endorphin-tabularium-docs/content/docs/08-coding-agent-traffic-platform-draft.md

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，Science	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	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	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	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。