2026年6月26日下午两点，我启动了淘宝最新版内置的购物Agent。指令很简单：独立走完搜索、比价、下单、支付的全流程，目标20单。
两小时后，结果令人尴尬。20单中，有9单被退回，退货率45%。作为对比，我过去半年手动下单的平均退货率仅为12%。看着客厅地板上堆满的退货包裹，一个现实摆在眼前：购物Agent离真正的“解放双手”还差着不少距离。
“白色”的歧义与长尾审美的缺失
第一次翻车出在颜色上。指令要求购买“适合露营、看起来轻便的白色保温杯”。
Agent在一分钟内推送了三款商品并加入购物车。第一单收到的实物是“淡灰色”的陶瓷杯。在淘宝的视觉语境里，人类理解的“白色”往往指向纯白或象牙白，而Agent基于概率抓取关键词，生成的“白色”却带有随机色调偏差。
后续测试中，这类意图理解偏差至少出现了5次：AI用“米色”替换“白色”，用“牛仔蓝”冒充“黑色”。
长尾商品的匹配同样吃力。当我要求买一款“复古风木质梳妆镜”时，Agent推荐的前五款全是现代极简风。它检索到了“复古”和“镜子”的高频销量词，却无法理解“复古”背后的文化属性和审美偏好。在非标品领域，尤其是涉及个人风格的决策，Agent目前更像是一个死记硬背的学生，而非懂审美的买手。
支付环节的“信任死结”
比选品更致命的，是支付的卡顿。20单中有5单直接卡在了“去结算”这一步。
日志反馈显示，两大阻碍分别是复杂的优惠券规则和严格的风控验证。2026年的电商安全机制要求人脸识别或复杂的动态验证码，而Agent作为软件脚本，无法模拟人类在验证码中的随机点击，也无法进行面部交互。
更麻烦的是，有一单因Agent反复无法通过风控检测，导致库存被锁定，最终只能取消订单。这揭示了一个核心矛盾：消费类Agent目前缺乏“类人”的交互韧性。它是一个理性的计算器，却不会“应付检查”，也无法在支付环节建立那种基于经验的直觉信任。
结论：是筛选工具，非决策者
回顾这20单，Agent的优势局限于标准化、高销量的刚需品，如基础款T恤或数据线。在这些领域，它能高效节省比价时间。
但一旦涉及个性化需求、审美判断或复杂场景组合，其准确率便迅速下滑。购物不仅是获取商品，更包含对质量预判、物流时效及售后的综合信任。Agent目前仅完成了“买”的动作，却未能构建完整的“信”任链条。
对于日常采购，它可以是个好助手；但对于需要主观判断的消费决策，它仍需人类的监督与校验。