Agentic Commerce World：可审计、可验证的Vibe Commerce环境

在 vibe 编码中，人们用自然语言描述软件，并将实现委托给 AI 代理。通过类比， vibe 商业允许人们用自然语言表达购买或出售的目标，并将相应的任务委托给代理。然而，商业需要独立控制的 Buyer 和 Merchant 代理在共享市场中互动，同时保留各自的私有目标和独立的权威。我们引入了 Agentic 商业世界 (ACWorld)，用于评估在持续交易中的这些代理。通过其 Vibe 商业协议 (VCP)，ACWorld 在更新共享交易状态之前验证代理的行为，并记录结果交互，使代理行为可审计和评估可重现。ACWorld Benchmark 包含一个 200 个任务的能力覆盖轨和一个 60 个任务的大目录轨，搜索 785,022 可交易的列表。在十个模型上，平均分数从 65.9% 到 85.6% 和从 56.1% 到 91.4% 不等。我们的分析表明，过程级证据是必要的：最终状态单独无法识别评估中的错误，不完整的轨迹仍然保留有用的过程信号，大目录任务暴露了跨阶段的瓶颈。