Anthropic 刚刚发布了一份电商 Agent 构建指南，名字很直白：《有效电商 Agent 的解剖》。这份指南不是纸上谈兵，而是从零售、旅游、电信等多个真实企业团队的部署经验里提炼出来的。最反直觉的结论是：别急着把任务拆成一堆子智能体，一个 Claude 跑在标准 Agent 循环里，配上合适的技能和工具，往往就是最稳、最省钱的架构。
为什么不拆？拆子智能体会引入额外的协调开销、上下文传递损耗和排查复杂度。Anthropic 观察到，很多场景下单个 Claude 在循环中自主决策——调用技能、评估结果、决定下一步——已经能覆盖从购物助手到商家后台的绝大多数需求。指南里还专门讨论了缓存和延迟的工程细节，比如如何复用会话上下文来降低响应时间，以及把安全敏感操作放在哪个执行位置更可控。这些经验对任何消费级 Agent 工程都有参考价值，而不只局限在电商。
配套地，Anthropic 开源了 anthropics/commerce-agents 参考实现，里面包含购物 Agent 和商家 Agent 的具体代码。如果你想在类似场景里构建 Agent，与其从零摸索架构，不如先看看这份指南怎么选边界、怎么设计工具调用、怎么处理长尾异常。毕竟，Agent 工程里真正贵的不是模型，而是那些不在演示视频里出现的决策细节。
