【写在前面】当下AI世界最被炒作过度的话题就是Agent,在各行各业百花齐放!我想可能是因为它是大模型离“钱”最近的链接。随着GPT-5的路由机制(Router)的发布,得益于CoT思维链,大量任务可以像交给Agent一样直接解决。在近期OpenAI的官方播客中,Sam Altman大谈了商业化“抽成率”和潜在的“联盟分销模式”:系统能够理解用户查询的意图,根据商业变现的潜力动态调用算力资源输出Token ROI匹配的结果,希望成为涵盖用户日常消费的Agentic Super-App。提供类似服务的并不只有OpenAI,任何受制于大平台很久,苦于降低获客成本,优化商品退货率的企业都将乐见其成,会加快拥抱这一新世界。变革时代,传统商业模式的门口都迎来的“野蛮人”,新玩家构建颠覆式的Agent产品,Mission Impossible?我以女性时尚购物为例尝试破解碟中谍——“品味”(Taste)、“技术”(Tech)与“信任”(Trust)的3T策略对于构建Agent的竞争力至关重要。

欢迎订阅我的笔记 《数字时尚》一起探索AI

1R-011 原文插图

交给特工Agent的任务只需等待结果。

图片来源《碟中谍》

前言

在前文 设计大师智能体中,对Agent这个还未被充分定义的概念,我初步做了介绍:执行工作流任务的自动化系统中,只要部分是由大语言模型(LLMs)自主决策的,即可视为智能体。它强大之处在于推理,LLMs进化出的规划(Planning)和反思(Reflecting)能力,结合上下文工程(Context Engineering)所赋予的记忆(Memory)能力,使其能够调用工具(Function Calling),无缝地与外部系统和数据源交互,从而分解复杂任务、执行多步骤流程并从结果中学习,形成一个强大的、自适应的问题解决实体。而在时尚行业,所有的终局就是“带货”,为了构建这一场景中端到端交易的agentic shopping,我们应该赋予这位特工什么样的任务?

大厂当然看到了agentic shopping的巨大潜力,此前我为大家测试了 Google和OpenAIAgent提供的时尚购物功能。新的体验颠覆了传统电商的逻辑,紧追其后的还有创新企业Anthropic,Perplexity,Opera,Manus等也都积极发布通用AI智能体或AI浏览器,抢占入口。在互联网应用层,世界领先的中国互联网巨头会漏失这个机会吗?淘宝、抖音、小红书们的答案显然是肯定的,问题只是When & How?

那是否会像移动互联网时代那样,大树底下寸草不生,又是一场巨人们的权力游戏?答案就没有那么显然了,至少我们看到全球有诸多创业团队,他们认为“这次不一样”。不信邪的创业者已经在广泛的战场吹响了挑战巨人的号角,他们要面对的是大平台无穷尽的资源优势,原生模型厂快速提升的能力海平面。仅在时尚赛道,公开融资规模领先的就有Gensmo(种子$60M), Daydream(种子$50M), Doji(种子$14M), Alta(种子$11M), SpreeAI(多轮$80M)等。也许它们估值还不都能被称为独角兽,但它们大概拥有同样的信念,AI时代大厂也有自己的能力边界和火力盲点。

传统的「流量→点击→转化→佣金」入口模式势必伴随生产力变革,所有人都明白需要借助AI的能力打造「用户理解→陪伴→成长→价值共创」新范式。于是那个永恒的问题再次摆在所有人面前:如何构建自己的独特竞争力?我在此前的文章里就Fashion Agent场景中涉及的关键技术应用有过单独的讨论,比如 智能搜索推荐, 个性化造型顾问、 虚拟试穿,以及背后需要的 时尚知识图谱。今天,在基础能力(团队、资本、日常运营等)之外,我也不谈对时尚消费本质的深刻理解和商业模式的根本性创新的重要性,试着只从产品经理的角度梳理,采用3T(Taste、Tech & Trust)策略打造Agent核心能力。

1R-011 原文插图

自由意志的核心在于个体对选择权的掌控。

图片来源《楚门的世界》

Part 1,Taste的胜利:为时尚顾问智能体界定型格与边界

女性时尚购物的真实痛点是什么?全球性的服饰电商高退货率难题(详见前文 《退货是女装「新常态」,一半Z世代消费者「包围式购物」,AI如何重塑电商信任》),不仅仅是品牌企业的痛点,也反映了消费者线上购物的体验远远没有达到最佳的供给。Fashion Agent需要解决的并不仅仅是准确推荐的工具效率性能,而是消费者的决策焦虑(AI顾问的可解释性)、身材适配(VTON的尺寸仿真性和可视化)、场景匹配(语言与视觉Vibe的创造性)、价格敏感度、以及其他长尾的服务(库存同步、门店预约试衣、换货/返修、逆向物流、二手交易等)。

在竞争中,最大的对手往往不是其他人。当我们自己能够将焦点从对手身上移开,锁定在当前的用户购物决策流程,思考Agent是否能真正提供一个超越传统电商的、具有人格魅力的虚拟时尚顾问,才是最大的生存机会。真正的竞争力不是技术壁垒的堆叠,而是对用户需求的独特理解和满足能力,是用户为什么选择你,并且离不开你。这是品牌心智,它应该成为所有战略的出发点和核心。

Substack作者Harshit Tyagi分析了YC 2025年400多家创企的情况,发现大多数 AI 创始人倾向于解决技术问题,而不是消费者的真实需求。他认为Agent的竞争核心在于市场定位,而不是产品能力,价值源于对行业的深刻理解。成功的 AI 公司应优先聘用行业专家,而不仅仅是 AI 工程师。竞争策略更依赖领域专业知识,它比技术特性更难复制。那些聚焦细分场景的公司能获得更高的定价,同时获客成本更低。市场奖励的是以AI 为工具的领域专家,而不是寻找应用的 AI 技术专家。

琳琅满目的商场货架、生动有趣的直播带货等场景,激发女性好奇心和发现欲,购得心仪物品(如折扣好物)带来即时成就感。这一过程刺激多巴胺分泌,产生愉悦感。女性通过“云逛街”或线下购物暂时脱离工作、家庭压力,获得心理舒缓;并通过购物建立社交连接(如线下闺蜜同行、网上分享穿搭)。“情绪调节—社交表达—探索乐趣”三重驱动,使“无目的性浏览”本身成为休闲活动。中国青年报社社会调查中心联合问卷网(2023年) 的调查显示:约2/3女性将购物视一种娱乐方式,日均耗费约1小时。这些需求并不会因为AI到来而发生本质性的改变。

过去,产品经理预设用户旅程,通过层层菜单、功能交互来为用户提供价值,产品核心资产在于人工整理和切分的数据。然而,在AI Native新范式下,产品模式发生“倒置”:交互从现实世界直接输入(如拍照和语音)开始,Agent立即接手多模态解析和实时交付服务。考虑到我们刚才讨论的女性时尚购物的真实痛点,服务中控制权的让渡存在一个微妙的平衡点,这关乎创始人的「Taste」。把“无趣”交给AI,将“娱乐”归还用户。把用户在使用时的“感受”作为产品的第一属性,这要求创始人为AI产品注入“精神宪法”,即其“AI人格”,决定了产品在用户面前的独特“调性”,超越了产品设计表面的美观度和社区氛围。

无论是前文提到的大厂,还是那些创业公司,现在Agent往往都被默认做成ChatBot,但这其实只适用于明确知道自己要什么,或者追求效率的“搜索型用户”。对于那些将时尚购物视为娱乐,爱逛爱自己混搭的女性,并不只想"解决"购物中的不确定性,她们享受探索和犯错的过程。AI Agent的价值不在于替代决策,而在于增强体验的丰富性和个性化深度。她们对产品“精神宪法”的认同,或许比技术更能决定一个Agent应用是否更具有价值。AI不再仅仅是提供服务的工具,而是通过其“个性”来让消费者感到被理解,而非被操控。

无论消费者是否自知,“穿衣打扮”超越休闲娱乐、社会认同和情感满足,底层是一种自我表达。表达本来就是一种力量,一种可以用来确认自己“存在”的权利。可现在,这种权利,眼看却在不知不觉中,越来越多交给了AI,让它们代替我们去定义这个世界,定义我们自己的感受。如果没有平衡好这一点,在没有确定AI收集的个人数据是否真的能够理解我们个体的深层动机前,这里让渡的就不仅仅是乐趣,更是生而为人的表达欲望和表达能力。

1R-011 原文插图

人类反抗军筑起层层防线保卫最后的城堡锡安。

图片来源《骇客帝国》

Part 2,Tech的韧性:智能体的动态协同多层防御框架

具体到时尚人工智能领域,VTON 物理逼真度、体型参数化/合身引擎、3D/材质/褶皱物理、跨域检索与多模态风格嵌入,仍具有一定的技术门槛,但总体而言,Agent现在还处于市场扩张阶段,还不是纯技术竞争。Tech服务于市场定位,产品调性。对于新玩家来说,Taste是以攻为守"创造不可替代的价值",而Tech更多是用于思考"如何不被围剿",一个是战略层面的「道」,一个是实操层面的「术」,两者相互依存共同提升服务用户的能力与品牌心智,在市场竞争中形成立体的防御框架。

防御工事的韧性源于各层之间的动态协同,每一层都相互强化,而非孤立存在。通过对「技术栈的复制门槛难易度×资本化成本大小」分析,我用古代城堡防御体系类比,拆解成四道有机的防线。在AI时代,没有哪一层能够永远不可逾越,因此持续的迭代速度和质量本身仍是前提。最终要让技术服务于体验,体验服务于价值创造。

外围障碍层:工程卓越作为移动靶

主要是由软件工程构成的“坑壕尖桩”缓冲区。这一层主要包括功能设计、UX/UI交互、基础模型选型与组合、工具箱与MCP、系统提示词以及场景工作流等。尽管这些方面可能因开源组件和范式固化而“极易同质化”并被“很快通过反向工程开盒”,但是,从AB测试中获得的专有洞察、以及工程和产品团队的才能、快速迭代整合新的基础模型和调整工作流的能力,本身就是一种重要的竞争力,持续保持1-2月的市场优势地位。

护城河:智能驱动的模型专业化

这一层利用AI 智能抵抗直接的“攻城冲锋”。能力包括大模型微调、专业小模型、知识库和RAG(检索增强生成)、电商产品库图谱,以及推理成本和单位经济优化等。也许微调/专模/RAG会被更强基础模型与平台原生能力吞噬淹没,但真正的护城河是用于微调和填充通用知识库的专有、高质量且持续更新的时尚新知。尽管基础模型不断进步,但它们缺乏开发垂直闭环的动力和效率,这是专注于特定领域的智能体能够建立的优势,要求做到核心算法和业务逻辑与底层模型解耦(可热插拔多家模型)。

主城墙:深度领域知识与专有本体

这是“兵戎相见的主战场”,能够输出火力支援。主要体现在领域知识维度,涵盖时尚搭配图谱、专有的数据与标签,以及AI在地域文化和人口种族上的差异等。将“模糊描述标准化到可训练特征”并形成“私有本体” 的能力是关键。这不仅涉及数据收集,更重要的是以独特的分类法和关系,智能地构建数据(例如,“风格品味×体型×场合×季节×预算→留存/复购/退货标签”)。这种深度、非通用且具有文化细微差别的知识,对于通用型Agent或大型平台而言,是难以有效获取和整合的。

内城塔楼:以用户为中心的数据飞轮与关系记忆

这是“最后的堡垒与指挥中枢” 。一切围绕消费者需求为核心,构建用户图谱、AI长记忆、上下文工程、强化学习和隐私保护机制等。“以终为始”,在产品上线的第一天起,就要设计好如何获取高质量的用户数据。“数据飞轮”至关重要,提升智能体的理解和性能,进而带来更多的用户参与。AI的“长记忆”和“上下文工程”不仅仅是功能,更是建立深度个性化关系的核心能力。强化学习(RLHF)根据用户反馈进一步优化智能体的行为,使其能够为每个个体提供独特的定制化服务。这创造了一种极难打破的“羁绊” ,从而实现“无限高”的客户终身价值(LTV)。

这些技术层并非孤立存在,而是相互依存、协同运作。比如:有效的“大模型微调”离不开对用户的深刻理解;“场景工作流”的优化也必须依赖于对“大模型微调”的深刻洞察;“基础搜索和推荐工具”正是由“知识库和RAG”驱动的,将专业图谱与用户行为图谱紧密耦合……这些相互连接性是构建强大智能体的基础。另外,还要建立切实可衡量的业务数据与北极星评测基准,比如:净衣橱质量提升=(留存天数加权的已购单品满意度 +搭配完成度)-(退货/闲置损耗)。核心业务指标可能包括:AI人格一致性与连贯性、成套购买/穿搭完成率、工具调用成功率、推荐命中率、每周新增“强标签样本”(含退货理由)的增量与可重用性,模型路由与蒸馏影响对话推理成本变化等等。

1R-011 原文插图

信任维系群体的共享价值和稳定运转。

图片来源《心灵捕手》

Part 3,Trust的羁绊:用能力、网络和交互记忆绑定忠诚关系

在AI时尚领域,信任(Trust)是构建可持续竞争力的第三个关键支柱,它与“品味”和“技术”紧密相连,共同构成了3T战略。对于女性用户而言,带来安全感的“信任”不可或缺,它包含3个方面:

对AI能力信任的认知:除了Tech构建Agent的硬核服务能力之外,可解释性也至关重要。传统推荐算法的"黑盒"特性在时尚领域尤其致命,因为风格选择是高度个人化的,用户需要理解智能体推荐背后的逻辑,让用户看到AI如何权衡不同因素得出推荐结果。这不仅能培养信任,也能帮助用户学习和完善自己的品位。

互相信任的网络效应:在聚焦C端体验之外,也要理解时尚产业的复杂生态,同时服务多方利益。Fashion Agent必须建立多方信任,制定价值分配的透明机制和冲突解决与平衡机制,从而产生网络效应的独有价值:用户 (获得个性化价值),KOLs(内容和影响力变现),品牌方(获得精准用户洞察,品牌价值传递和用户生命周期管理),Agent(获得生态价值)。

数据信任机制下的交互记忆:建一个公平、透明且尊重用户隐私的AI系统,是赢得用户信任并实现长期成功的基石。 这不仅仅是一种产品“精神宪法”,更是借助用户数据建立忠诚度的必经之路,代表着信任和价值交换的根本性转变。

长期交互记忆:AI竞争,算法和算力不是应用开发者的战场,最重要的还是用户数据。深度信任关系的核心在于与用户建立忠诚度,而忠诚度唯有通过“记忆”才能建立。这种记忆包括AI对用户数据“属性标签”的理解和与用户对话中产生的“交互记录”。前者的所有权本应该是属于用户的(即使是在平台上的行为),只不过现在被大平台垄断和剥削。理论上用户可以随时搬迁/销毁。但“对话”是用户与AI共同经历的,共同拥有的,是关系记忆中最重要的资产,它形成了难以被轻易取代的“羁绊”。使单个用户的LTV天花板“可以无限高”,远超传统互联网产品。这种模式使得即便拥有较小但高度忠诚的用户群(例如100万用户),也能创造显著价值。

自主数据资产:相信在不远的未来,随着用户Web3信念觉醒,不再放弃数据主权来换取“更好的服务”,基于区块链去中性化的数据信任与透明度机制,依赖基础设施的不可篡改记录、智能合约自动执行、去中心化治理,“用户主权经济”也成为左右消费者选择Agent的重要因素。可以通过Agent反向控制自己的数据资产,比如出售穿搭(outfits方案)数据获得代币,可以用于兑换服务:

可验证凭证: 用户通过安全、保护隐私的代币,授权智能体访问特定的数据点(例如身体尺寸、私人衣橱)。

数据贡献奖励: 用户因贡献有价值的、匿名化的数据(例如穿搭灵感簿、对Outfit推荐的反馈)而获得代币激励。

微观变现: 这些代币可用于解锁智能体的高级功能、参与协同创造计划,或获得商品折扣,甚至是平台治理。

1R-011 原文插图

结语

在AI快速演进的时代,唯一不变的是用户对美好生活的向往和对个性化表达的需求。Fashion Agent的使命是让每个人都能找到属于自己的风格,并在这个过程中获得快乐、自信和归属感。这不是一个技术项目,而是一个关于人性、美学和商业智慧的综合实践。成功者必将是那些既懂技术又懂人心,既能构建产品又能创造价值的团队。