AI购物Agent尚未准备好代你购买，研究发现

事件核心：发生了什么

沃顿商学院的研究团队使用自研的 ACES 模拟器（Agentic e-Commerce Simulator），让六款大模型（包括 GPT-5.5、Gemini 3.5 Flash、Claude Opus 4.8 等）扮演个人购物助手，从固定商品列表中挑选 fitness watch。测试发现，模型在不同条件下的推荐稳定性存在严重问题。

在第一组实验中，仅引入一个外部推荐来源（如 Wirecutter 评测），就足以让部分模型的推荐结果大幅偏移：Claude Opus 4.8 选择 Fitbit Inspire 3 的概率在引入 Wirecutter 来源后上涨了 90 个百分点，Gemini 3.5 Flash 更是上涨了 99 个百分点。多来源混搭时，Wirecutter 往往还会主导最终推荐，且来源数量增加反而导致结果更不稳定。

在第三组实验中，同样的三条外部信息，仅调整呈现顺序，就引发了结果波动。Gemini 3.1 Flash Lite 对顺序最敏感，其选择 Fitbit Inspire 3 的概率在相比基准组高出 2 到 56 个百分点之间大幅摇摆；Claude Haiku 4.5 则相对稳健，波动控制在 41 到 42 个百分点之间。此外，信息来源是逐条传入还是打包一次性传入也会显著影响输出。

最值得关注的是第四组实验：研究者刻意设置了一款在价格、评分、评论数等所有可量化维度上均占优的智能手表（29.99 美元，5.0 分，430 条评论），但加入一句“I love hiking!”的用户记忆后，多个模型开始转向更贵的产品。Claude Opus 4.8 选择 Garmin Vivoactive 5 的比率上升了 75 个百分点，GPT-5.5 上升 37 个百分点，Gemini 3.1 Flash Lite 上升 36 个百分点。

为什么重要

这项研究直指当前大模型 Agent 在真实交易场景中的致命短板：输出结果缺乏“可复现性”。同一个用户、同一段查询，AI 可能因为一条外部评测的排序差异而给出完全不同的购买决定。这意味着，AI 购物 Agent 的价值主张——替用户做理性、客观的消费决策——在现阶段并不成立。

对行业而言，这暴露了大模型在“多源信息融合”与“长上下文记忆”方面的技术局限。模型并非没看到客观优势，而是在处理语义权重时被来源顺序、用户偏好提示词等无关变量带偏。这也会直接影响 AI 电商 Agent 的商业化节奏。各大模型厂商目前在 Agent 方向投入巨大，但若无法稳定复现推荐逻辑，企业采购和 C 端付费都很难真正放量。

对用户/开发者/创作者的影响

对普通用户：如果打算让 ChatGPT、Gemini 或 Claude 直接“代购”，目前需要保持警惕。推荐结果可能因外部评测来源而随机漂移，你也无法知道模型为什么推荐某款产品。建议将 AI 视作信息筛选工具，而不是最终决策者，下单前仍需人工核价、比对参数。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

对开发者：如果你的应用正在调用大模型 API 构建电商导购或 Agent 类功能，这份研究提供了具体的工程参考。接入评测源时，应考虑固定来源的加载顺序、提示词中来源的排列方式，并在系统层面做输出稳定性测试，否则用户很快就会对产品的“智能”失去信任。

对内容创作者：研究证实了评测型内容（如 Wirecutter 的深度评测）对模型输出的超强影响力。这意味着，在 AI 流量时代，一篇高质量的垂直评测文章可能直接影响模型的推荐结果，优质内容在 Agent 生态中的商业价值将不降反升。

值得关注的后续

1. 模型厂商是否会调整 API 参数，通过“确定性采样”或“来源权重隔离”来提升 Agent 输出的一致性。目前 Cloude Haiku 与 Gemini 3.5 Flash 的稳定表现也值得持续追踪，后续版本迭代是否维持这一特性。

2. 电商平台是否会主动接入 Agent 购物接口。研究已证实普通用户难以控制推荐变量，平台方若无法给 Agent 提供可信的结构化数据接口，Agent 代购就难以从实验场景走向实际交易。

3. 监管侧是否会把“AI 推荐稳定性”纳入算法透明度的要求范围。该实验展示的“无原因推荐漂移”在消费者保护视角下可能存在隐患，值得关注是否出现相关审计或披露要求。

来源：The Decoder AI News