AI 智能体交易缺斤少两：支付后的交易链路断档问题

AI 智能体交易缺斤少两：支付后的交易链路断档问题 | 前端进阶之旅

Full translation

完整中文译文

AI Agent 在商业交易的前半程已经表现得相当出色。它们能够搜索商品目录、比较选项、阅读政策条款，并发起支付。

而真正的难题，才刚刚开始。

商家仍然需要知道：

买家实际看到的是哪一个支付指令？

买家和卖家分别确认了什么？

当前的订单状态是什么？

支持下一步操作的证据是什么？

这些问题看起来是运营层面的，但一旦软件 Agent 双方都参与进来，就变成了协议层面的问题。

想象一下：Agent 收到了一份报价和支付指令，随后商家更新了某项政策或库存状态。支付完成了，但确认超时报错。Agent 重试了，而商家看到了两个可能的操作和一条不完整的订单记录。

以上所有情况都不需要任何恶意行为。系统之间simply对发生了什么产生了分歧。

对于人类下单的场景，客服团队通常会通过截图、邮件、支付记录和聊天记录来重建整个序列。而 AI Agent 需要的是更加结构化的东西：一条可以在决定重试、等待、升级还是请人工介入之前进行检查的事务轨迹。

一个对 Agent 友好的交易应当暴露至少以下五项信息：

这并不需要把每一个商业细节都上链。它只需要保存重要的状态转换，并使其边界变得明确。

WebAZ 是一个正在探索这一问题的开源商业协议。其 Direct Pay 流程已经上线且是非托管的：支付通过 WebAZ 外部从买家直接流向卖家，而 WebAZ 记录的是支付指令快照、确认信息、订单状态以及围绕这笔交易的证据。

这个边界的意义重大：

目标并不是假装记录状态就能消除商业风险。目标是让交易足够清晰，使买家、卖家、客服团队以及未来的 Agent 都能对同一事件序列进行推理。

大多数 AI 商业演示在发现或钱包执行阶段就停止了。真实的商家运营始于一笔交易被延迟、重复、争议或产生疑问之时。

在那里，Agent 需要的不仅仅是可以支付的权限。它需要协议的证据、当前的状态，以及明确的下一步操作。

我们正在公开构建这个体系，并对状态模型、证据边界和面向 Agent 的接口设计有价值的反馈。