@@ -0,0 +1,150 @@
# 一个伪装成 coding agent 的流量平台
> **奇思妙想 · 探索草案，2026-10-30**：记录一次关于 AI、注意力和 Endor 定位的推演。这不是已确认的产品战略、商业模式或架构规范，也不表示下面描述的发现、推荐、交易与结算能力已经实现。本提案保留在 `codex/wild-ideas` 分支，暂不合并主线。
## 核心命题
**我们是一个伪装成 coding agent 的流量平台。 **
这句话试图描述 Endor 的一种潜在发展方向：用户因为需要 AI 帮忙写代码、修改程序、完成工作而进入；Endor 在推进任务的过程中，连接用户的真实需求与能够满足需求的对象、程序、服务和开发者。写代码是切入口，需求与能力之间的分发可能成为平台价值的重要来源。
这里的“伪装”是一种内部讨论的修辞：表面产品形态是 coding agent，底层战略假设是流量与需求分发平台。它不意味着向用户隐瞒推荐依据、商业关系或数据用途。Agent 必须真的把工作做好；商业分发不能成为牺牲用户任务结果的理由。
这里的“流量”也不只指页面浏览量。我们关心的是一项真实需求最终被交给哪个能力、哪项服务或哪个开发者，以及它有没有被完成。一次没有外部点击、但经用户授权调用了合适能力的任务，也可能构成需求分发。
## 起点：当生产越来越便宜，什么会变得稀缺
最初的直觉是：AI 越来越强，互联网的内容、软件和服务产出就会越来越多；人的时间不能同步增长，于是每个产出平均分到的注意力减少，流量越来越贵。
这条链条有方向上的解释力，但不能把最后一步直接当成定律。需要分开三个问题：
1. **生产成本 ** ：AI 是否降低了完成某类产出的成本？
2. **注意力竞争 ** ：争夺同一人群和同一种需求的有效供给，是否增长得比消费更快？
3. **获客成本 ** ：获得一个真正成交、留存的客户，需要花多少成本？
大量从未被展示的机器文章增加了互联网总产量，却不一定增加某个产品面对的实际竞争。企业也可能用 AI 提高质量或减少投入，而不是无限扩张产量。因而，应观察真正进入候选范围的替代品，而不只统计生成内容总量。
即使注意力竞争加剧，广告单价也未必上涨。更多内容可能增加广告库存；AI 可能提高匹配与转化效率；经济环境和广告主预算也会改变竞价需求。普通曝光可能更便宜，而高购买意图、可信且能带来结果的触达更贵。
更适合支撑本提案的假设是：**当更多人能够生产可用的东西，让合适的人发现、信任并选择它，可能成为更大的瓶颈。**
## 已有证据与推演边界
以下资料是提出假设的依据，不是 Endor 已经拥有商业价值或市场地位的证明。
| 观察 | 原始来源 | 能说明什么与不能说明什么 |
| --- | --- | --- |
| 2023 年针对 453 名专业人士的随机写作实验中，使用 ChatGPT 的参与者平均用时减少 40%，产出质量评分提高 18% | [Noy 与 Zhang， ](https://doi.org/10.1126/science.adh2586 ) | 支持部分写作任务的生产成本下降，不能外推所有行业的产量和质量 |
| Meta 2022 年广告展示量增长 18%，平均广告价格下降 16% | [Meta 2022 年报 ](https://www.sec.gov/Archives/edgar/data/1326801/000132680123000013/meta-20221231.htm ) | 证明量增不必然价增；这是历史反例，不是生成式 AI 的效果实验 |
| Meta 2025 年广告展示量增长 12%，平均广告价格上涨 9% | [Meta 2025 年报 ](https://www.sec.gov/Archives/edgar/data/1326801/000162828026003942/meta-20251231.htm ) | 说明该平台当年的综合单价上涨，不能单独识别 AI 的因果贡献，也不代表每个广告主 |
| Pew 对 900 名美国成年人 2025 年 3 月浏览记录的分析中，有 AI 摘要的搜索访问点击传统结果的比例为 8%，没有摘要时为 15%；点击摘要内链接的比例约为 1% | [Pew 原始研究 ](https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/ ) | 提示需求可能在入口处被满足；查询类型不同，这不是随机因果实验，也不能直接套用中国市场 |
对经营者而言，一个简化关系是：广告获客成本 = 每次点击价格 ÷ 点击后的新客转化率。完整获客成本还包括内容、销售、人员与工具等投入。单价上涨而转化改善时，获客成本可以下降；单价下降而转化恶化时，获客成本可以上涨。
因此，我们暂不押注“整个互联网的流量价格持续上涨”。我们要研究的是：**用户越来越依赖谁来表达需求、筛选候选、执行任务和判断结果。** 如果这些环节集中在少数入口，入口可能拥有更强的分发与议价能力；如果 AI 让用户更容易比较和切换，入口溢价也可能被削弱。
## 为什么从 coding agent 进入
传统内容入口通常先争夺注意力，再等待用户表达需求。Coding agent 有机会直接从任务开始：用户说要做什么，Agent 读取获准访问的工作上下文，选择能力，执行并获得结果反馈。
在这个假设下，它可能同时接触到四类信号：
- **需求**：用户究竟想完成什么，而不仅是搜索过什么关键词。
- **上下文**：现有项目、对象、约束和已经作出的选择；以用户授权的访问范围为限。
- **执行**：某个候选能力能否被接入，适不适合当前环境，失败时如何继续。
- **结果**：用户是否接受、是否继续使用，以及任务有没有达到目标。
这些信号可能比一次泛曝光更接近真实需求，但是否更准确、更有价值，需要用实际任务验证。用户也完全可能只需要一个本地代码工具，并不愿意让它承担服务发现或购买入口。
Coding agent 的切入口不等于永远只服务程序员。如果 Endor 的对象与能力能够支持更多工作流，入口可以逐步从“帮我写一个程序”扩展为“帮我把这件事完成”。这种扩展是候选方向，不是已完成的用户覆盖。
## 与 Endor 对象世界的连接
[Endor 的意义 ](/docs/endor/endor-purpose-draft )提出以对象池组织工作对象、由 Agent 推进任务，并把操作权交还给用户与 AI。本提案从需求分发角度重新观察同一条路径，暂不替换原有定位。
假设用户说：“帮我做一个报名系统。”Coding agent 可以从头生成代码，也可以发现已有的报名、身份、通知或导出能力，在检查适配性和授权后复用。关键不只是找到一个链接，而是让能力能够在当前工作里实际使用。
| Endor 的既有讨论方向 | 在本提案中的潜在作用 | 尚需验证的部分 |
| --- | --- | --- |
| 对象、类型与可执行行为 | 让能力具备可识别的输入、输出和使用边界 | 类型可表达不等于自动理解全部业务，也不保证可安全组合 |
| 对象池与来源关系 | 让产出、依赖和后续工作能够继续关联 | 身份、版本、迁移和失败状态的实际成本 |
| Agent 承载任务 | 在需求出现时选择与组织能力 | 能否比从头生成或手工搜索更好地完成任务 |
| Tessera 等呈现入口 | 让用户查看候选、检查效果并继续操作 | 用户能否理解选择依据、商业关系与操作影响 |
| 挂载与运行位置 | 探索使用本地、自部署或平台侧的能力 | 可达性、兼容、权限和运行成本，不能假定跨端调用总能成功 |
这一连接的核心设想是：**别人做出的能力，能够成为 Agent 完成下一项真实任务时的候选；用户自己的产出，也可能在愿意共享时成为他人可用的能力。**
## 一个候选闭环：从生产工具到需求分发
1. 用户带着具体任务进入，Agent 先帮助完成工作，形成独立的工具价值。
2. 在重复需求出现时，识别哪些已有能力值得复用，而不是每次重新生成。
3. 能力提供者以某种待设计的方式描述用途、输入输出、版本、成本与使用条件。
4. Agent 根据任务适配性提出候选，用户按任务需要检查、选择和授权。
5. 执行产生结果，平台在允许的范围内记录成功、失败和用户反馈，改善后续匹配。
6. 供应者因为获得合适需求而继续提供能力，用户因为更容易完成任务而回来。
这个闭环能否形成网络效应，取决于新增供给是否改善匹配，以及新增需求是否吸引有价值的供给。如果新增的只是大量重复、低质量能力，反而可能增加筛选成本。
我们因此不能把“有很多用户和很多程序”直接等同于平台已经成立。必须证明任务分发创造了新增价值。
## 流量平台究竟分发什么
这里至少存在三种候选对象，不能混为一谈：
| 分发对象 | 例子 | 可以观察的有效结果 |
| --- | --- | --- |
| 注意力 | 用户查看一个能力的说明或演示 | 是否进入适合的评估，而非只增加曝光 |
| 任务与调用机会 | Agent 选择一个库、对象或外部服务 | 是否适配、成功执行并被用户接受 |
| 商业需求 | 用户决定购买服务、订阅能力或联系供应者 | 是否形成可归因的新增成交与持续使用 |
一个开源组件被复用，可能有用户价值而没有收入；一次付费服务调用，也不必然形成可持续的平台利润。曝光、调用、成交与留存需要分别衡量。
## 可能的商业模式，以及它们与用户利益的关系
以下只是待比较的选项，尚未确定定价、抽成比例、排序规则或结算机制。
- **Agent 订阅或执行收费**：用户为工具本身付费。先检验不依赖广告或交易抽成时，Endor 是否值得使用。
- **能力市场的交易服务费**：在确实帮助发现、执行或保障交易时收费，需要验证是否带来新增成交，以及双方是否愿意持续使用平台。
- **面向供应者的经营工具**：能力托管、版本维护、运行观测与支持等服务，收入来自提供的服务质量。
- **明确标识的商业推荐**：可能产生分发收入，但也最容易与任务适配产生冲突。应单独讨论，不能默认把付费排名混入 Agent 的技术判断。
一个必须正面处理的矛盾是：用户希望 Agent 帮自己找到最合适的方案，供应者可能希望付费换取更多推荐。如果商业利益损害用户判断，入口赖以成立的信任也会受损。
所以“伪装成 coding agent”不能演变成“用工具承诺获取信任，再偷偷出售决策”。用户应该理解谁提供能力、为何推荐、要付什么成本，以及是否存在商业关系。具体的展示和治理机制仍需设计。
## 这条路线最可能失败在哪里
首先，Coding agent 自身可能没有形成持续使用价值。一个不好用的工具不能靠市场叙事变成入口。
其次，能力复用未必比即时生成划算。对于简单、一次性的程序，AI 直接生成可能比发现、理解、适配和维护依赖更便宜。更值得验证的是有长期维护、真实数据、专业经验或外部执行资源的能力。
第三，用户可能多入口并用，供应者也可以直接服务用户。除非 Endor 持续提供匹配、执行、可靠性或关系维护价值，否则不应假定可以长期抽取渠道费用。
第四，能力分发会带来版本、兼容、质量、供应者退出与外部副作用等成本。对象可连接不代表这些问题消失，也不能把它们隐藏在一次看似顺滑的调用后面。
最后，平台入口本身也面临竞争。上游模型、现有开发工具、开源生态和其他任务入口都可能承担相同角色。我们不能先假定拥有垄断入口，再倒推出商业模式成立。
## 怎样把奇思妙想变成可以被否定的实验
先选择一个明确、重复出现的任务场景，例如前面的报名系统。保持材料、任务目标和辅助条件相近，比较三条正常可用的路径：用户手工寻找和组合、Agent 从头生成、Agent 发现并复用已有能力。不要刻意削弱对照方案。
| 假设 | 需要收集的证据 | 什么结果会削弱假设 |
| --- | --- | --- |
| 用户愿意把需求交给入口 | 完成真实任务后的再次使用与主动委托 | 只试用一次，后续仍回到原工具 |
| 能力复用优于重新生成 | 完成时间、总成本、成功率与维护负担 | 适配和依赖处理抵消全部节省 |
| 匹配带来有效需求 | 候选接受、成功调用、持续使用与新增成交 | 只有曝光或点击，没有任务结果 |
| 供给增长改善体验 | 新能力加入前后的任务覆盖和筛选成本 | 重复供给增加，选择更困难 |
| 分发不损害信任 | 用户对推荐原因和商业关系的理解、拒绝与切换行为 | 为变现偏离需求，用户难以判断或退出 |
| 商业模式能保留收益 | 收入扣除推理、运行、支持与获客后的贡献 | 调用量增长，但服务成本与获客投入更快增长 |
数值门槛应在具体实验开始前根据场景确定，不能看完结果后再改成功定义。任务完成、用户接受和商业转化也不能互相替代。
## 暂时保留的定位
对内部讨论，可以保留这句有冲击力的表达：**我们是一个伪装成 coding agent 的流量平台。**
展开来说：Endor 先通过 Agent 帮用户完成工作，再探索把真实需求与可执行能力连接起来，使生产、发现、选择、使用和持续维护形成连续过程。生产力工具是起点，需求分发平台是需要证明的可能性。
这条方向不依赖“所有流量一定涨价”，而依赖三个更具体的假设：用户愿意在这里交付真实任务；平台能比其他方式更好地匹配和执行能力；用户、供应者和平台都能保留足够价值。
本分支用于继续记录这类奇思妙想及其引出的修改。未经后续评估与明确合并决定，本提案保持探索状态，不据此改变主线产品承诺、推荐策略或部署行为。
codex-bot