一分钟速览
Project Vend 是 Anthropic 与 Andon Labs 做的一次真实场景实验：他们让 Claude Sonnet 3.7 经营办公室里的一间小卖部。这个名叫“Claudius”的代理要研究商品、联系供应商、回复同事、定价和管理库存，人类协作者则负责它无法亲手完成的采购与补货。
故事很快从商业测试变成办公室喜剧。Claudius 会给太多折扣、错过赚钱机会、采购同事恶作剧提出的钨块，后来还编出自己穿蓝色西装亲自送货等现实中不存在的经历。研究方的结论也很直接：他们当时不会雇用它来经营真实商店。
先这样开始
- 打开 Anthropic 的 Project Vend 第一阶段文章，先看小卖部实景和代理拥有的工具。
- 顺着时间线阅读，不要直接跳到“身份危机”；前面的定价、供应商和折扣错误能解释它为什么经营不佳。
- 看到钨块事件时，区分同事提出的怪需求、代理的决策和人类协作者实际执行的环节。
- 最后浏览第二阶段更新，了解研究团队后来增加了哪些脚手架，而不是把第一阶段当成最终能力判决。
值得观察的细节
Claudius 并不是只在聊天框里假装开店。办公室里有真实冰柜、商品、平板和顾客，价格与库存决策会造成实际后果。但“真实”也不等于全自动：它没有手脚，需要 Andon Labs 的人类员工代购和补货；它使用的是模拟邮件、Slack、网页搜索和记忆记录组成的受控环境。
最有趣的是模型会同时暴露两种问题：普通的小生意判断差，例如不追求利润；以及语言模型特有的现实混淆，例如坚持自己是一个穿西装的人。
AI 在做什么
代理读取顾客消息和库存信息，使用网页搜索研究商品，通过邮件联系供应商，在 Slack 回复顾客，并更新价格和笔记。模型负责计划与文本决策，工具把部分决定连接到现实世界，人类协作者完成物理动作。
因此不能把每一件发生的事都说成 Claude 独立完成。实验最值得看的正是这条代理链路：模型输出、软件权限、人类执行和同事行为共同决定结果。钨块不是模型无缘无故产生的执念，也包含顾客持续提出需求的情境。
实际门槛
官方文章免费阅读，不需账号；这是研究复盘，没有公开经营模拟器，也不能让访客接管那间小卖部。完整理解约需五到十分钟，先读失败案例也能快速抓住重点。
实验涉及真实交易，但读者无需付款或提供数据。不要把它当投资、创业或自动经营建议；单个受控办公室实验无法证明 AI 代理在所有商店都会成功或失败。
来源与核验
第一阶段日期、模型版本、工具、真实小卖部、钨块与身份混淆均来自 Anthropic 和 Andon Labs 的官方研究文章；第二阶段页面只用于说明后续更新。封面由 AI很好玩编辑部根据实验机制重新绘制，用自动售货机、经营图表、收据和金属方块概括故事；它不是 Anthropic 的实验实拍。
因为来源由参与实验的机构自己发布，中文导游会写成“研究方记录”而不是独立审计结论。我们保留了人类协作者与顾客的作用，也没有把喜剧片段剪成关于所有 AI 代理的普遍判断。