近期，Google 发布 UCP（Unified Commerce Protocol），试图为 AI 智能体（Agents）、零售商和支付系统建立一套协议标准。几乎在同一时间，围绕 Agent Commerce 的讨论在全球范围内迅速升温：从搜索、推荐到支付、结算，智能体正在被视为下一代商业系统中的核心执行单元。

在这一背景下，越来越多的互联网公司开始将 AI 引入电商体系，试图用大模型提升购物体验。其中，阿里巴巴旗下大模型 千问 公布接入淘宝、测试 AI 购物能力，也被视为这一趋势的重要信号。但从技术演进的角度来看，这些尝试背后，实际上正在分化出两条截然不同的路线。

在这一方向之外，也已经有产品选择了更深入的技术路线。例如，AI 购物小程序 灵机一物，同样聚焦“对话式购物”，但其设计目标并不止于推荐优化，而是尝试将购物流程本身进行 Agent 化重构。

AI 原生的商业系统：灵机一物的多智能体架构

目前行业内大致出现了两条不同的演进路径。第一条路径，是在既有电商体系上叠加 AI 能力。

这一方向通常表现为更智能的搜索与推荐、更高效的信息聚合，用 AI 来降低用户“找商品”的成本。这类方案的核心仍然围绕前端体验展开，本质是在原有平台结构中，引入一个更聪明的辅助层。

这条路径是有效的，但它的边界也很清晰：

商品依然由平台和商家人工维护，选品上架、定价、库存、内容合规等关键环节，仍高度依赖人工决策与运营协作。AI 提升的是效率，但没有触及电商系统中最重、最慢、也最难规模化的部分——后端运营结构本身。

另一条路径，则从一开始就以 AI 原生（AI-native） 为前提，重新定义交易流程的执行方式。灵机一物选择的正是这一方向。

在我们关于 Agent Commerce 的设想中，Agent 不是推荐工具，而是流程执行者。因此，Agent 的作用不应只停留在消费者侧，而应深入到商品产生、流转与维护的核心环节。

具体来说，我们将交易拆解为4个执行角色：Intent Agent, Buyer Agent, Seller Agent 与 Payment Agents

• Intent Agent 负责将用户的自然语言需求转化为可执行的交易意图，将模糊需求转化为可被系统执行的交易指令，为后续自动选品与商品供给提供统一的语义入口。

• Seller Agent 面向商家系统，负责将商品进行自动识别、属性解析、标签结构化和上架管理，将传统需要人工维护的数据变成 agent 可用的标准化商品元数据。本质上降低了后端运营成本，并使商品供给链可被 agent 自动驱动。

• Buyer Agent 则站在需求侧，自动检索商品、比较价格、过滤结果、判断匹配度，并最终确认最优商品选择。实现从需求到具体商品输出的转换。

• Payment / Settlement Agents 集成了支付执行能力，通过授权、预算管理、结算执行，使得 agent 能够在同一流程内完成支付环节，而非依赖外部人工跳转或点击。

当关键角色 Buyer Agent 与 Seller Agent 协同工作时，商品不再需要通过大量人工运营才能进入系统，交易也不再依赖平台对每一个环节的集中控制。 这套机制解决的并不是“推荐准不准”，而是传统电商长期存在的结构性问题：后端运营成本高、扩展性差、人力不可线性放大。

不同路径，共同指向 Agent 时代的电商

千问接入淘宝，意味着主流平台已经开始用大模型重塑搜索与推荐体验；而灵机一物所尝试的，则是让 Agent 进入“执行阶段”。前者提升效率，后者重构流程。

可以预期的是，未来的 AI 购物不会止步于筛选推荐，而是逐步走向任务闭环。在这个过程中，搜索型 AI 与执行型 Agent 如何融合，也将成为下一阶段电商技术竞争的关键看点。