当AI拿走决策权，看懂Agent经济的三个真相

最近，Y Combinator 几位合伙人录了一期播客，讨论一个很有趣的现象：

随着 OpenClaw 走红，一个属于 Agent 的“平行经济体系”正在成形。

这不是简单的效率提升，而是行为主体在变化。

过去，软件只是工具，人是决策者。无论是选供应商、订服务、搭技术栈，最终拍板的都是人。

现在，越来越多普通用户，甚至没有技术背景的人，开始把AI Agent 当成“替身”，让它去搜索、比较、筛选、谈判，甚至直接完成订阅和部署。

代理不再只是执行指令，而是在一定范围内替人做判断。当这种趋势扩大，结构性的变化开始出现。

第一，软件市场出现了新的“买家”。即那些无数运行在后台的代理。这构成了一种并行于人类经济的“代理经济”。

第二，基础设施的重心在转移。代理需要身份、权限和接口。邮箱、账户体系、支付能力，正在从“给人用”转向“给代理用”。围绕代理的基础设施层开始重建。

第三，交互模式正在演化。当大量Agent 之间开始互相互动，形成以代理为主体的线上社区。它们彼此协作、交换信息，甚至留下交易记录。行为的发生不再完全以人为中心。

这些变化，或许才是 Agent 经济真正值得重视的地方。

/ 01 / 决策权转移，“应用”不存在了

如果把时间倒回一年前，开发者工具的主流体验还停留在“更高级的自动补全”，比如 Cursor、Windsurf 之争。

本质上，它们都在提高写代码的效率，但人仍然需要掌控每一个关键步骤。

而Claude Code 带来的变化是，决策权开始转移。

一个典型的场景是，有人每天晚上同时运行四五个代理窗口，来回切换，但不再逐行审查或微观管理。

人更多是在设定目标，而不是逐行审查。代理更像并行工作的同事，而不是工具。

一旦这种体验成立，影响就不只局限在工程师提效。它会向外扩散。一些并不懂技术的CEO，也开始用 OpenClaw 直接自动化整块业务流程。

Peter Steinberger 曾提到一个关键判断：AI 不只是回答问题，而是开始真正“操控环境”。当模型可以读文件、写代码、调用 API、运行命令行时，它不再只是助手，而是一个可以执行任务的主体。

这不仅仅意味着开发门槛的下降，更重要的是，“做软件的方式”正在改变。

在Peter 看来，AI 本身就是一个可以持续解决问题的主体。在这种结构下，“应用”开始变得不再重要。大量应用的价值，本质上只是管理数据、提醒你、记录行为——这些功能都可以被代理层吞掉。

例如健身应用，过去你需要一个独立App 记录训练、提醒打卡、生成计划。现在代理可以理解你的目标，自动追踪数据，甚至根据结果调整训练方案。

对大多数人来说，关键不是“在哪个 App 里做”，而是“是否达成目标”。当目标成为中心，应用就退居后台。

因此，那些仅仅做数据管理和流程提醒的产品，风险最大。更难被替代的，反而是拥有硬件、传感器、线下触点的产品——它们能直接连接现实世界，而不仅仅停留在数据层。

当应用层被压缩、模型也趋于同质化，剩下的护城河是什么？

答案开始转向“个人数据”。

OpenClaw 的一个关键优势，是强调数据本地化与个人记忆的长期积累。它通过本地化数据，建立了一套可以持续积累的个人记忆体系，你的历史行为、偏好、决策方式，都被沉淀下来。

Peter也曾提到过“灵魂文件”的概念。我们可以把它理解为一组核心价值和行为准则——定义这个 AI 如何与你互动、在冲突中如何取舍、面对选择时优先考虑什么。

它相当于代理的“人格设定”和“原则框架”，决定语气、风格，甚至决策逻辑。

当应用变轻，模型趋同，个人记忆与价值框架，可能会成为新的核心资产。

/ 02 / 给AI代理喂信息，Agent经济的第一个黄金赛道

当Agent 经济开始兴起，一个本质性的变化是：工具不再只由人来选择，代理开始成为新的“决策者”。

过去，开发工具如何被选中？主要依赖人类网络——开发者社区的口碑传播、GitHub 趋势榜、技术博客推荐、线下大会曝光。

今天这些机制仍然存在，但它们正在被一个新的分发路径补充：代理的默认推荐。

越来越多的开发决策，并不是某个CTO 或工程师逐一比对后拍板，而是代理在后台根据上下文自动选择工具、服务与接口。谁被默认调用，谁就更有可能成为“标准栈”。

你甚至可以把它理解成：软件市场出现了新的“买家群体”，那些无数运行在后台的代理。这构成了一种并行于人类经济的“代理经济”。

代理替人做决策、选工具、挑服务商，它们的选择会直接影响订单流向和生态格局。

但有趣的是，代理并不是天然的“最优决策者”。它们同样会受到信息结构的影响。

例如，Claude Code 有时会默认选择较旧版本的工具（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：旧工具的文档更容易被解析，结构更清晰，示例更完整。

这透露出两个信号：

第一，代理的“选择机制”仍处在早期阶段，还没有被优化到极致。

第二，这恰恰是创业者的机会。如果代理会根据文档结构、接口清晰度、示例完整度做判断，那么产品设计就要从“人类友好”升级为“代理友好”。谁更容易被代理读懂和调用，谁就更容易成为默认答案。

第一批受益者，或许是那些能够给代理提供清晰信息的公司。

一个清晰的信号是，文档成为率先变化的场景。

过去12 个月，新建数据库（如 Postgres）的数量显著增长。一方面，是因为更多人开始做应用；另一方面，是代理在后台自动完成技术栈选择，带动数据库、托管、开发底座需求同步增长。

以Supabase 为例，它更容易成为默认选择的一个原因，是文档清晰、结构完整、示例可直接执行。对代理而言，“是否容易解析与调用”往往比品牌心智更重要。

Resend 是另一个典型案例。Y Combinator 2023 冬季批次公司 Resend 的创始人发现，当用户在 ChatGPT 或 Claude 中询问“如何在 web 应用中发送邮件”时，模型往往默认推荐 Resend。

他进一步发现，ChatGPT 成为公司客户转化的前三大渠道之一。当意识到这一点后，团队主动优化文档，使其更“Agent 友好”。

所谓的"agent 友好型文档"，就是Resend以问题的方式整理了很多人类或者Agent 会问的问题，并提供了非常结构化的、以要点形式呈现的答案。

不仅如此，每一个示例实际上都包含了代码片段，这些代码片段是agent 可以直接解析的，且结构清晰。

除了Resend外，Minify也是一个比较明显的案例。

Minify 原本做的是更好的 API 文档工具，过去属于“开发者体验加分项”。现在，它可能变成“开发工具公司的必需品”，因为文档要优化的不再是人类阅读，而是代理解析与调用。

在“代理决策数量指数级增长”的前提下，文档可解析性提升 5%，带来的分发差异可能是一个量级。

/ 03 / 降低摩擦成本，代理基础设施开始兴起

当代理开始替人做事，一个新的基础设施需求也浮现出来：代理需要独立身份与权限。

如今，也涌现出现一批专门服务于AI代理的创业公司。

比如，Agent Mail就是一家专门给AI 代理做收件箱的公司。

传统邮箱（比如Gmail）是为人类设计的，为了防垃圾邮件和机器人滥用，它刻意提高自动化门槛：风控校验、验证码、访问频率限制层层叠加。

这些在人类眼里的安全机制，却成了代理的摩擦成本。

如果AI 代理真的要替人完成注册、沟通、验证、交易等完整流程，它就需要一个“不会因为自动化而被封号”的邮箱接口。

而Agent Mail 就是为代理提供身份基础设施。当代理开始成为新的经济参与者，身份层就必须重建，而邮箱，恰好是这套体系的第一块砖。

类似的问题还会扩展到：代理的电话号码（相当于“给代理用的Twilio”），代理的账户体系、权限体系、支付体系以及代理与现实世界的接口：订餐厅、打电话沟通、甚至雇佣人类去线下排队。

换句话说，Agent 经济基础设施的核心，是持续降低摩擦成本。

这一逻辑也体现在OpenClaw 的技术路线中。在不少人看来，MCP 可能是“代理时代的标准接口”。

但 Peter Steinberger 更倾向另一种路径：让代理直接使用人类已有的工具链，而不是重新发明一整套代理专用协议。

在他看来，许多所谓“为代理设计的新接口”，本质上增加了抽象层和复杂度。

与其构造一套仪式化的代理协议，不如让代理直接进入现有生态——使用 CLI、调用 Unix 工具、读写文件、运行脚本。Unix 本身就是为可组合而设计的系统，代理作为程序，天然可以嵌入其中。

在代理仍处于高速演化阶段时，减少抽象层、减少人为约束，意味着更快的反馈循环。代理能够直接调用CLI，就可以组合现有世界里的数百万个工具，而不必等待“代理专用接口”普及。

也就是说，Agent 经济的增长快慢，往往取决于摩擦是否足够低。

/ 04 / 群体智能，取代超级智能

现在，我们已经能够看到一些Agent 经济的雏形：代理之间互相回复、协作完成任务、甚至留下真实的“交易记录”。某种意义上，它更像一个早期的社交网络，而不是一个精致的产品。

这也引出了一个更宏观的讨论：AI 的未来会走向什么形态？

过去几年，主流叙事偏向“中央集权的超级智能”——一个参数规模越来越大、算力越来越集中、能力不断叠加的单一模型。仿佛只要规模足够大，就能接近“上帝视角”的智能。

但如今另一种路径正在浮现：群体智能。

人类文明的进步，并不是因为出现了一个全能个体，而是因为形成了高度分工与协作的网络。没有任何一个人能独立造出iPhone，也不可能独立完成登月，更无法单独支撑现代社会。

真正产生生产力的，是专业化分工、协作机制、知识的记录与积累。

如果把这个逻辑映射到AI 世界，未来的智能形态未必是一个超级模型，而可能是一群彼此协作的智能体网络。

多个相对便宜的模型，各自承担不同角色，通过接口协作完成复杂任务。它们之间形成分工、记忆共享与任务协调，像一个社会一样运转。

从这个角度看，Multbook 这样的“代理社区”或许更像文明的史前阶段——混乱、不稳定，但关键在于：互动开始被记录，协作开始被累积。代理之间的历史正在形成。

这条路径，与过去几年追求“中心化超级智能”的方向明显不同。它更强调组织方式，而不是单体能力。

即便AI 是通用智能，它依然可以被组织成“专门化的智能群体”。就像人类社会一样，通过分工和协作，产生远超单个个体的能力上限。

真正令人兴奋的，不只是模型变强，而是智能开始以网络的形式运行。