Vibe Commerce 来了：当「说句话就下单」变成 Agent 考场

上个月还在聊 vibe coding，现在学界已经把「vibe commerce」搬上论文了。

Rutgers、Santa Clara 等高校联合发了一篇新论文，题目就叫「Agentic Commerce World: An Auditable and Verifiable Environment for Vibe Commerce」。既然你能对 AI 说「帮我写个贪吃蛇」，那能不能对它说「帮我买一件 200 块以下的白色卫衣，不要纯棉，要能机洗的」——然后让 Buyer Agent 和 Merchant Agent 自己完成交易？

这个设想不算新，但他们真搭了一个仿真环境来当考场。

ACWorld：Agent 版的「淘宝模拟器」

这个环境叫 Agentic Commerce World（ACWorld），核心是一套叫 Vibe Commerce Protocol（VCP）的交互协议。VCP 的作用是：在 Buyer Agent 和 Merchant Agent 每次交互前，先校验动作合法性，再更新交易状态，同时把整个流程记录下来。每一步都能回放、能审计、能复现结果——这对研究型评测来说至关重要，因为商业场景里「结果对了但过程错了」的情况太常见了。

论文给出了两个评测赛道：一个 200 任务的「能力覆盖」赛道，和一个 60 任务的「大目录」赛道。大目录赛道在 785,022 条可交易商品条目上做检索和匹配，规模接近真实电商场景的缩微版。

十款模型跑下来，分数比想象中低

他们测试了 10 个模型，在能力覆盖赛道上平均得分在 65.9% 到 85.6% 之间；大目录赛道更分散，从 56.1% 到 91.4%。这不是传统的 QA 准确率，而是 Agent 在多轮交易中完整走完流程的成功率——从理解用户需求、搜索商品、协商条款到完成交易。

91.4% 看着还行，但那是 60 个任务上的表现，而且是最优模型。大部分模型碰上大规模目录检索时，瓶颈暴露得很明显。

一句不显眼但关键的分析

论文里有一句不那么显眼但很关键的分析：「final state alone can miss evaluated errors」——只看最终成交状态是不够的，会漏掉大量过程错误。

做过 Agent 系统的人对这个场景不陌生：Agent 最后给了你正确答案，但中间走了弯路——比如多调了一次接口、问了不该问的信息、或者在某步做出了不符合规则的决策。如果只检查结果，这些行为风险会被完全隐藏。ACWorld 的 VCP 协议做的事情，就是把「中间过程」也变成可审计的证据链。

这正是很多 Agent 落地项目在面对的难题。你在生产环境里跑一个购物助手的 Agent，用户说「买到了，没问题」，但你的账单、权限日志和供应商那边可能已经绕了好几圈弯路。没有过程审计，老板不敢放量。

做 AI 产品的人能从中看到什么

这篇论文给「商业 Agent」画了一套考场规则。它没有给出商业产品，也没有开源代码（目前页面只提供了 PDF 和实验性 HTML），但提供了一个评测思路：Agent 到底能不能在 Buyer 和 Merchant 各自拥有私有目标、各自保有独立决策权的前提下完成交易？

这个设定很接近现实。买家不想暴露预算上限，卖家不想亮出底价，双方都由 Agent 代理谈判——多智能体博弈的复杂度就在这里。ACWorld 的贡献在于，它把这种博弈放进了一个可审计、可复现的沙箱里，让研究者、甚至最终的产品团队能比较不同模型和策略的真实差距。

785,022 条商品离真实电商平台的 SKU 量级还差几个数量级，200 个任务的覆盖度也远谈不上完备。不过论文指出的方向很清楚：如果 vibe coding 已经在改变软件的生产方式，vibe commerce 迟早会改变商品的流通方式。只不过到时候，「AI 帮我买错了能不能退」会比「AI 帮我写错了能不能改」更现实——ACWorld 至少让这个问题先变得可以测了。