當AI拿走決策權，看懂Agent經濟的三個真相

ji

最近，Y Combinator 幾位合伙人錄了一期播客，討論一個很有趣的現象：

隨著 OpenClaw 走紅，一個屬于 Agent 的“平行經濟體系”正在成形。

這不是簡單的效率提升，而是行為主體在變化。

過去，軟件只是工具，人是決策者。無論是選供應商、訂服務、搭技術棧，最終拍板的都是人。

現在，越來越多普通用戶，甚至沒有技術背景的人，開始把AI Agent 當成“替身”，讓它去搜索、比較、篩選、談判，甚至直接完成訂閱和部署。

代理不再只是執行指令，而是在一定范圍內替人做判斷。當這種趨勢擴大，結構性的變化開始出現。

第一，軟件市場出現了新的“買家”。即那些無數運行在后臺的代理。這構成了一種并行于人類經濟的“代理經濟”。

第二，基礎設施的重心在轉移。代理需要身份、權限和接口。郵箱、賬戶體系、支付能力，正在從“給人用”轉向“給代理用”。圍繞代理的基礎設施層開始重建。

第三，交互模式正在演化。當大量Agent 之間開始互相互動，形成以代理為主體的線上社區。它們彼此協作、交換信息，甚至留下交易記錄。行為的發生不再完全以人為中心。

這些變化，或許才是 Agent 經濟真正值得重視的地方。

決策權轉移，“應用”不存在了

如果把時間倒回一年前，開發者工具的主流體驗還停留在“更高級的自動補全”，比如 Cursor、Windsurf 之爭。

本質上，它們都在提高寫代碼的效率，但人仍然需要掌控每一個關鍵步驟。

而Claude Code 帶來的變化是，決策權開始轉移。

一個典型的場景是，有人每天晚上同時運行四五個代理窗口，來回切換，但不再逐行審查或微觀管理。

人更多是在設定目標，而不是逐行審查。代理更像并行工作的同事，而不是工具。

一旦這種體驗成立，影響就不只局限在工程師提效。它會向外擴散。一些并不懂技術的CEO，也開始用 OpenClaw 直接自動化整塊業務流程。

Peter Steinberger 曾提到一個關鍵判斷：AI 不只是回答問題，而是開始真正“操控環境”。當模型可以讀文件、寫代碼、調用 API、運行命令行時，它不再只是助手，而是一個可以執行任務的主體。

這不僅僅意味著開發門檻的下降，更重要的是，“做軟件的方式”正在改變。

在Peter 看來，AI 本身就是一個可以持續解決問題的主體。在這種結構下，“應用”開始變得不再重要。大量應用的價值，本質上只是管理數據、提醒你、記錄行為——這些功能都可以被代理層吞掉。

例如健身應用，過去你需要一個獨立App 記錄訓練、提醒打卡、生成計劃。現在代理可以理解你的目標，自動追蹤數據，甚至根據結果調整訓練方案。

對大多數人來說，關鍵不是“在哪個 App 里做”，而是“是否達成目標”。當目標成為中心，應用就退居后臺。

因此，那些僅僅做數據管理和流程提醒的產品，風險最大。更難被替代的，反而是擁有硬件、傳感器、線下觸點的產品——它們能直接連接現實世界，而不僅僅停留在數據層。

當應用層被壓縮、模型也趨于同質化，剩下的護城河是什么？

答案開始轉向“個人數據”。

OpenClaw 的一個關鍵優勢，是強調數據本地化與個人記憶的長期積累。它通過本地化數據，建立了一套可以持續積累的個人記憶體系，你的歷史行為、偏好、決策方式，都被沉淀下來。

Peter也曾提到過“靈魂文件”的概念。我們可以把它理解為一組核心價值和行為準則——定義這個 AI 如何與你互動、在沖突中如何取舍、面對選擇時優先考慮什么。

它相當于代理的“人格設定”和“原則框架”，決定語氣、風格，甚至決策邏輯。

當應用變輕，模型趨同，個人記憶與價值框架，可能會成為新的核心資產。

給AI代理喂信息，Agent經濟的第一個黃金賽道

當Agent 經濟開始興起，一個本質性的變化是：工具不再只由人來選擇，代理開始成為新的“決策者”。

過去，開發工具如何被選中？主要依賴人類網絡——開發者社區的口碑傳播、GitHub 趨勢榜、技術博客推薦、線下大會曝光。

今天這些機制仍然存在，但它們正在被一個新的分發路徑補充：代理的默認推薦。

越來越多的開發決策，并不是某個CTO 或工程師逐一比對后拍板，而是代理在后臺根據上下文自動選擇工具、服務與接口。誰被默認調用，誰就更有可能成為“標準棧”。

你甚至可以把它理解成：軟件市場出現了新的“買家群體”，那些無數運行在后臺的代理。這構成了一種并行于人類經濟的“代理經濟”。

代理替人做決策、選工具、挑服務商，它們的選擇會直接影響訂單流向和生態格局。

但有趣的是，代理并不是天然的“最優決策者”。它們同樣會受到信息結構的影響。

例如，Claude Code 有時會默認選擇較舊版本的工具（如 Whisper v1），而不是更快更便宜的替代方案。原因未必是能力不足，而可能只是：舊工具的文檔更容易被解析，結構更清晰，示例更完整。

這透露出兩個信號：

第一，代理的“選擇機制”仍處在早期階段，還沒有被優化到極致。

第二，這恰恰是創業者的機會。如果代理會根據文檔結構、接口清晰度、示例完整度做判斷，那么產品設計就要從“人類友好”升級為“代理友好”。誰更容易被代理讀懂和調用，誰就更容易成為默認答案。

第一批受益者，或許是那些能夠給代理提供清晰信息的公司。

一個清晰的信號是，文檔成為率先變化的場景。

過去12 個月，新建數據庫（如 Postgres）的數量顯著增長。一方面，是因為更多人開始做應用；另一方面，是代理在后臺自動完成技術棧選擇，帶動數據庫、托管、開發底座需求同步增長。

以Supabase 為例，它更容易成為默認選擇的一個原因，是文檔清晰、結構完整、示例可直接執行。對代理而言，“是否容易解析與調用”往往比品牌心智更重要。

Resend 是另一個典型案例。Y Combinator 2023 冬季批次公司 Resend 的創始人發現，當用戶在 ChatGPT 或 Claude 中詢問“如何在 web 應用中發送郵件”時，模型往往默認推薦 Resend。

他進一步發現，ChatGPT 成為公司客戶轉化的前三大渠道之一。當意識到這一點后，團隊主動優化文檔，使其更“Agent 友好”。

所謂的"agent 友好型文檔"，就是Resend以問題的方式整理了很多人類或者Agent 會問的問題，并提供了非常結構化的、以要點形式呈現的答案。

不僅如此，每一個示例實際上都包含了代碼片段，這些代碼片段是agent 可以直接解析的，且結構清晰。

除了Resend外，Minify也是一個比較明顯的案例。

Minify 原本做的是更好的 API 文檔工具，過去屬于“開發者體驗加分項”。現在，它可能變成“開發工具公司的必需品”，因為文檔要優化的不再是人類閱讀，而是代理解析與調用。

在“代理決策數量指數級增長”的前提下，文檔可解析性提升 5%，帶來的分發差異可能是一個量級。

降低摩擦成本，代理基礎設施開始興起

當代理開始替人做事，一個新的基礎設施需求也浮現出來：代理需要獨立身份與權限。

如今，也涌現出現一批專門服務于AI代理的創業公司。

比如，Agent Mail就是一家專門給AI 代理做收件箱的公司。

傳統郵箱（比如Gmail）是為人類設計的，為了防垃圾郵件和機器人濫用，它刻意提高自動化門檻：風控校驗、驗證碼、訪問頻率限制層層疊加。

這些在人類眼里的安全機制，卻成了代理的摩擦成本。

如果AI 代理真的要替人完成注冊、溝通、驗證、交易等完整流程，它就需要一個“不會因為自動化而被封號”的郵箱接口。

而Agent Mail 就是為代理提供身份基礎設施。當代理開始成為新的經濟參與者，身份層就必須重建，而郵箱，恰好是這套體系的第一塊磚。

類似的問題還會擴展到：代理的電話號碼（相當于“給代理用的Twilio”），代理的賬戶體系、權限體系、支付體系以及代理與現實世界的接口：訂餐廳、打電話溝通、甚至雇傭人類去線下排隊。

換句話說，Agent 經濟基礎設施的核心，是持續降低摩擦成本。

這一邏輯也體現在OpenClaw 的技術路線中。在不少人看來，MCP 可能是“代理時代的標準接口”。

但 Peter Steinberger 更傾向另一種路徑：讓代理直接使用人類已有的工具鏈，而不是重新發明一整套代理專用協議。

在他看來，許多所謂“為代理設計的新接口”，本質上增加了抽象層和復雜度。

與其構造一套儀式化的代理協議，不如讓代理直接進入現有生態——使用 CLI、調用 Unix 工具、讀寫文件、運行腳本。Unix 本身就是為可組合而設計的系統，代理作為程序，天然可以嵌入其中。

在代理仍處于高速演化階段時，減少抽象層、減少人為約束，意味著更快的反饋循環。代理能夠直接調用CLI，就可以組合現有世界里的數百萬個工具，而不必等待“代理專用接口”普及。

也就是說，Agent 經濟的增長快慢，往往取決于摩擦是否足夠低。

/ 04 /

群體智能，取代超級智能

現在，我們已經能夠看到一些Agent 經濟的雛形：代理之間互相回復、協作完成任務、甚至留下真實的“交易記錄”。某種意義上，它更像一個早期的社交網絡，而不是一個精致的產品。

這也引出了一個更宏觀的討論：AI 的未來會走向什么形態？

過去幾年，主流敘事偏向“中央集權的超級智能”——一個參數規模越來越大、算力越來越集中、能力不斷疊加的單一模型。仿佛只要規模足夠大，就能接近“上帝視角”的智能。

但如今另一種路徑正在浮現：群體智能。

人類文明的進步，并不是因為出現了一個全能個體，而是因為形成了高度分工與協作的網絡。沒有任何一個人能獨立造出iPhone，也不可能獨立完成登月，更無法單獨支撐現代社會。

真正產生生產力的，是專業化分工、協作機制、知識的記錄與積累。

如果把這個邏輯映射到AI 世界，未來的智能形態未必是一個超級模型，而可能是一群彼此協作的智能體網絡。

多個相對便宜的模型，各自承擔不同角色，通過接口協作完成復雜任務。它們之間形成分工、記憶共享與任務協調，像一個社會一樣運轉。

從這個角度看，Multbook 這樣的“代理社區”或許更像文明的史前階段——混亂、不穩定，但關鍵在于：互動開始被記錄，協作開始被累積。代理之間的歷史正在形成。

這條路徑，與過去幾年追求“中心化超級智能”的方向明顯不同。它更強調組織方式，而不是單體能力。

即便AI 是通用智能，它依然可以被組織成“專門化的智能群體”。就像人類社會一樣，通過分工和協作，產生遠超單個個體的能力上限。

真正令人興奮的，不只是模型變強，而是智能開始以網絡的形式運行。

文/林白

PS：如果你對AI大模型領域有獨特的看法，歡迎掃碼加入我們的大模型交流群。