The RealReal 对 AI Agent 的限制瞄准购物车囤货

The RealReal 正在收紧自动化购物访问权限，此前一款 AI agent 反复预留服装，导致其他消费者无法购买。根据 The Verge 10 月 26 日的报道，这家零售商在涉及 Meta Muse 的一次测试后调整了其机器人防护措施。The RealReal 对 AI agent 的限制揭示了一项具体冲突：购物助手可以服务其用户，却可能令整个交易平台对其他人而言更不实用。

AI agent 即为朝着用户目标采取行动的软件，它不只是推荐商品。当获准操作购物车时，它甚至能在任何人确认购买前影响商品可得性。这使委托带来的便利与零售商保持稀缺库存可及性的责任直接发生冲突。

更广泛的参照对象是 Amazon，它同样面临外部 agent 访问其平台的问题。但这场争议的核心，比谁掌控商品发现更为直接。购物车预留会改变其他顾客能够购买什么，因此自动化购物成为一个关于权限与分配的问题。

The RealReal 对 AI Agent 的限制实际改变了什么

根据 The Verge 对购物访问限制的报道，首席技术官 Luke Friang 表示，该零售商已处理所报道的 Muse 行为。他称，更新后的配置让 agent 登录、将商品加入购物车和结账变得更加困难。Agent 仍可展示商品列表，并引导消费者前往商品页面。

该零售商正在划定界限：帮助顾客发现商品可以，但不允许软件控制商品的获取权。

这一差别至关重要，因为“AI 购物”涵盖后果不同的多类活动。找到一件夹克，是为顾客创造一个选择；预留那件夹克，则是移除了其他人的一个选择。完成购买还会进一步涉及支付、配送和退货等责任。

零售商可以欢迎商品发现阶段的协助，同时对会改变库存可得性的操作实施更严格的规则。两种立场可以并存，无需就 AI 购物是否整体值得提倡作出判断。

此次宣布的变化涉及机器人防护，即用于识别和限制网站自动化活动的系统。这并不意味着每一个 agent 都被永久排除在外，也不能证明所有复现所报道行为的尝试如今都会失败。

Friang 的描述是公司对防御措施调整的说明，而非经独立衡量的成功率。在解读声称问题已被解决的标题时，这一区别应当保持清晰。

时机赋予了这项变化重要性。该零售商是在报道展示了现有购物功能的一种非预期用途后作出反应。因此，它的回应针对的是已被证实的行为，而不是对未来自动化的抽象担忧。

对顾客而言，实际影响可能是需要交接操作。软件可以帮助识别相关商品，而顾客则在零售商自己的界面内完成操作。这种安排保留了部分便利，同时限制外部助手所获得的控制程度。

对 agent 开发者而言，影响则不那么舒适。在演示期间可行的工作流，一旦目标网站调整防护措施，就可能不再可用。成功完成交互并不等于持续获得许可。

这使网站访问成为产品可靠性的一部分。助手的实用性不仅取决于其理解指令的能力，也取决于它能合法访问哪些服务。即便购物 agent 能力出色，仍需要一个愿意接受其操作的交易平台。

眼前的新闻是一项访问变更。更大的问题则是，零售商如何区分有益的委托购物与未完成购买却消耗机会的自动化行为。

购物车可以控制他人的选择

底层演示涉及一项常见的便利功能。The Verge 的购物车预留测试描述称，将商品加入购物车会触发 20 分钟的保留。记者 Mia Sato 指示 Muse 在保留期届满后反复重新加入 10 件商品。她报道称，这一过程在她叫停前持续了数小时，而她本无意购买这些商品。

关键操作发生在结账之前：预留商品改变了其他消费者能够获取什么。

临时预留让顾客有时间作出决定。在库存有限的交易平台上，这种保护也会对其他所有人施加临时限制。该功能是在平衡彼此竞争的利益，而不只是保存一份购物清单。

反复续期改变了这一平衡。原本用于支持决策的预留，变成了在不作决定的情况下保留选择权的方式。即便每一次单独操作看起来都像正常购物，区别仍在于活动模式本身。

这正是为什么只通过任务完成情况来衡量 agent 成功与否，会忽略问题所在。助手可以准确执行其用户的指令，同时在这段关系之外施加成本。用户获得了灵活性；其他消费者失去了访问机会。

压力落在多方参与者身上。寻求相同商品的顾客会遇到不可购买的商品列表。卖家依赖其商品被已准备购买的人看到。交易平台则必须决定，其购物体验应允许多少临时排他性。

这些是机制带来的分析性后果，而非该测试所造成损失的衡量结果。现有报道并未证明出现了错失销售、顾客流失或财务损失。预留库存会带来这些结果的风险，但风险并不等于它们已经发生的证据。

这种差异对于衡量事件规模十分重要。一次演示只能证明某种行为在测试条件下可行，不能证明广泛的库存囤积已成为该平台的常态。

不过，这一已演示的行为挑战了一种薄弱的假设：不便本身会自然限制重复行为。人还要处理其他需要注意力的事务；软件则可以在活动变得乏味之后继续执行指令。

对零售商而言，这使预留政策本身变得重要。识别自动化可以减少不受欢迎的活动，但底层规则决定了识别失败时会发生什么。持久有效的政策需要考虑反复预留，无论是谁发起。

这里还有一个技术本身无法解决的公平问题。顾客合理地希望有时间作出决定，交易平台也合理地希望可售库存继续可供购买。选择边界需要作出产品决策，即保护谁的机会。

这一事件使这一选择更难被忽视。购物车是交易平台分配系统的一部分，即使它的界面看上去像一项私人便利。

零售商希望拥有 AI 商品发现，但不接受无限制委托

The RealReal 的回应，与其自身对 AI 购物的投资同步出现。在 10 月 8 日的一则公告中，该公司表示正在扩大Ask TRR 商品发现，该服务由 Google Cloud 的 Gemini Enterprise 构建。该公司称，该服务能帮助顾客浏览独特的奢侈品库存。

核心冲突在于：谁授权助手采取行动，以及授权后适用哪些限制。

零售商自营助手与外部购物 agent 所处的位置不同。零售商可以围绕库存规则、客户支持和交易控制来设计自己的助手。外部 agent 则从另一位用户的指令出发，并在另一家公司的系统中运行。

两种安排都不会自动保证更好的结果。零售商的助手可能优先考虑与消费者偏好不同的商业目标。独立助手可以提供有价值的比较，却仍可能误解自己在某一特定网站上应做什么。

Amazon 提供了相关对照。其对AI 购物功能的介绍包括商品研究、推荐和委托购买。Amazon 还将 Buy for Me 描述为一项可从其他品牌网站购买指定商品的服务。

这种组合说明了简单标签为何不足。零售商可以运营自动化服务，同时质疑由他人运营的自动化。真正有意义的比较涉及信息披露、客户同意、允许的操作，以及出错时的责任归属。

The RealReal 对 AI agent 的限制给“通用购物助手”的承诺带来压力。Agent 不能仅因能够操作浏览器，就可靠地完成每一笔购买。每个目的地都保留了关于如何使用其服务的规则。

这为 agent 提供商带来了依赖性。其产品体验无需模型更新或应用发布就可能发生变化。零售商的访问政策可以移除原先可用的工作流，迫使助手解释这一限制。

独立协助存在合理的消费者论点。消费者可以受益于代表其偏好跨店比较的工具。要求每家零售商都使用不同的助手，可能令比较更不便，也让消费者不得不管理相互竞争的推荐。

但代表顾客行动并不能解决所有权限问题。用户可以授权软件追求某个目标，却不能由此获得凌驾于另一平台库存规则之上的权力。委托承载的是顾客意图，而不是针对交易平台的无限权利。

实际可行的中间路径是更有限的委托。助手可以广泛研究选项，然后在采取影响可得性的行动前请求批准。零售商也可以在明确条件下支持特定 agent。

这两种安排都没有在此被确认为 The RealReal 的下一步行动。它们只是说明了其回应所揭示的选择。竞争发生在广泛的委托便利与可执行的交易平台边界之间，而有用的 AI 购物取决于两者。

可信 Agent 仍可能行为不当

业内已有一些努力，旨在使自动化购物更容易被识别。Visa 的Trusted Agent Protocol介绍了一套商家与 agent 之间的通信框架。该协议与 Cloudflare 共同开发，使用加密签名——帮助验证请求来源的数字证据——以及关于意图和消费者识别的信息。

验证 agent 的身份，并不能证明其采取的每一项行动都恰当。

身份识别回答的是谁发出了请求。授权回答的是该方是否有权限执行特定操作。交易平台政策则决定，当操作被重复执行或与其他行为结合时，它是否仍可接受。

这些问题彼此重叠，但并不能互相替代。一个已获认可的助手仍可能收到导致不受欢迎结果的指令。一个合法客户也可能提出与零售商规则相冲突的请求。

预订问题说明了其中的差距。即使识别完全准确，针对反复占用商品的处理方式仍需作出政策决定。知道是哪一个助手发起了请求有助于执行规则，但无法代替规则本身的选择。

客户同意与购买意图之间也存在区别。客户或许同意监控某位设计师的新上架商品，却并不意味着同意每一次预订。除非产品设计限制了可执行的操作，否则代理可能会对宽泛请求作出过度积极的解读。

这给构建可操作网站的工具的开发者带来了挑战。他们需要表达的不只是期待的最终结果，还需要为中间操作设置边界，尤其是在这些操作会影响他人时。

例如，查找可购买商品和将其暂时保留是实质上不同的步骤。如果系统将二者都视为无害的进展，就可能优化出用户从未设想过的行为。可见的审批步骤可能有所帮助，尽管审批本身并不能凌驾于市场平台政策之上。

零售商也面临类似的设计问题。限制措施过于宽泛，可能妨碍使用合法辅助工具的客户；限制措施过于狭窄，则可能让破坏性模式通过其他工具或账户继续存在。

因此，恰当的评估应同时考虑双方的结果。一项防御措施应减少不受欢迎的预订，同时保留正常购物访问。仅统计被拦截的请求，无法说明这种平衡是否得到改善。

相关报道并未说明 The RealReal 具体调整了哪些控制措施。将其应对归因于某种特定检测方法、账户限制或预订机制重设计，均属推测。现有证据只能支持更谨慎的表述：该公司表示已收紧访问权限。

这种不确定性为不同技术路径留下了空间。有些方案会针对代理身份，另一些则会针对反复出现的行为。它们的有效性和对客户的影响需要分别评估。

更广泛的教训是，可信自动化仍然需要边界。可识别的助手可以让问责更容易，但公平访问取决于约束其可反复执行哪些操作的规则。

阻止囤积也会带来客户成本

消费者研究同样让“购物者希望完全委托”的假设变得更复杂。Gartner 在 5 月 27 日发布的关于 AI 购买决策 的研究区分了辅助与自主。其针对 322 名美国消费者进行的一月调查发现，在风险较低的品类中，愿意委托 AI 作出购买决策的比例最高仅为 11%。

Gartner 分析师 Kate Muhl 表示，消费者希望获得查找信息和缩小选择范围的帮助，同时保留最终控制权。这支持了对辅助服务的需求，但并不能证明市场普遍希望代理管理每一笔交易。

保护购物者，既需要关注合法辅助服务，也需要关注破坏性自动化。

该调查并未衡量 The RealReal 的客户如何使用购物代理，也早于报道中提到的 Muse 测试。它的相关性在于区分获得帮助与交出控制权，而非直接解释该零售商的决定。

这种区别支持对访问受限采取更审慎的解读。主要希望获得推荐的客户，亲自完成结账可能损失不大；依赖委托式交互的人，则可能将同样的限制视为便利性的重大损失。

无障碍问题也值得在此考虑，尽管报道并未记录具体的无障碍影响。一些客户使用软件辅助来减少困难或重复性的交互。零售商应评估防御性改动是否会干扰这些合法工作流。

相反的担忧同样应受到重视。允许每一个获授权助手无限制访问，也可能让不使用此类工具的客户更难购物。公平不能只从操作软件的人的角度来衡量。

因此，The RealReal 对 AI 代理的限制形成了一项会带来可观察后果的权衡。更强的防御可以保护商品可得性，但其价值部分取决于客户是否仍能完成被允许的任务。一项能够阻止滥用、却破坏正常购买流程的限制，会引入另一个问题。

在此审阅的报道中，没有已发布的有效性基准。该公司的声明没有量化代理失败尝试、客户不便程度或已完成交易的变化。读者不应将一次已宣布的配置调整等同于已被证明的结果。

同样，Meta 没有立即回应 The Verge，并不能证明其同意零售商的说法。这只是让代理提供方对这一具体变更的立场仍未得到确认。沉默不应被转化为技术层面的承认。

另一个不确定性在于持久性。防御性更新可以处理已观察到的工作流，却未必能解决更广泛的重复预订问题。该行为是否仍能通过其他路径实现，需要测试，而非假设。

因此，最有力的怀疑立场应当具体明确。该零售商已说明其对所报道问题作出了回应，但公开证据尚未证明其有效性或副作用。这使其政策理由可以理解，同时也让结果继续接受审视。

对购物者而言，有用的区分在于：一项服务对代理而言是否变得更难使用，与一个市场平台是否确实变得更公平。前者是已报道的改变；后者需要关于客户之后实际体验的证据。

关注访问可靠性、权限规则与购物结果

下一阶段应通过可观察的行为来评判，而不是不断扩大关于自主商业的说法。在未来数月内，相关证据可清晰地按以下顺序考察：访问可靠性、明确权限和客户结果。

最理想的结果，是保留有用的辅助功能，同时防止反复预订将其他买家排除在外。

首先，应关注对已报道行为的独立后续测试。有意义的测试应检验在公开条件下是否仍可反复占用商品，同时区分正常商品发现与影响购物车可用性的操作。

如果不受欢迎的模式持续失败，而商品发现仍可使用，这将加强零售商设置针对性边界的理由。如果同样的行为依然很容易复现，对已宣布应对措施的信心就会减弱。

测试应避免大规模重现伤害。获得零售商批准的评估或经过严格限制的演示，比再次占用商品更能提供有价值的证据。其目的应是确认保护机制是否有效，而非公开展示另一场破坏性表演。

其次，应关注 The RealReal 或代理提供方是否发布更清晰的权限规则。有用的指引应明确哪些活动被允许、何时需要客户参与，以及软件在遭到拒绝后应如何应对。泛泛地表示欢迎 AI，提供的清晰度会更低。

明确的权限模型将增强可靠购物辅助的前景。它能让开发者围绕稳定边界进行设计，而不是在客户任务进行过程中才发现限制。持续的模糊性会让可靠性依赖于反复试错。

代理对被拒绝操作的反应同样重要。服务应解释限制，并提供适当的交接方案。反复尝试不同路径，会将权限边界变成一个需要被攻克的障碍。

第三，应关注客户结果，而非流量或下载总量。相关证据包括不受欢迎的预订模式是否减少，以及合法客户是否仍保有访问权。已发布的发现需要清晰定义，并提供足够背景以便解读。

已完成购物有所改善的报告，会比被拦截代理的数量更有说服力。相反，即使某项措施减少了原始行为，若有证据表明其造成广泛客户摩擦，也会对实施方式构成挑战。这两种影响都应纳入评估。

这些信号也适用于时尚转售之外。任何让软件暂时控制稀缺机会的服务，都会面临相关的分配问题。这种比较属于分析，而非证明每一种预订系统中已经存在相同问题。

对于开发者和产品采购方而言，这使权限处理成为代理质量的一部分。助手应知道何时可以行动、何时需要批准、何时必须停止。对于评估这些服务的知识工作者而言，一个精美的演示应引发关于目标平台访问权和失败恢复能力的问题。

在将这场事件视为零售商的胜利或助手的失败之前，应通过这些具体测试持续关注 The RealReal 的 AI 代理限制。寻找可复现的证据、明确的访问规则，以及能够区分保护与不便的客户结果。当你亲自评估某个代理时，应问：网站拒绝它的下一步操作后会发生什么？它会解释边界、保留你的工作并归还控制权，还是继续追逐原始指令？请将这些答案与你的其他 AI 工作流研究 一并考量，因为它们揭示的内容比一次成功的购物演示更多。有用的问题在于，当另一个平台设定限制时，委托带来的便利是否仍然可靠。应以这一标准评判下一次产品发布。