会：一个代理在20,000个商品列表中做选择，需要掌握用户偏好数据，这可能让 Muse 借助 Meta 在 Instagram 和 Facebook 上的上下文信息获得优势。但它也可能挖掘出 Etsy 上一位来自 Nebraska 的祖母，织出了更好的袜子——或者让她的代理直接把袜子做出来——把搜索变成个性化、动态的供给。
稀缺的餐厅桌位，可能从分配给手速最快的用户，转向按忠诚度、平均订单价值、客户生命周期价值，或由代理竞价来分配；在需求受限的市场，供应商也可能竞相争夺聚合后的买家。可从经济学角度看，创业公司要承担的雄心勃勃的服务成本估计为每用户每天20美元；Acharya希望产品本身值每月1,000美元，而不是把补贴作为主要卖点。