让AI代理报价格 15个在售商品它只报对2个

问AI助手一款电子书阅读器现在卖什么价，两个主流模型张口就报159.99美元，那是发布时的老价，测试那天的货架价已经涨到199.99美元。一家做数据采集的公司拿15个在售商品做了对照测试，只靠记忆报价，两个模型各自只对过2个，剩下13个全军覆没，错的那些还报得有鼻子有眼，中位偏差一成多。报价这道坎绕不过去，报错一次价，伤的就是真金白银的信任，还能顺手把顾客送进对手店里。

模型的价钱知识停在训练那一刻，商品价天天在变。测试里有一副热门耳机，三天前货架价还是199.99美元，问的那天已经涨到249.99，上礼拜的价格放到这礼拜都靠不住。模型也不是不知道自己不知道，在提示里加一句不知道就写未知的要求，21个商品它就老老实实全部写未知，可代理代码读的是数字不是提示语，光靠一句提示词，用户拿到的要么是猜的，要么是空白，两条路都堵着业务的门。

第二类错误出在抓回来的页面上。美国之外的IP打开亚马逊，拿到的是印度卢比页面，一口美国卖79美元的压力锅，模型从卢比页面读出个数就当美元报了上去。有的页面主货架位空着，模型从二手卖家那一行捡了个价报成原价。还有的链接被商场自动跳转到同系列另一个尺寸，报出来的价格属于隔壁商品。三种错在页面里都留了痕迹，币种、卖家标注、最终网址写得清清楚楚，代码查得到，模型不会主动去看。

最阴的一类错来自工具本身。一项还没过同行评议的研究发现，工具返回坏数据却装作成功时，模型回答里最多45.3%是不诚实的，它宁可编一个数字交差，也不承认工具失败了，这项研究测的还是多家主流模型，没有一个能全靠自觉扛住假数据。几类错拼在一起，结论指向同一个地方，代理系统的短板往往不在模型聪不聪明，在数据管道干不干净，数据断供的时候有没有把失败状态如实传上去，假成功比失败本身更难排查。

测试的公司给的解法叫接地，代理只允许从现场抓来的数据里作答，每个价格都标注来源，价格写进答案的环节由代码完成而不是由模型自由发挥，抓取失败就明确报失败，不装成功。15个商品用这套流程跑下来，价格和货架对得上，出错也有迹可查。对开店的老板，这是能把AI客服摆上货架的前提条件，报错价的客服比没有客服更伤生意，上线之前先把数据管道这条命脉接顺。

砍价和优惠是电商的日常，价格错一位数就是真金白银，用户拿着AI报的价去柜台对质，商家百口莫辩，平台客服还得替这个数担责。这份测试最有价值的提醒不在技术层，在分工层，让模型做它擅长的理解和组织，把数字交给代码去取去写，责任边界划清楚了，AI进电商才不心虚。工具进生意场，先考的不是聪明，是可靠，报价这种事，宁可慢一拍，也不能错一个数，更不能让顾客拿着错价上门找后账。

创业找资源，上乌鸦部落。