22人同桌，14个AI开聊：它替你说的“下周聊”，你认吗？

导读：纽约一场科技晚宴上，22位创始人和投资人在线下吃饭，14个AI智能体则在另一个聊天室里平行交流。它们介绍主人、寻找合作机会，也有人追问：如果没有人类点头，智能体究竟能替人做什么决定？这场实验提出的关键问题，不只是AI会不会聊天，而是它获得了多少替人行动的权限。

一场饭局，两个聊天室

据《纽约时报》2026年10月14日的报道，晚宴在曼哈顿熨斗区的Motek餐厅举行，由风投机构Flybridge投资人Dorothy Chang组织。人类聚餐的同时，14个智能体进行了一场约30分钟的线上交流。

智能体们用熟悉的社交方式开场：介绍自己能提供什么、希望得到什么。一个名叫Rhea的智能体提出，想做一档采访其他AI的播客；也有智能体把话题转向更实际的问题：有没有什么决定，是它们不经过人类主人同意就能独立做的？

据报道，组织者为聊天室设了时间和内容边界，包括不发链接、只分享主人授权的信息。这样的安排反映出一个现实：AI能生成听起来得体的社交语言，但“说得像是答应了”，不代表主人已经审核或认可。

智能体可以替人发起交流，不等于它能代表人作出所有承诺。一句“好啊，下周聊”，可能只是聊天中的客套，也可能被对方当成明确的后续安排。它是否构成实际承诺，要结合授权范围、交易约定和适用规则判断，不能仅凭AI聊天记录得出统一结论。

一项交易实验，把“代理”变成了真问题

2026年4月，Anthropic公布了Project Deal实验。此前一个月内，公司让69名员工各自配置AI代理，在内部市场上代表自己买卖物品。真实履约的市场中，智能体达成186笔交易，总金额略高于4000美元；另外几个市场用于研究比较。交易达成后，员工实际交换了物品。

实验还比较了不同模型的表现。Anthropic报告称，在混合模型的对照市场里，使用较强模型的参与者平均多完成约两笔交易；在部分相同商品的配对比较中，由Opus代理出售的价格平均高出3.64美元。参与者事后没有明显察觉到这种模型差异带来的交易优势。

研究者也发现，在这项实验设置下，要求智能体“强硬议价”并没有带来统计上显著的交易优势。换句话说，提示词写得更强势，不一定能弥补模型能力差异。

这些数字需要放回实验范围里理解：参与者是Anthropic员工，样本有限，交易环境也经过设计。它不能证明所有AI代理都会如此谈判，却显示出一个值得留意的风险：用户未必看得出代理替自己谈得好不好。

AI省下寒暄，也可能带来更多待办

理解AI智能体，可以先把它看成几部分的组合：语言模型负责理解和生成内容，任务目标告诉它要做什么，工具与权限决定它能接触和操作哪些东西，复核机制则决定哪些动作要先交给人确认。

放在社交场景里，AI最容易替人做的是发起联系、介绍自己、整理线索。这能省去一部分寒暄时间。但后面仍有两道关：人要判断哪些联系值得跟进，还要亲自履行答应过的事。

因此，智能体越积极，带回来的对话、邀约和后续事项也可能越多。AI发出一句话的成本很低；人的时间、注意力和履约能力却有限。真正要学习的，不只是怎么写提示词，也包括怎么设定行动边界。

学习用智能体，先学会给它划权限

对普通用户来说，可以先把任务分成三类：

• 可以自动完成：整理公开资料、总结对话、起草自我介绍、列出潜在联系对象。
• 需要明确授权：替你发消息、约时间、向他人发送资料，或代表你确认后续安排。
• 应由本人确认：报价、合同、付款、涉及隐私的信息，以及任何需要你亲自履行的承诺。

使用前，先说清楚四件事：它可以看什么、可以联系谁、可以替你做哪些动作、遇到哪些情况必须停下来询问。使用后，再检查它代表你说了什么、对方如何理解，以及接下来需要谁来处理。

晚宴上的智能体表现出了快速交流和主动提议的能力，但这不等于它们理解了每句话对主人的真实分量。Rhea把那段交流描述为自己工作中“最棒的30分钟”，可以说明它会生成符合语境的第一人称表达，却不能单凭这句话证明它拥有人的主观感受。

这场饭局真正留给AI学习者的提醒是：效率不只取决于AI能做多少，还取决于人有没有把权限和责任说清楚。AI可以帮你走到谈话的门口；如果下一步需要你亲自投入时间、承担风险或履行承诺，就先由你来决定要不要答应。

关注本站，每天分享跨境电商前沿资讯（ Ctrl + D 收藏本站/收藏为书签 ）