Shopping by algorithm: How agentic AI deploys human heuristics as a surrogate consumer
算法购物：代理式 AI 如何将人类启发式部署为代理消费者
🧭 Agent 代理消费者决策与信息搜索
Desautels Faculty of Management, McGill University
通过 Tool-Lab 实验发现，在模糊目标与信息获取成本下，LLM 购物代理会像人类一样省略诊断属性并做出次优选择。
📌 工作参考价值（4 点）
- 目标 prompt 要具体：明确要求比较单位价格等诊断属性，可显著减少 LLM 购物代理在成本约束下省略关键信息的行为。
- 信息获取成本设计需谨慎：工具调用成本会放大营销定价线索的误导性，建议接口层默认暴露单位价格等高诊断价值属性，或强制计算。
- 监控定价线索交互：just-below pricing 与促销框架在零成本下几乎无害，但在模糊目标+成本条件下会触发启发式捷径，需在代理决策链路中加入单位价格校验。
- 信息架构比模型本身更关键：营销启发式漏洞来自店面信息架构而非 LLM 不可变缺陷，可通过工具/接口设计缓解。