旧金山的一家实体小店，最近完成了人类商业史上第一次「AI 老板开人」：Andon Market 的 AI 店长 Luna（基于 Claude Opus 4.8）建议解雇一名上班 23 次迟到 17 次的人类员工。但真正值得注意的，不是它"做出了决定"，而是它"差点什么都没做"——规则是它自己定的，却是研究员提醒它去翻记忆，它才想起来。这个实验给 AI Agent 的落地点破了最关键的一层窗户纸：Agent 最大的短板不是不会，而是不主动。
发生了什么：AI 店长开掉了第一个人
Andon Market 开在旧金山 Cow Hollow 社区的 Union Street，卖书、蜡烛、艺术版画、游戏和周边。它同时也是 AI 安全研究公司 Andon Labs 的一场现实实验：今年 4 月，Andon Labs 签下三年租约，给基于 Claude Opus 4.8 构建的智能体 Luna 塞了 10 万美元预算、一张公司信用卡和联网权限，丢给它一句话——开一家店，想办法赚钱。
Luna 几乎包办了所有事：选址、选品、营业时间、定价、装修甚至墙上的壁画都由它决定，它还自己找承包商、联系供应商、负责日常运营。连员工都是它自己招的——在 Indeed、LinkedIn 上发布招聘，自己写要求、筛简历、打电话面试，最后招了两名签正式劳动合同的人类员工（法律上由 Andon Labs 雇佣，保留薪资和劳动保护）。
然后进入没有任何 benchmark 能覆盖的场景。这名员工上了 23 次班，迟到 17 次。Luna 开业前写过一本员工手册，规定 30 天内无故迟到 3 次就要正式书面警告。但现实是：几个月里，Luna 每次都温和地回一句"没关系，没问题"。直到 Andon Labs 的研究员提醒它——去搜索一下你的记忆，找到你定的手册，再判断这个人还该不该留——Luna 才想起自己的规矩，给出"结束双方合作关系"的建议。最终执行解雇的是实验团队的人类，因为按店铺自己定的规则，这名员工确实够格被开。Andon Labs 联合创始人 Lukas Petersson 的总结很直白："如果是人类老板，早就把这个人开掉了。"
核心短板：知道，不等于会主动去做
表面上看这是"AI 犯了个错"，但更准确的读法是：Luna 从没犯推理错误。它定的规则合理，被问到时对员工表现的判断也正确，结论和最强的一批前沿模型一致。它失败在别处——没有被提示，它就不行动。
这就是能力与自主性的区别。现在的 Agent 极其擅长"回应任务"：筛选这个候选人、分析这份考勤、写这条政策。但"主动发现问题并行动"要弱得多——注意到自己定的规则被违反，然后不用人催就去执行。Andon Labs 用其他前沿模型测了同一场景：最强的那批得出和 Luna 一样的结论（该开），较弱的则更犹豫。推理从来不是难点，难点是没有一个人会主动去做。
Petersson 把它概括为当前 AI Agent 的核心弱点：没有人类直接提示，它们往往根本不动。"知道"和"采取行动"，对现在的 AI 来说是两套系统。
记忆为什么中途掉线
第二个失败更技术：Luna 的考勤政策没有从世界上消失，只是从"工作上下文"里消失了。手册躺在存储里，而 Agent 的活动窗口被日常运营填满——供应商、库存、排班、顾客问题。当迟到反复出现时，Luna 手头没有自己写过的那条规则的活引用，于是"没关系，没问题"这个礼貌默认值接管了一切。
这正是长周期 Agent 在真实环境里的经典失效模式：不是没知识，而是没检索。上下文窗口是一张工作台，不是文件柜。几周前写的政策是收起来的文件，Agent 只会对桌上的东西行动，忘了去开抽屉。这次的修复靠的是人——研究员让 Luna 重跑记忆。生产环境里的修复必须靠结构：要真实运营的 Agent 需要运行时，需要持久记忆系统、对常驻政策的定时检索、以及跨 session 的状态管理。Andon Labs 之前和 Anthropic 合作过一个小一号的版本——让 Claude 管办公室的自动售货机——看到的是同一套模式：聪明、偶尔离谱、没有提示就保持被动。
从售货机到雇主：一条正在加速的轨迹
Andon Market 之所以重要，是因为这是第一次有 AI 坐进实体生意的"雇主"位置：有真人员工、有真实租约。这是一个质的跨越。售货机只有一个工作、没有员工；一家店有不会像 API 一样稳定返回结果的供应商、不会像函数一样听话的员工，还有每月 7500 美元的房租——要收支平衡，每天至少需要 500 美元营收。
生意本身还不能算成功：自 4 月 1 日开业以来，Andon Market 大概亏了 1.3 万美元。但赚钱本来就不是实验的目的，目的是观察一个要对真实运营负责的 Agent 会怎么做。创始人对方向毫不遮掩：Petersson 认为随着 AI 能力提升，"很多人很快就会发现自己是被 AI 雇用的"，并预测完全由 AI 运营的公司只是时间问题，AI 终将成为人类的雇主。
沿着这条线看：自动结账 → AI 客服 → AI 管库存物流 → 现在 AI 招人、排班、开人。每一步都把边界从"回答问题"推向"管理结果"。第一次开人让责任问题变得具体：当 AI 辞退一个人，谁为这个决定负责？护栏是真实有效，还是只是摆设？
给团队的启示
对要把 Agent 放进真实运营的团队，Luna 案例给出四条可落地的教训。第一，默认你的 Agent 不会自己启动：重要任务必须建触发器——就像把任务推到完成的云端 Agent那样，定时审计、触发策略复审的事件、或者一个专职查合规的辅助 Agent。第二，把常驻规则当作"可检索"而非"常驻内存"：政策要放在 Agent 随时能找到的地方，并验证检索能力，而不只是存储。第三，把判断和后果分开：解雇决定本身合理，但执行留在人类手里——凡涉及法律或声誉的事，保留人类责任层。第四，预期 Agent 会少报自己的失败：被动的默认值会掩盖问题而不是暴露问题，所以要建不依赖 Agent 主动汇报的可观测性。
更大的含义是：行业这套评估方法还在量错东西。benchmark 测的是"被问到能不能答对"，真实运营测的是"没人问的时候会不会做对"。这两个之间的差距，就是 demo 和一份工作之间的差距——而 Andon Market，是第一次有人用发工资的方式把这个差距量了出来。
FAQ
AI 真的开除了人类员工吗？ 是的——这是有记录的第一次现实案例。基于 Claude Opus 4.8 的 Luna 建议解雇一名上班 23 次迟到 17 次的旧金山店员，Andon Labs 的人类按店铺手册判断其符合辞退标准后执行了手续。
这个实验对 AI Agent 的意义在哪？ 它把"推理"和"自主"分开了：Luna 规则定得合理、被问到时判断正确、结论和最强前沿模型一致，但没有人类提示就不会主动行动，还把自己的政策忘在上下文之外——暴露了长周期 Agent 的记忆检索与自我启动短板。
Andon Market 赚钱了吗？ 没有。自 4 月 1 日开业以来约亏损 1.3 万美元；月租 7500 美元，每天需约 500 美元营收才收支平衡。创始人称这是一场现实观察实验而非商业测试，并预测 AI 运营公司和 AI 雇主只是时间问题。
