{
  "$type": "site.standard.document",
  "bskyPostRef": {
    "cid": "bafyreifthzdeljhm7z4t4r46s3v7b6kaf4x3bw6qccw6pvbutqjojue7hi",
    "uri": "at://did:plc:lk3jfj3zq4k4wxnk474axylu/app.bsky.feed.post/3mhnwg6h6of42"
  },
  "path": "/t/preparing-a-merchant-integration-for-chatgpt-commerce-questions-on-feed-readiness-and-acp-workflow/1377469#post_2",
  "publishedAt": "2026-03-22T15:38:18.000Z",
  "site": "https://community.openai.com",
  "textContent": "太好了，openAI终于换了懂行的人上来了。看到头像我就知道我不需要用chatGPT翻译一遍英文了。\n\n**谷歌那边我在几个月前就发过帖子讲过关于UCP的很多问题，但是实际上他们并不在意，因为谷歌并没有运营电商的经验，以及他们的技术架构和想法非常的古板，跟不上AI时代的商务的需求** 。\n\n我这2年的客户中，有不少是跨境电商公司（北美市场），硬件公司，等等。我老婆之前是vipkids的，属于总裁办，职责是负责整个北美地区教师招聘和广告投放。\n\n所以很多问题的答案，并不在你的问题上面。首先，商家需要有链接到会买他的商品的消费者的情况下，商家才会为此付费，才会愿意将商品上架到这个平台并进行运营。\n\n其实ACP/chekout存不存在，并不是非常的重要，**只要能连接到需求的用户，后面跳转到哪里结账，这笔生意都能做成** 。假如没有生意，其他的都是空谈。\n\n对于跨境电商来说，其实分很多种，个人的，小公司的，分销商，或者是我的客户那种大型自有品牌的公司，等等。这些不同主体就不应该使用同样的review process。\n\n假如我分开来说的话，这个答案会非常非常的长，像个博客一样。长话短说就是，目前的电商架构能不能给消费者，商家，中间商，等等各方带来利益，假如是概率很低的利益的话，那么这个事情会非常的艰难。\n\n//…….//\n\n并且都已经AI发展了这么多年了，电商就不应该还是以前的架构，以前的思路去做，把握住市场里面真正的价值就能做好，不需要所谓的店铺形式，上架形式，图文形式等等。因为现在即使是商家上传几本手册，价目表，乱七八糟的实拍图，等等，丢进一个RAG里面，AI也能进行模糊匹配到需求方的关键词，压根不需要像以前一样整理好店铺，上架，维护等等。\n\n这对于非标的商品，尤其是技能，远程辅助，教育，顾问，等等，是个利好，这些其实也算是商品。**并且可以把非标的供应商深度发掘出来** 。\n\n//以前我也觉得这些非标的市场其实不大，直到我在8年多前看过vipkids的实际北美英语教师数量，其实很多家庭主妇、在学校、律所、工厂、硅谷公司、上班的那些人，都是实际的教育商品的提供者，这个数字非常庞大。因为技能这种非标产品的匹配，是个很难的事情，在AI出来之前就比较麻烦，现在会简易的多。\n\n并且第一个把非标和标准商品市场AI化的平台，是有巨大价格优势的，比如在湾区，普通的水管维护，换灯泡，修下水管，课业辅导，等等一些标准市场的价格是很贵的，但是又有很多有这类技能，又同时有闲余时间的人，所以就能产生匹配。就像vipkids的很多教师群体来自有一定闲余时间的家庭主妇。**Agent to Agent系统又能很好的完成非标的技能匹配和自动化的匹配空余时间** 。\n\n**以下是我在谷歌那边之前帖子的原稿（未翻译版本）：**\n\nProduct build for a purpose.\n\n我认为UCP的设计完全不正确。\n\n2025年参与了不少电商相关的项目，以及跨境电商。\n\n然后看到谷歌出了个UCP协议，于是打算去尝试一下。\n\n首先UCP不应该需要普通电商平台来作为一个必须的鉴定权限或者鉴定信用的入口。\n\nUCP的设计非常像普通的老式的电商平台，但是实际上现在已经不需要这样的平台了，消费者去搜索产品，然后不断下划屏幕，本身是一种效率非常低下的选品方式和效率非常低下的交互方式。\n\n现在搜索都不需要做关键词和模糊查询了。为什么不直接进行多维向量的匹配，这样在AI的记忆中会更快，更准，并且能产生隐含因子的发现与匹配。\n\nAI已经走到了2026年，很多功能都可以实现了。我其实不大理解UCP为什么设计成标准的产品介绍+图片这样非常传统的展示方式。AI时代，产品可以是实体的物理商品，也可以是服务，也可以是某个行业的知识，或者一种业内的指导，等等。在AI成熟之前，实体之外的卖家能力很难被归类和鉴别，只能依靠证书，学位，等等。现在可以把这些知识和能力，让个人的AI agent进行一次学习，就像远古时代，人类会有HR去通过一个叫“简历”的文件去学习这个候选人的背景一样。\n\n将来，可以不需要让技能供应者（也叫求职者）把自己的所有的经历和项目压缩到仅仅一页A4纸，仅仅只是为了方便HR阅读。将来可以让求职者把所有的经历，资料，项目文档，细节等等，放在一起做成一个chatbot，让HR或者买家来进行询问和谈判。HR也更省事，直接询问需求的对应方向的项目资料和直接离线进行能力鉴别。HR甚至可以给一个中介agent说出自己的需求，然后在A2A网络或者UCP网络中进行筛选。\n\n将来，可以不需要商家把所有的产品资料，按照亚马逊/ebay那样进行分类，打包，写描述，传图，等等。只需要新建一个知识库，对应企业所有产品，照片，说明书，发货和退货规则，等等。让AI和AI进行交流，总结，极大提高了购买效率，购买体验。\n\n是不是这些技术栈有些熟悉？是的，AI可以完美的代替商用的搜索。\n\n谷歌有个非常重要的软件，叫做notebookLM，但是实际上有很多功能没有发挥出来。notebookLM是个伟大的产品，目前最完美的知识库产品，假如让商家建自己的对外产品知识库，让求职者建自己的简历和技能，以及项目经验知识库，那么整个互联网的沟通效率高很多。\n\n之前很多在亚马逊，linkedin,ebay，等等的搜索框里面完成不了的需求，完成不了的针对候选的追问，包括同时对几十个候选人进行追问筛选，都可以非常简单的完成。\n\n//for example。假如我是一个养宠物的人，我需要买宠物的用品，粮食，耗材，还需要偶尔寄养等等。那么接下来需要打开ebay，看看各种用品有哪些，有哪些价格，然后还得打开亚马逊，看看喜欢的品牌有没有打折，然后还得打开各种比价和团购的网站，寻找一下最新的cupon等等。然后再拿起手机上的计算器，算来算去，以及如何组合，还得注意各种邮费和税费的加权。这是一个非常长的决策链，并且有很多因子会影响，为什么不直接调用搜索+AI，去帮助用户直接完成这些事情，自动给出用户几个套餐组合的最优解，以及告诉用户不同的价格带来的性能或者其他的方面的差异，一站式指导用户购买和下单。用户其实并不需要亚马逊或者ebay这样的传统的网站，这些网站只是一个信息的来源。放弃那些GEO,SEO，等等一些优化策略吧，让这些算法和平台成为历史。\n\n//假如我是一个小型电子设计外包团队的负责人。设计一个编程专用的键盘，那么这个样品的电子元件采购，就不适合用普通的电子采购平台了。这里面有很多电子方面的背景知识作为条件约束和选型时候的考量。比如要不要增加memory，增加哪种memory芯片，其实设计中很多种都可以用，但是内存市场的价格却是波动很大的。很多元件本身有很多替代的品类和非平行替代的其他品牌的类似产品，比如核心的MCU和soc等等。（受益于AIcoding的发展，现在迁移程序到别的平台非常顺滑）在如何多的约束和开放式的条件下，还有很多潜在的替换型号下，还要考虑到现货和邮寄时间的问题，还有不同平台的打折和组合，用户的选择是指数级的增加。那么这时候AI就显得非常重要了，AI能帮你从海量的信息中，根据你的项目需求，选择最优的组合，以及可能性的廉价替代品等等。（将来的量子计算也是非常重要的，求解一个长约束方程的最优解，次优解，等等）\n\n这些系统的大部分技术栈是谷歌已有的，甚至不需要做太多的开发。\n\n有些后台程序需要做比较聪明的设计，比如agent与agent之间的鉴权，信用等级互换，授信，等等。",
  "title": "Preparing a merchant integration for ChatGPT commerce: questions on feed readiness and ACP workflow"
}