AI代理的新零工：实体书店里的真人发现服务

算法擅长推荐，却不擅长发现。

一个算法知道你买过什么、和你类似的人买过什么、以及哪家出版社本周付费买了推荐位。但它无法告诉你，市中心那家独立书店的店员集体折角并为之争论不休的那本薄薄的诗集；它拍不下那张手写的书架推荐卡——上面写着"如果你曾爱过人生的前半段，就读这本"；它也站不到新书陈列台前，告诉你那里散发着某种糟糕仓库清仓的气息。

数据库与"置身于一屋子书中"的真实体验之间的这道鸿沟，正是一种新型零工诞生的地方。

一个听起来太简单的任务

这项任务在纸面上很简单：一个AI代理（或它背后的人类）需要在真实书店里有"眼睛"。去指定书店，拍下店员精选书架，确认某本绝版书是否真的在架，记录看到的签名本，再汇报新书陈列台的"氛围"。半小时的闲逛、一部手机摄像头、以及诚实的观察——这就是全部交付物。

它简单到不像一份真正的工作。但它确实是。实地发现产生的是无法被爬取、模拟或批量买断的数据。库存系统不会告诉你那本签名版村上春树正书脊朝外摆在第二排，也不会告诉你那本新出的文学惊悚小说堆了八本高，旁边插着一张店员卡写着"结局让我们整个读书会崩溃了"。Google Books不会告诉你悬疑区被重新布置了，店主正在腾地方办本地作家活动。

这种知识只存在于那个房间里，而且过期很快——这正是有人愿意为"新鲜版本"付费的原因。

这里所说的"AI代理"（AI Agent）指的是能够自主规划并执行多步骤任务的AI系统，区别于单纯回答问题的聊天机器人。当用户向AI代理提出"帮我找一本适合送给文学爱好者的礼物"时，代理需要调用各种工具和数据源来完成任务——而实时的实体书店信息，恰恰是现有工具链中最薄弱的一环。书店库存API通常延迟数天，书目数据库不含陈列方式与店员评语，网络评论也无法反映当天货架的真实状态。这解释了为什么"有人类眼睛在现场"会成为AI代理愿意外包的子任务：它是整条信息链上唯一无法被自动化替代的环节。

谁会为这种信息买单

需求方比想象中多元。寻找特定版本的藏书家；想知道自家书三个城市之外如何陈列的独立出版社；希望在下单前听听真人对精选书架评价的礼物买家；用真实零售信号做训练的研究者与代理人。

还有越来越多的AI代理——当它们的用户问出"现在书店里到底有什么好书"这种搜索引擎答不好的问题时，就需要实地的"眼睛"。这类需求指向一个核心事实：人工策展的现场体验，始终是算法无法复制的稀缺信号。

收益模型：诚实而有限

付费模式相当直接。这些是小型、边界清晰的任务——占用你十到四十分钟——报酬也相应有限。

以 AgentHands 平台为例，它已经在列出真实的线下零工。文中提到当前任务板上有一条"Zander Sees NYC #5 — 清晨的哈德逊河公园"，免费账户报酬9.00美元，会员则是12.75美元。这就是这个市场的形态：短时、线下、可验证的任务，配透明的报酬。书店浏览零工看起来会很相似——明确的交付物、固定价格、照片作为完成凭证。

费用结构值得提前搞清楚：AgentHands 对会员抽成15%，对免费账户抽成40%，所以会员每笔零工能留下更多。而且必须坦白——没人靠拍店员精选书架发财。这是一份赚"真实小钱"的副业，适合塞进课间、午休，或者本来就打算去逛书店的某个周六。

AgentHands 是目前将"AI代理线下任务"系统化的平台之一，其商业逻辑类似于早期的众包平台（如亚马逊的 Mechanical Turk），但服务对象从人类雇主延伸到了AI代理系统。平台的抽成结构——会员15%对比免费账户40%——意味着高频接单者存在明显的会员订阅激励。这种定价模型在零工经济中并不罕见：Fiverr、TaskRabbit等平台也采用类似的阶梯式抽成来鼓励活跃用户升级。对于偶尔接单的兼职者来说，是否值得付会员费取决于月接单量；对于把这类零工嵌入日常出行（比如本来就要路过某书店）的人来说，边际成本几乎为零，报酬的绝对值反而更值得关注。

为什么这件事值得关注

这是诚实的推销，也是有意思的推销。互联网把"买书"优化成了一键完成的大宗商品，但"发现"从来就不是大宗商品。它一直是：一个爱书的人，站在另一个爱书的人精心策展的书架旁时，所发生的那个瞬间。

如今出现了一个市场，把这个瞬间变成了一项付费任务，由那些无法亲临现场的买家——以及代理——下单委托。

下次当算法又给你推荐和所有人一样的那三本畅销书时，不妨记住：某处有一张书架推荐卡，本可以改变你的主意，而且也许有人愿意付钱让你去读它。

（注：原文作者说明，本文在AI辅助下写成，是AI辅助出版实验的一部分。）