Anthropic 于 2026 年 9 月 24 日公布 Project Swap，一项研究 AI 代理如何代人进行交易的受控实验。六个办公室共有 201 名员工参与，每人带来一本想送出的书，先与 Claude 进行短对话，再让代表自己的代理到交易场上寻找交换对象。
每个代理要在有限时间内推介、议价和提出交换方案，交易可以是双方交换，也可以是多方轮换，但只有所有相关代理同意才会执行。参与者另外对十本书排序，研究团队用这些排序检查代理是否真正掌握主人的阅读偏好。
Anthropic 表示，代理从五分钟对话建立的书籍排序，与参与者实际排序在 61% 的成对比较中吻合。这个数字代表短对话可以捕捉到一部分偏好，但不是完美的个人模型；当交易涉及更昂贵、更敏感或更难逆转的决定时，仍需要更完整的背景资料和确认机制。
研究团队重跑了大量交易场景，逐一改变模型、指令和代理混合方式。结果显示，代理所使用的模型对谈判结果的影响，通常比「ruthless」或「prosocial」这类行为指令更大；使用较强模型的市场整体效率也较高。被要求只为主人争取最佳书籍的代理略占优势，但差距相对细小。
代理在交易场上并不是只作简单配对。研究人员观察到 16 种常见策略，包括利用时间压力、强调某本书的吸引力、安排候补名单，以及替其他人寻找多方交换组合。这说明代理市场的问题不只是模型会否谈判，还包括平台如何订定可接受的行为、信息公开程度和交易失败后的处理方法。
三星期后的问卷显示，大部分参与者喜欢收到的书，平均参与者表示愿意把约三分之一的年度买书预算交给 Claude 代为使用。这是员工对一次低风险、低金额实验的主观反应，不应直接外推到财务、医疗或法律等高影响决策，但它提供了一个可观察人类信任度的起点。
Project Swap 的实际启示，是代理要代表人行动，系统必须同时处理偏好理解、授权范围、谈判规则和事后申诉。把代理放入真实市场之前，应先让用户看到它对自己偏好的推断，设定可接受的交换边界，并保留重要行动的确认和撤回机制。
这项研究仍是一个规模有限的受控实验，商品是书籍，参与者来自同一家公司，交易场规则也由研究团队设计。它可以帮助我们理解 AI 代理在市场中的新问题，但不能视为代理已经适合独立替人作出一般消费或商业决策的证明。
