在真实办公楼宇场景中部署智能售货终端，由多个 AI 智能体协同完成选品、定价、采购、补货、客户服务与经营复盘的完整商业闭环，人工仅在关键节点监督。
医院里帮患者找科室，景点里当讲解员，创业社区里聊方向 —— 同一套系统，不同的性格。
选品、定价、采购、补货、客服、复盘，全链路自主。
AI 通过灵工平台向劳动者发布有偿任务，全国率先可观察的新业态。
硬性边界 + 人在回路 + 全程留痕的治理框架，可供监管研究参考。
不是让 AI 帮人做决策，而是让 AI 成为那个做决策的人。
多个 AI 智能体协同完成选品、定价、采购、补货、客户服务与经营复盘的完整商业闭环，人工只在关键节点监督。
Vendling 作为「售货机的 AI 经营大脑」对外提供全托管经营服务：经营者无需购买设备、无月费，按 AI 实际创造的净利分成 —— 不赚钱不收钱。补货由合作方的上门网络照单执行。
六个环节全部由 AI 决定；人只做搬运和最终拍板。经营者不需要一次性投入，也不需要懂技术，就能拥有一门 AI 打理的生意。
用一门可核查的真实生意，回答一个产业化的根本问题：
每台机器贴一张二维码，扫码即对话。这是人工智能最没有门槛的一次公众触点 —— 路过的人扫码买一瓶水，就完成了一次与「智能体经济」的真实交互。
品名和价格来自实时库存，不是它编的。
「思绪」面板把它看到的、想到的，都摊开给顾客看。一个能被围观、能被追问的 AI，比一个只会出货的黑箱更容易被信任 —— 也更适合当公众科普的载体。
记忆是长期的：它按衣着颜色而不是人脸来认人，摄像画面只在本页面本地识别，不上传、不存储。
一块没有商业用途的地方 —— 但这是它像个「它」的原因，也是路人愿意停下来看的原因。
这块屏幕开机时自己打出来的自检信息 —— 不是示意图。
从模型到搜索到感知，每一层用的是什么，在这一屏里可以逐行核对 —— 不是示意图。
这句话印在机器顶上，不是口号 —— 是这台机器的运营方式的字面描述：货架上摆什么、卖多少钱、什么时候补货、顾客问话谁来答，都由模型决定。
从顾客说出「想吃点什么」，到 AI 更新下一轮策略。橙色标出的两步由人完成，其余六步全部是 AI 自主执行。
漫画为流程示意。实际部署中顾客通过扫码完成身份与支付；摄像头只做本地在场感知（有没有人、光线、衣着颜色），不做人脸身份识别，画面不上传、不存储。图中的转化率、满意度为示意数字，非实测值。
你上班的时候，它在管你的货架。
拉全部销售数据，找出卖不动的货道、空掉的槽位、对不上的价格。
每台机器一个二维码。顾客提需求、报故障、拿到回答，每个愿望都记成一票。
把票数和销售数据变成上架决定：谁下架、谁进来、卖多少钱。
预测空槽，把多台机器并成一次高效补货，生成购物清单和行程卡。
另有三个定时任务：每天 04:00 重画顾客界面背景、每周一 06:00 写经营周报、每周一 05:00 用历史数据自我调参。订单事件每 5 分钟轮询一次，库存遥测每小时同步一次。
下面是一条示例路线上一周发生的事（四台机器，非本项目当前的两台）。橙色的是人做的，其余全部是 AI。
查价、记账、回顾客、出决策、写周报
跑一趟补货，谈一个新点位
不用看仪表盘 —— 读这封信，就是在用这个产品。每一句结论都能点进决策日志，看到当时的真实推理。
这周不错。净利 +9%，四台机器都健康。
你的顾客发话了：三个人问健身房那台有没有无糖能量饮料，所以换了一个品，周三那趟带过去。我已经告诉那三位了。
有一台通过二维码报了卡币故障，60 秒的修复动作已经放进你的行程卡。另外：某个点位的续约窗口 60 天后打开，谈这件事用的业绩单我准备好了，在附件里。
需要你：周三那趟补货（2 个点位，约 25 分钟），以及一个审批 —— 把水提价会越过你设的价格上限。理由在里面：预计每月多赚一些，这两个点位没有掉量风险。
不是 AI 替代人的工作，而是 AI 反过来成为人类劳动的雇主。这是项目中最值得关注的一个信号。
货道空了，需要有人来搬运上架。
任务内容、地点、报酬、时间窗口，条款完整。
劳动者在灵活用工平台线上接单。
录用、工时核验、报酬结算，标准流程无需运营者介入。
未来相当一部分零工类岗位，将由智能体按需发起、定价和采购：AI 负责判断「何时需要人、需要什么服务、值多少钱」，人类提供机器无法完成的物理执行。任务拆分得更细，报酬写得更透明，结算也更即时。这既是灵活就业的一条新增量渠道，也是一个值得被提前观察和规范的新业态。
六道机制，靠系统强制，不依赖模型自觉。
售价不得低于成本线，单笔采购与库存总量设有上限，越界操作由系统直接拒绝。
高风险操作需人工审批，自动采购设有「取消窗口」，管理者可随时叫停。
经营与审计由相互独立的智能体分别执行，独立复核，防止同源错误。
每一笔决策、交易与数据操作均有审计日志，可追溯、可检查。
顾客对话经内容安全过滤与注入攻击检测，个人信息脱敏且最少化收集，不留存支付敏感信息。
对顾客始终亮明 AI 身份，涉及签约、资金等关键事项永远由人类拍板。
上面那套机制并非纸面设计，而是从真实运行事件中迭代出来的。举两例。
每一次异常都会沉淀为新的硬约束，或智能体的长期记忆 —— 治理框架随运行持续加固。这套「可用、可控、可审计」的框架及其迭代过程本身，即是项目产出的一部分，可为智能体经济的监管研究提供一线实证素材。
顾客界面被拆了出去，跑在一个根本没加载业务密钥的进程里 —— 即使解析顾客输入的那段代码被完全攻破，也拿不到下单凭证和管理员密钥。
以下每个数字都来自生产环境，没有一处是模拟的。
销售历史每天都在变长。等它够 52 天，系统会第一次自己回测并调整补货参数 —— 届时它将开始自我调参。
机器不是复制粘贴出去的。每台设备装机时都要填一份位置档案 —— 之后它卖什么、说什么、屏幕长什么样，都跟着这份档案走。
帮患者和家属找科室、找路 —— 抽血在几层、缴费往哪走、下一项检查在哪栋楼。等待时间长，它要的是耐心。
当讲解员：讲眼前这处的来历和看点，按天气和时段建议怎么逛。户外点位人流多元，是最好的展示窗口。
和创业者聊方向：这个赛道最近发生了什么、谁在融资、有什么值得一看的新东西。买瓶水的工夫，顺便换个思路。
记住这层楼的作息：早上补咖啡因，下午三点推零食，加班到很晚的人它认得。
跟着课表和考试周走 —— 期末那两周，货架和话术都该换一套。
赶时间的人要的是快，不是聊天。这里它应该少说话、快出货。
目前真实落地的是写字楼场景。上面这份位置档案（含医院、校园、交通枢纽等场所类型）已经是系统里在跑的字段，其余场景的具体能力正在按这套机制逐个补上 —— 换个地方，不需要换一套系统。
每一分算力投入都对应真实的零售流水，模型消耗的 Token 直接转化为本地的消费额与税源。单点投入小、边际成本低，规模化铺开后即形成一张覆盖楼宇、园区与公共空间的智能零售网络，并带动大模型、智能硬件、运维服务、灵活用工等上下游环节在本地形成订单。
不只是大企业才用得起的数字化工具 —— 不赚钱不收钱，风险留在我们这一侧。
在园区楼宇、医院、校园、交通枢纽、公园绿道等不同类型的空间开展试点。场景之间差得越远越好 —— 那正是检验「因地而变」是不是真成立的方式。
以真实场景为牵引，联动大模型、智能硬件、灵活用工等企业共建应用生态，让模型能力多一个看得见的商业化出口。
与相关部门合作，探索智能体发单模式下灵活就业的规范路径，向监管方开放审计数据与治理框架。
单点部署仅需一台终端和标准网络环境，室内户外皆可落位 —— 试点可以很快，也可以很小。
从工具，走向经营参与者。
我们希望把这个小而完整的样本，放到尽可能多的、彼此不一样的地方去。每多一个场景，这套系统就多长出一种性格；智能体经济的示范价值、产业价值和就业价值，也就多一处可以被真实检验的落点。
到搜狐网络大厦 10F，扫一次码，和它聊两句。
