Anthropic Claude 电商代理开源

Anthropic 发布了电商 AI 代理的开源参考实现,包含购物代理和商家代理,并提供了详细的架构和安全指南。该实现包含两个代理:购物代理(面向消费者,嵌入应用/网站)和商家代理(面向商店运营者)。提供四个垂直领域演示:零售、旅行、电信、票务。三种运行模式:Messages API、Claude Agent SDK、Managed Agents(测试版)。还提供了一个 Claude Code 插件 'commerce-builder',提供用于搭建流程、添加流程、编写评估和审查代理的命令。架构采用单代理+技能模式,而非多子代理,因为电商对话高度耦合;子代理会导致有损状态传递、更高延迟和成本。技能涵盖搜索、购买调研、规划、客户关怀和记忆。系统提示包含安全、法律、品牌约束和高频指令;技能处理长尾意图。工具调用现有后端系统(如搜索、库存、促销),而非重新创建逻辑。UI 组件定义为工具(如 present_products),以避免自定义标记并支持原生重放。延迟优化通过预加载上下文和并行工具调用减少轮次;提示缓存通过将请求从静态到动态排序,目标命中率达 90-99%。记忆存储在企业数据库中,在每次交互后异步提取(比模型调用保存的召回率提高 13%),采用三级读取和用户控制。安全方面:在护栏层执行,而非提示中;模型仅提出建议,由人类或策略执行;写操作使用服务器签名的 ID;购买限制序列化;第三方内容清理;监管费用披露按原文提供。评估:基于快照的测试(构建状态+用户消息+运行+评估最终状态和渲染);每个流程 50-100 个案例,每个正面案例搭配一个负面案例;从用户消息和数据平面测试注入攻击。报告结果:使用购物代理的零售商的购物车价值最高提升 35%,购买完成可能性提升 60%。
Key insights
单代理+技能架构在电商中优于多代理设置
Anthropic 的设计明确拒绝电商场景中的子代理编排,认为购物对话需要共享状态(购物车、偏好、历史记录),而子代理之间的交接会导致有损状态传递、更高的 token 使用量和延迟。他们的单代理+技能方法在企业部署中始终优于整体提示和多代理系统。
安全在护栏层执行,而非提示中
参考实现将所有安全执行放在模型外部:代理只能提出操作建议;写操作生成带有服务器签名 ID 的分阶段更改,需要批准;购买限制在服务器端序列化和验证;第三方内容被清理;监管费用披露从后端按原文提供。这种设计可防止提示注入和模型错误导致有害交易。
提示缓存和异步内存是关键的成本与性能杠杆
该系统通过将请求段从静态(系统提示、工具定义)到动态(时间、当前页面)排序,目标实现 90-99% 的提示缓存命中率。记忆提取在每次交互后异步运行,将事实召回率提高 13%,且不增加对话延迟。这些优化使代理在经济上可大规模应用。
开源版本包含生产级评估和组织模式
该仓库不仅提供了代理代码,还提供了完整的评估方法论:基于快照的测试、正/负案例配对、注入攻击测试,以及每个流程 50-100 个与领域专家共同编写的案例。它还概述了组织实践,如所有权跟随系统、金丝雀发布和 CI 运行核心加受影响测试集,使其成为企业采用的蓝图。
报告的业务影响显示显著转化提升
Anthropic 声称,使用购物代理的零售商的购物车价值最高提升 35%,购买完成率提升 60%。这些数据如果得到验证,表明设计良好的电商代理可以直接影响收入,从成本节约转向收入增长。