一句话定位

「买 AI 工具之前,先看 AgentRank 的实测成绩单。」

现有的 AI 工具目录站(There's An AI For That 等)全部是「收录 + 厂商自述」,用户看完仍然不知道哪个能用。AgentRank 的核心差异只有一个:每个上榜 Agent 都必须跑过我们的标准化任务,成绩公开,好坏都晒。

市场机会与时机

• 供给爆炸:全球每天新增数十个 AI Agent/工具,「best AI agent for X」类搜索量持续攀升,但没有任何平台提供可验证的效果数据。
• 选择困难是真痛点:企业采购和个人用户面对同质化宣传,决策成本极高——这正是点评/榜单模式的原始土壤。
• 佣金窗口:AI 工具厂商获客成本极高,普遍开出 20–40% 经常性佣金(客户续费你持续分钱),远高于传统电商 affiliate 的 3–5% 一次性。
• 趋势贝塔:AI 工具市场年增速 30%+。我们不做任何额外动作,「货架」自己变长、蛋糕自己变大——每多一个新工具,就多一篇评测、一个关键词、一条佣金管道。

竞争格局(2026-10 真实调研,40+ 来源交叉验证)

结论先行:完整形态(消费级 Agent × 标准化实测 × 公开榜单 × 用户点评 × 媒体化变现)全球不存在,但有三个「半个占位者」,窗口带刺。

需求侧硬证据

• G2 对 1000+ 买家调研:73% 最信任「独立测试实验室」,仅 11% 信厂商自测——消费端对应的信任载体目前是空白,只能靠 KOL 软文和厂商自报填补。
• 变现侧已被 KOL 验证(见上表),我们要做的是把「实测内容」升级为「实测数据产品」,吃两者都没做的交叉带。

目标用户

核心功能(MVP)

实测评分口径(公信力的根基,全站公示)

• 五维百分制:任务完成度(40 分)、输出质量(25 分)、耗时(10 分)、单次成本(15 分)、可复现性(10 分,同一任务跑 3 次的稳定性)。
• 原始记录公开:每次实测的输入、输出、耗时、费用截图全部存档可查——差评不怕厂商质疑,好评不是软文。
• 复测机制:Manus 级产品 3 个月一迭代,xbench 同款产品月度分数波动显著——月度复测是底线,大版本更新随时加测;成绩页标注「实测日期 + 产品版本」,超过 45 天未复测的成绩自动置灰。
• 成本口径:实测单轮成本数百至数千美元/产品(API 调用 + 人工核验),财务模型按月度复测设计,见 06 节。

半自动化判分(v1.3 新增——月度复测的生命线)

评测类产品的典型死法:第一个月人工测 50 个很爽,第三个月发现复测一次要一周,于是烂尾——烂尾的评测站比没有评测站更毁公信力。因此 5 个任务从第一天就设计成「机器可判分」:

人工只复核机器拿不准的约 20%。硬指标:单个产品单轮复测成本压到 $50 以下、2 小时以内——做不到这一点,月度复测就是空话。

本期不做

• 不做社区/论坛(重运营);不做新闻资讯(无壁垒);不做厂商自助后台(V2 再说);不做 App(纯 Web + SEO)。

商业模式

Affiliate 目标申请清单(首批 20 家方向)

优先申请 AI 写作/办公/设计/客服四类的头部工具联盟计划(如 Jasper、Copy.ai、Writesonic、Surfer 等方向),行业经常性佣金普遍在 20–40% 档;具体佣金率以各平台签约时的实际政策为准。筛选标准:有经常性佣金 > 有免费试用转化 > 品牌搜索量高。

财务模型(估算口径)

成本侧(v1.2 修正,调研后口径):服务器 + 域名 < ¥3,000/月;实测与复测成本是主要变动成本——单产品单轮数百至数千美元(API 调用 + 人工核验),30 个在榜产品月度复测约 $3,000–8,000/月(估算);团队 1–2 人。净利率修正为 70–85%(不再是 95%)。这不是纯被动收入,但评测页是永久内容资产,搜索流量复利累积——「一次生产、持续收租 + 月度维护」。

护城河

1. 实测数据资产:标准化任务的成绩库越积越厚,后来者无法速成——这是我们定义的「评测口径」,先定标准的人就是品类第一名。
2. SEO 复利:「X review」「X vs Y」「best AI agent for X」关键词矩阵,内容资产随时间升值。
3. 中英双语:同一套实测数据出中英两版内容,关键词覆盖翻倍,边际成本几乎为零。
4. 中立公信力:排序按成绩写死在规则里、赞助位物理隔离——「敢说哪个产品不好」本身就是壁垒。
5. 彻底透明(v1.3 新增):评测方法论文档、每道题的判分标准、原始实测录屏全部公开。G2 是企业黑盒、xbench 是学术腔,都不会这么做——透明是小团队的非对称武器,巨头做不到也不敢做。

冷启动与获客(v1.3 修正:社区先行,SEO 殿后)

MVP 范围(2–3 周)——窄切口策略

1. 第 1 周:静态站骨架(中英双语)+ 5 个标准化任务定义 + 首批 10 个消费级通用 Agent 手工实测。
2. 第 2 周:该类目扩到 30 个产品实测 + 评测页批量产出 + affiliate 计划申请(优先 20–40% 经常性佣金档工具)。
3. 第 3 周:榜单页 + 留资入口 + Product Hunt 发布 + 社媒首批「实测翻车集锦」内容投放(天然传播性)。

验证指标与终止条件(放弃开关)

达标 → 加注(扩充到 200 个 Agent + 对比工具);不达标 → 复盘选题与渠道,仍不达标则切换备用方向,沉没成本控制在 3 周内。

终止条件(放弃开关,写下来并严格执行)

风险登记册

下行风险锁定:两个产品都失败也不亏(v1.3 新增)

评测数据是通用资产,榜单只是它的第一种变现形态。即使榜单没做起来,过程中积累的 50 个 Agent 一手实测数据、横评方法论、翻车素材,可以立刻转型为:

• 付费 newsletter「AI Agent 实测内参」(面向投资人/企业采购)
• 卖给媒体的横评内容服务
• 视频实测频道(Matt Wolfe 模式已验证,$10 万/月量级)

这样想,下行风险就被锁死了——最坏情况也能回收一个能赚钱的媒体生意。

里程碑

变更记录

本文档为产品设计方案,所有财务数字为估算口径,仅供内部评审;具体实施请结合公司合规与法务要求确认。竞品信息引自 2026-10 竞争格局调研(40+ 公开来源),可逐条复核。

一句话定位

AgentTreasury 是企业的"AI Agent 财务部"：把每一笔 Agent 自主支出纳入预算、限额、白名单与熔断规则之下，并提供月底一键对账的能力。

当企业开始允许 Agent 自主购买 API、算力、数据、甚至线下服务时，"谁批的、买了什么、还能花多少"这三个问题会立刻浮出水面。今天企业靠人肉看 OpenAI 账单 + 财务 Excel 是撑不住的；AgentTreasury 把这一切做成可编程的财资层，就像 Ramp / Brex 当年把公司卡做成 API 一样。

为什么是这个产品

市场已经用百亿美金估值证明过"企业卡 + 支出策略"这条路走得通；Agent 支出只是这条曲线向机器侧的自然延伸。区别在于：员工会犯错但有限,Agent 会在一秒钟内连续调用 1,000 次 API——因此熔断与限额必须是毫秒级、运行时的,这正是现有企业卡厂商没做、云厂商做不全的空位。

市场机会与时机

三个时间窗口叠加,使 2026–2027 成为做这个产品最好的时机:

• Agent 支出规模化:月 AI 支出 $50k+ 的企业在过去 18 个月从数百家增长到数万家,绝大多数仍在用"主账号 + 子账号"裸奔。
• CFO 开始介入 AI 预算:OpenAI、Anthropic 等企业合同开始要求预付 + 用量承诺,CFO 需要可见性。
• 跨云 Agent 化:单一大厂方案绑定深,企业在 Bedrock / Azure OpenAI / GCP / 自建推理之间来回切,需要中立层。

产品定义与架构

纯 API 形态,核心组件四块,3–4 人团队即可维护:

数据沉淀

企业 Agent 支出政策数据(谁在什么场景、用什么模型、花多少钱、换供应商的频率)是只增不减的资产,且天然成为 AgentRisk(DOC-09)等下游产品的原料。

商业模式与定价

订阅模式保证现金流与数据沉淀;抽成模式保证天花板。两者不冲突,客户在同一合同内平滑过渡。

护城河

• 中立性壁垒:不绑定任何一家云 / 模型厂商,客户越多,议价能力越强,云厂商越难绕开。
• 政策数据复利:每家客户的支出政策都是独家数据,客户迁移成本 = 重新训练整本"政策手册"。
• 熔断网络的规模效应:同一 Agent 行为模式在多个客户处被熔断后,可以反推行业级风险模型。
• 支付通道深度集成:与 x402、Stripe AgentKit、支付宝 MCP 等的合作需要逐家打通,先行者至少领先 18 个月。

冷启动路径

这是单边价值型产品——企业管好自己的 Agent 支出,不需要对手方同时在线。冷启动极其友好,核心是找到"已经痛了"的客户。

阶段一:定位 50 个高痛点客户(月 1–3)

• 目标画像:月 AI 支出 $50k+、跨云使用、有 5 个以上 Agent 在生产环境。
• 触达方式:OpenAI / Anthropic 企业合同用户名单(公开渠道)+ FinOps 社群 + AgentPay 早期客户池。
• 钩子:"免费给你做一份 Agent 支出治理健康检查报告"——我们用一周时间分析其账单并给出熔断建议。

阶段二:设计伙伴(月 3–6)

• 签 5–8 家设计伙伴,$500/月象征性付费,共同定义 MVP 范围(只做 Wallet + Policy + Breaker 三件事)。
• 设计伙伴必须同意:产品上线后公开 logo、提供一封 reference letter、并允许匿名化数据进入行业基准报告。

阶段三:行业基准报告(月 6–12)

• 发布首份《企业 Agent 支出基准报告》,公开行业 P50 / P90 支出、Top 类目、Top 供应商——这是 CFO 之间会自发传播的内容。
• 报告本身就是获客渠道:读者为了拿到自己公司的对比数据,必须接入 AgentTreasury。

阶段四:渠道放大(Y2 起)

• 与云成本管理工具(CloudHealth、Apptio)与 FinOps 咨询公司分成 20%。
• 上线"Agent 自主申请额度"Beta,按流水抽成 0.5%,开始数据验证第二阶段商业模式。

里程碑与验证指标

风险登记册

Sources

参考与竞品情报^[1][2][3][4]

1. [1] Ramp — 企业卡 + 支出策略,估值 $22B+ 的范式验证。
2. [2] Brex — 早期发卡 + 后期软件订阅的双模路径参考。
3. [3] SettleGrid — Agent 运行时熔断工具,是 AgentTreasury 的相邻产品。
4. [4] AWS AgentCore — 云厂商自家方案,印证品类但绑定深。

四条硬指标验收:这产品过不过关

立项时有四个硬要求。V4 把它们变成验收表——每条都对应具体的产品设计和验证方式,过不了就不 launch:

概率口径(诚实版):宽泛「AI 结算第一」可信度约 20–30%;收窄品类 + 快速 launch 后被公认为品类首发约 50–65%;成为持久品类领导者约 10–20%——首发品牌只在配上标准、数据、SEO、集成时才值钱,因为大平台和自由职业市场都会抄。

首发日四件套:「第一」不是说出来的,是 launch 出来的

「全球第一」不是注册来的,是 launch 出来的——必须是第一个把窄品类说清楚、把标准公开、把真实交易跑起来的人。否则 3–6 个月后概念会被别人用更响亮的品牌拿走。首发当天必须齐四件:

竞争格局:正面击败用户心智里的直接替代品

最危险对比(必须在首页正面回应)

技术相邻五层(零件已有人做,整机没人统治)

产品三层:Link 滚数据,Standard 收钱,Ledger 建信任

OEP-1:让「第一」变成可引用标准

要吃首发品牌效应,必须发布一个别人可以引用、媒体可以写、开发者可以验证的标准:OEP-1:Outcome Escrow Protocol v0.1。

首个垂直再收窄:只做 AI 客服 / 电商运营

争议与合规:为了人少,必须「不仲裁」

商业模式:四层收入结构

要赚大,关键不是客户数,而是:月结算 GMV、自动放款率、模板页带来的自助交易占比、rubric 被写进采购合同的数量。这些指标向好,才是管道生意;只多签企业客户,那只是线性增长。

财务模型 + 飞轮健康仪表盘

飞轮健康仪表盘(判断「越来越赚」是否成立的六个数)

4 周 Go / No-Go(三层分别考核)

未来 7 天行动

• 注册/确认域名与品牌:AgentPay 主站 + OEP-1 协议页
• 写 OEP-1 v0.1:四个 schema 对象 + validator 开源仓库
• 做 Link 最小可用版:创建链接 → 定义验收 checklist → 收款 → 72h 冻结 → 放款(先半人工)
• 做对比矩阵页:Upwork / Fiverr / Escrow.com / Stripe / Paid / Nevermined 正面回应
• 列 30 个目标客户:跨境 freelancer / AI 代运营 / 电商小卖家 + 月 AI 支出 $50k+ 的中型公司
• 确认 51pay 能力边界:预存/限额/冻结/释放/多方分账/退款;明确哪些必须走持牌伙伴

参考来源:Upwork / Fiverr / Escrow.com · Stripe Usage-Based Billing · Paid.ai · Nevermined · AWS Bedrock AgentCore(x402)· SettleGrid · Tokenomy · TokenLine · Microsoft Agent 365 · OpenA2A AIM · Harbor(AI agent liability insurance)。内部产品文档 V4.0 · 2026-10-20。

一句话定位

AgentPrice 让"价格"成为 Agent 可消费的开放数据——schema.org 当年做的事是描述网页,AgentPrice 做的事是描述"多少钱、怎么买、SLA 是什么"。

今天全世界所有 SaaS / API 的定价页都是给人看的 HTML,Agent 无法程序化理解。AgentPrice 定义一个 JSON Feed 规范 + 一个公开注册表(类似 DNS),厂商主动发布或被我们主动收录,Agent 通过一次 HTTP 调用即可获得价格、规格、限额、付款方式、试用额度。

为什么是这个产品

Agent 经济的价值链上有三层:发现(找谁买)→ 比价(怎么买最划算)→ 结算(怎么付)。x402 解决第三层,AgentPrice 解决第一层与第二层。今天第一层是空白,谁先做出标准谁就是 Agent 经济的 schema.org。

市场机会与时机

• 供给侧已到临界点:每月新上线的 AI API / Agent 服务数以千计,厂商迫切需要被 Agent 找到。
• 需求侧开始爆发:开发者越来越多地用 Agent 来"选服务",而不是自己去对比 5 家定价页。
• 支付通道已成熟:x402、Stripe AgentKit 等已经跑通,发现层成了新的瓶颈。

时机的另一个关键:Agent 采购的第一个杀手级场景已经出现——GPU 推理市场。GPU 价格每天波动、供应商上百家、规格千差万别,Agent 必须程序化比价才有意义。AgentPrice 从这个垂直切入,前 6 个月只做 GPU 推理市场即可养活自己。

产品定义与架构

关键设计决策

• 标准完全开放:任何人可免费使用规范、访问注册表;只收"认证 + 数据增值"费用。
• 不替代厂商:只描述价格,不销售服务本身——避免与厂商对立。
• 从垂直起手:不试图覆盖全行业,先把 GPU 推理做到垄断。

商业模式与定价

护城河

• 标准定义权:一旦 PriceFeed 成为事实标准,后来者必须跟随。这是结构性护城河。
• 目录网络效应:收录厂商越多 → Agent 越爱查 → 厂商越想被收录——同 AgentLedger 的声誉图谱同源的飞轮。
• 认证数据壁垒:认证过程积累大量人工校审数据,后来者要追上需要重新做一遍。
• 与支付 / 声誉 / 财资产品的协同:AgentPrice 是 AgentLedger、AgentPay、AgentTreasury 的天然上游。

冷启动路径

可以单边起手——不需要厂商主动来,我们先自己把 Top 厂商的机器价目表爬出来,再让厂商认领。

阶段一:自我供给(月 1–3)

• 选定第一个垂直:GPU 推理市场(Lambda、CoreWeave、Together、Fireworks、DeepInfra 等约 100 家)。
• 用 LLM + 人工校审爬取并结构化这 100 家的价格、规格、限额、SLA。
• 免费开放给 Agent 与开发者使用,核心指标是Resolver 调用量。

阶段二:让厂商来认领(月 3–6)

• 给每家厂商发一份月度报告:"你的服务被 Agent 查询 X 次,被选中 Y 次,输给竞品的原因 Z。"
• 厂商为了更新数据、修正错误、提升被选率,会主动认领条目;认领是免费的,认证是付费的。
• 首批 5–10 家认证厂商给深度折扣,换取公开背书。

阶段三:扩展到相邻垂直(月 6–12)

• 按顺序扩展:LLM API → 向量数据库 → 存储 / CDN → 数据 API → SaaS 工具。
• 每扩展一个垂直,先自我供给 100 家,再走认领循环。

阶段四:启动撮合层(Y2 起)

• 在 Resolver 返回结果中加入"直接购买"按钮(跳转 x402 或厂商 API)。
• 按成交抽成,开始验证 Y3 收入模型。

里程碑与验证指标

风险登记册

Sources

参考与竞品情报^[1][2][3][4]

1. [1] schema.org — 实体元数据标准的范式参考。
2. [2] x402 — Agent 支付协议,与 AgentPrice 形成互补。
3. [3] OpenRouter — LLM 路由器,自带非标准化价目数据。
4. [4] Cloudflare Radar — 免费公开数据建立行业心智的样本。

一句话定位

AgentTax 自动为 Agent 跨境微交易开票、计税、代扣代缴——让企业审计 Agent 支出时不再有"那颗雷"。

当一个 Agent 在凌晨 3 点给一家新加坡公司付了 $0.003 调用一次 API,税怎么算、发票谁开、能否作为企业成本入账?今天没人回答这个问题。企业财务面对 Agent 支出流水时几乎无解。AgentTax 是 Avalara 在 Agent 经济里的对应物。

为什么是这个产品

合规是确定性刚需:不是因为 Agent 经济多性感,而是因为企业已经踩到雷了。任何一家月 AI 支出 $50k+ 的企业,只要被审计过一次,都会立刻成为客户。

市场机会与时机

• 监管已到门口:美国 IRS 已经开始要求企业披露 AI 服务采购;欧盟 DAC8 / ViDA 都覆盖了数字服务;新加坡 IRAS 对跨境电子服务明确征税。
• Agent 跨境交易天然:Agent 没有"国界"概念,任何一笔调用都可能是跨境。
• 电子发票标准化推进:Peppol、Factur-X、ZUGFeRD 等格式已成熟,机器可读的发票基础设施就位,只缺一个面向 Agent 的中间层。

产品定义与架构

与 AgentLedger 的协同

AgentLedger 记录了"谁买了什么、什么时候、多少钱、对方是谁"——这就是开发票所需的全部字段。两个产品共用同一凭证层,数据不重复采集,边际成本几乎为零。

商业模式与定价

护城河

• 法域知识图谱:每个法域的税规则都在持续变化,沉淀成可执行代码后极难被追赶。
• 客户迁移成本高:审计数据一旦入档,切换成本极高,客户几乎不流失。
• 与 AgentLedger 的协同:共享凭证数据,降低获客与数据成本,这是独立税务公司不具备的。
• 监管背书:与税务机关 / 会计师事务所的合作关系是时间积累出来的护城河。

冷启动路径

这是单边价值产品——企业自己的合规问题,不需要对手方。冷启动路径清晰,但销售周期天然较长,要用内容营销 + 渠道合作加速。

阶段一:单点突破(月 1–4)

• 只做两个法域:美国(联邦 + 特拉华/加州)+ 新加坡。
• 只覆盖一种交易:Agent 跨境采购 SaaS / API。
• 发布一份《Agent 支出税务合规白皮书》——这是 CFO 与会计师会主动搜的内容。

阶段二:会计师渠道(月 4–12)

• 与中小会计师事务所(Big4 之外的 Top 50)合作,他们把 AgentTax 作为审计 Agent 支出的标准工具。
• 给会计师 30% 分成,换取他们向企业客户的推荐。
• 会计师事务所自带信任与渠道,这是财税产品的标准冷启动路径。

阶段三:与 AgentLedger / AgentPay 打包(Y2 起)

• 把 AgentTax 作为 AgentLedger 凭证层的"自动开票插件"销售。
• 与 AgentPay 捆绑:用 AgentPay 付款的客户自动获得合规发票。
• 把单独售卖变成套件售卖,客单价翻 3 倍。

阶段四:嵌入支付协议(Y3 起)

• 与 x402 等支付协议合作,协议层自动调用 AgentTax 开票。
• 商业模式从订阅平滑过渡到按张抽费。

里程碑与验证指标

风险登记册

Sources

参考与竞品情报^[1][2][3][4]

1. [1] Avalara — 人类交易税务自动化的范式参考。
2. [2] Stripe Tax — 嵌入式税务自动化的工程样本。
3. [3] Peppol — 跨境电子发票标准。
4. [4] IRAS — 新加坡税务局,跨境数字服务征税先行者。

一句话定位

AgentLabor 是 Agent 经济的"人类执行层"——人把验证、标注、稀缺数据、线下执行等能力封装成 MCP 端点,被 AI Agent 程序化调用。

Mechanical Turk 是给人看的 UI;Agent 需要的是程序化"人类执行端点"。当 Agent 遇到自己搞不定的事(识别一张模糊的发票、验证一个地址是否真实存在、去线下盖一个章),它需要一个可以花钱调用的"人类 API"。AgentLabor 就是这个市场。

为什么是这个产品

关键差异:买家是 Agent 不是人。这带来三个全新约束——调用必须毫秒级返回句柄、任务必须可异步、支付必须程序化。现有平台都没为 Agent 设计过。

市场机会与时机

• Agent 撞墙时刻已到:随着 Agent 进入真实工作流(物流、电商、客服、内容),它越来越频繁地撞到"必须人来做"的墙。
• 供给端准备就绪:全球有大量空闲高质量人类劳动力(退休专家、全职妈妈、第三世界白领),他们没有渠道对接 Agent 经济。
• 支付通道已通:x402、Stripe AgentKit 让 Agent 可以自主付钱——这是过去 18 个月最大的变化。

短期市场估算:Agent 调用的"人类执行"市场 Y3 可达 $5–10 亿,AgentLabor 目标份额 10–15%。

产品定义与架构

四类核心供给

• 验证:Agent 自检不可信的环节,如人脸核验、地址真实性、内容合规。
• 标注:长尾数据标注,如医学影像、法律文书、行业知识。
• 稀缺数据:Agent 拿不到的内部数据、本地知识、专业判断。
• 线下执行:物理世界的动作——签字、盖章、取货、安装、拍照。

商业模式与定价

护城河

• 双边飞轮:供给端越多 → Agent 越爱查 → 需求越多 → 供给端更想来。双边市场里最强的飞轮。
• 声誉图谱独占:人类执行者的历史信誉数据是独家资产,与 AgentLedger 共享。
• 质量标准壁垒:质量仲裁机制 + 培训体系让 AgentLabor 的供给质量系统性高于竞争对手。
• 时间换空间:双边市场的护城河靠时间堆出来,先行 12 个月几乎不可超越。

冷启动路径

AgentLabor 是九个产品里冷启动最难的一个——纯双边鸡生蛋,供给不来 Agent 不会来,Agent 不来供给不会来。唯一可行的打法是先手动囤供给。

阶段一:手动囤 100 个高质量供给(月 1–3)

• 不做平台,先做单:创始人亲自对接 100 个高质量执行者(退休医生、律师、教师、技工)。
• 把他们的能力手工封装成 MCP 端点,内部测试。
• 不做自助注册——所有供给都人工审核、培训、定价。

阶段二:单一场景打透(月 3–6)

• 选定一个具体场景打透:物流签收验证(Agent 在最后一公里需要人拍照证明签收)。
• 找 3–5 家有这个痛点的企业做设计伙伴,以高溢价($10 / 次)换取真实流量。
• 把这一场景的 SLA、验收、争议机制打磨到工业级。

阶段三:开放供给注册(月 6–12)

• 开放自助注册,但严格审核——通过率 ≤ 30%。
• 上线声誉图谱,高信誉供给获得流量倾斜。
• 场景从物流签收扩展到标注、验证、稀缺数据。

阶段四:Agent 自主采购(Y2 起)

• 开放 Agent 直接接入(不再要求企业订阅)。
• 把价格发现交给市场,AgentLabor 转向纯抽成模式。
• 这是从"人工平台"到"协议市场"的关键转型。

里程碑与验证指标

风险登记册

Sources

参考与竞品情报^[1][2][3][4]

1. [1] Amazon Mechanical Turk — 人类任务的范式与失败教训。
2. [2] Scale AI — 重运营版的人类执行,AgentLabor 是其轻协议版。
3. [3] Upwork — 双边市场的合规与声誉结构参考。
4. [4] MCP 协议 — 人类能力 API 化的协议基础。

一句话定位

「公司不能只有你知道密码。」

KeyGuard 不是泛用的 dead man's switch(市面上做给极客的工具八年没破圈),而是锁定一个明确人群:中小企业与 Web3 团队的创始人,回答两个层次的问题——

• 创始人连续性(高频叙事):失联、失能、离职、合伙人翻脸时,公司数字命脉不断档、可接管、可演练。
• 数字资产合法继承(旗舰场景):创始人离世时,交接流程衔接遗嘱、公证与律师见证等法律程序,让继承人拿得到、也拿得合法。

空白证据:五个相邻赛道,边界全部停在我们门外(2026-10 调研,40+ 来源)

「企业为主体客户 + 全域数字资产 + 心跳监测 + 防误触发 + 分角色交接」的组合,全球未发现任何直接玩家——这不是想到的人少,而是五赛道交界处的结构性缺口,每一方都有不做的理由。先定义「企业数字资产连续性」这个词的人,大概率拿到品类命名权。时机面:中国 2026 年数字遗产立法升温。

痛点与场景分层

高频场景(连续性,卖得动)

• 核心员工突然离职:唯一掌握生产环境权限的人走了,交接全靠运气。
• 合伙人翻脸:资产控制权不透明,另一方没有任何制衡手段。
• 创始人短期失联:重病、意外、羁押——域名没人续费被抢注、服务器欠费关停,公司价值快速归零。

旗舰场景(合法继承,客单价最高)

• 创始人离世:继承人面对一堆账户不知道有什么、在哪、怎么取;即使找到,缺乏法律衔接也可能无权处置。真实案例在中小企业圈反复发生。
• Web3 放大器:钱包私钥、多签名额、交易所账户比传统公司更脆弱,且团队跨国分布式办公,继承辖区更复杂。

目标用户

核心功能(MVP)

本期不做

• 不托管任何明文密码/私钥/助记词(架构上拒绝);不做 C 端个人版;不自营法律文书服务(只做流程引擎 + 律师转介);不做域外法律意见。

安全架构(产品的生命线)

浏览器端加密 → 密文上传 → 服务器只存密文 → 交接时密文发给受益人 → 受益人本地解密

• 零知识原则:密钥只在用户设备上生成和保管,KeyGuard 服务器被攻破,攻击者拿到的只是一堆无法解密的密文。
• 用户试图直接粘贴助记词/密码时,界面明确警示并引导改为「存放位置指引」——架构与文案双重拦截。
• 所有交接动作日志留痕,可审计、可举证,供法律程序调取。

存续性悖论(必答题:「你们自己倒闭了怎么办」)

Cake 2025 年关停并删除用户数据就是前车之鉴——把公司命脉托付给我们的客户一定会问这个问题。对策写进架构:

• 客户侧自持:所有清单与指引密文支持一键完整导出,本地可存;
• 开源兜底:加密/解密客户端工具开源(或第三方托管),即使 KeyGuard 停止服务,受益人凭密文 + 本地密钥仍可解密;
• 服务终止承诺:协议约定若停止服务,提前 90 天通知并协助全量导出,写入 SLA。

透明即卖点(v1.3 新增)

这个产品卖的核心资产是信任,而小团队建立信任最快的方式是彻底透明:零知识架构白皮书、防误触发三段闸的完整逻辑全部开源——「我敢把安全设计全部给你看」本身就是卖点。巨头有合规包袱做不到,这是我们的非对称武器(与 DOC-01 的透明方法论共用同一信任资产叙事)。

合规边界(品牌大胆讲,法务守底线)

• 平台 ToS 与 RUFADAA 边界:多数平台的用户协议决定受益人未必有权直接登录逝者账户——因此产品价值定位是「把数周的寻宝缩短到数天」(有什么、在哪、找谁、怎么走流程),不承诺绕过任何平台的授权机制;涉及账户接管的动作一律经由律师/平台官方继承通道执行。
• 受益人核验失败或出现争议(多名继承人主张)时,流程自动冻结并转人工/律师通道,平台不做裁决。
• 个人信息处理按最小化原则;指引密文我们无法读取,天然合规。

商业模式

第二条收入线:律师网络转介

继承场景的法律需求(遗嘱、继承权公证、跨境意见)转介给入驻律师,平台抽成 20–30%。法律交付是律师的,溢价与沉淀是平台的——保持纯互联网、零自营交付的形态。

定价叙事红线(v1.2 新增):以上价位必须用「关键人风险 / 业务连续性」叙事支撑(对标关键人保险与律师费),禁止用「遗产/身后事」叙事——C 端数字遗产的付费天花板已被验证仅约 $100/年(Cake 关停、Everplans 卖身、HereAfter 倒闭)。

中性估算:第 3 年 300 家企业 × 平均 ¥700/月 ≈ ¥250 万/年(不含律师转介抽成)。获客走存量渠道(51kaifa.app / 51cfo / web3hire 企业家客户圈 + 投资人渠道转介),CAC 接近零;首发滩头为 Web3 团队(刚需最痛、付费力最强、对失联触发交接概念天然接受)。

冷启动:先假门,后开发

1. 第 1 周:上线假门落地页——「公司不能只有你知道密码。¥399/月,前 50 名早鸟 5 折」,投向现有企业家客户渠道与投资人网络。
2. 验证线与终止条件(严格执行):2 周内 100 个留资 或 20 个意向金 → 启动开发;不达标 = 直接放弃,不是换个文案再试——这个品类「重要不紧急」的需求魔咒已被 Cake / Everplans / HereAfter 的尸体验证过,不值得用 6 个月去对抗。
3. 第 3–8 周:MVP 开发(复用 DOC-01 的订阅收款 + 通知引擎骨架,开发量减半)。
4. 第 9 周起:首批 10 家企业从 Web3 中文社群与独立开发者圈子里手动聊出来(不指望落地页自然流量),人工陪跑 concierge onboarding;同步签约首批 3–5 名入驻律师(继承方向)。

风险登记册

里程碑

变更记录

本文档为产品设计方案,所有财务数字为估算口径,仅供内部评审;具体实施请结合公司合规与法务要求确认。KeyGuard 不构成法律意见、遗嘱或公证服务。竞品信息引自 2026-10 竞争格局调研(40+ 公开来源),可逐条复核。

一句话定位

「AI 与 AI 做生意的每一笔钱,都应该有一张可验证的收据。」

Agent 支付已经有人做了——Coinbase 的 x402 让 agent 能用稳定币按次付费^[1],Google 的 AP2 定义了 agent 支付的授权 mandate^[2],ERC-8004 在做 agent 的链上身份^[3]。但「交易完成之后」没有任何标准:没有机器可读的商业凭证、没有跨平台的履约记录、没有基于真实成交的声誉。

互联网类比:银联清算(交易凭证与对账)× 芝麻信用(履约声誉)× 增值税发票系统(审计刚需)——三个都是人类社会商业运转的底层设施,而在 Agent 经济里全部空缺。谁先把这一层做成标准,谁就是品类第一名。

创始条件对照:为什么是这个产品

本方案源自四条创始约束,逐条对照如下:

市场机会与时机

▸ 需求侧:企业不敢放量 Agent 支出的第一原因,是没有凭证

当企业允许一个 Agent 自主花钱(调 API、买数据、租算力),财务与合规立刻会问三个问题:钱花给谁了?买到了什么?出问题找谁?没有机器可读的凭证,这三个问题无解——这直接卡住 Agent 经济的放量。凭证不是锦上添花,是 Agent 支出规模化的前置条件。

▸ 供给侧:卖服务的 Agent / API 需要一个「可信履历」

随着 Agent 可购买的服务爆炸式增长,买方 Agent 需要一个程序化答案:「这个卖方过去履约过吗?」实验室跑分(如 DOC-01 的实测榜^[4])回答的是「买之前」,只有真实成交沉淀的声誉能回答「用的时候」。

▸ 窗口判断

支付三件套(支付 x402 / 授权 AP2 / 身份 ERC-8004)在 2025–2026 相继落地,意味着「凭证层」的窗口刚刚打开、且必然有人填。风险与机会同源:如果 x402 生态自己长出原生凭证功能,独立凭证层会被吞——所以本方案的核心策略是抢在支付生态之前,先把凭证格式做成事实标准并沉淀数据。

产品定义:三层架构

图 1:三层产品架构——支付之上、决策之前的「凭证 → 声誉 → 担保」闭环

1. 买方 Agent A 通过 x402 / 稳定币向卖方 Agent B / API 支付;卖方交付服务并返回交付哈希。
2. 支付证明与交付证明进入 Receipt Engine 凭证引擎,签发双方签名收据。
3. 收据写入凭证存证层(可链上锚定),聚合进 Reputation Graph 声誉图谱。
4. 凭证浏览器 + 声誉 API 提供程序化查询,影响买方下一次购买决策。
5. 大额交易进入 Escrow 托管与仲裁,按验收放款 / 罚没裁决后结算给卖方。

▸ 为什么从收据切入而不是直接做担保

收据是零摩擦的:不改变任何交易流程,买卖双方都没有拒绝的理由;而担保需要双边信任,冷启动难。收据以最低成本把「真实成交数据」收进来,声誉与担保都是数据足够厚之后的自然变现。先成为记账的,再成为裁判的。

商业模式

▸ 财务模型(估算口径)

协议生意的收入 = 撮合的 Agent 交易 GMV × 综合费率。关键变量是 GMV,而 GMV 跟随整个 Agent 经济大盘增长——这就是「赚钱随时间越来越多」的结构来源:

图 2(表格化):假设综合费率 0.1%(凭证费 + 担保费混合折算),仅作量级推演,非财务预测。对照:Visa 2024 财年净收入约 $359 亿,本质同样是「交易凭证层」抽成生意。

成本侧:服务器与节点 < ¥5,000/月;主要成本是协议安全审计(一次性 $30–80K,不可省——管信任的系统必须先被信任)与生态 BD。团队 3–5 人。收入侧随大盘指数增长,成本侧近似恒定——这是与 DOC-01 内容生意(需持续复测投入)的根本区别。

护城河

1. 标准定义权:凭证格式先被广泛使用即成事实标准。协议生意里,第一名的奖品是「成为名词」——后来者兼容你,而不是替代你。
2. 凭证数据资产:真实成交记录无法速成、无法伪造(签名 + 双方确认),数据厚度本身就是壁垒。
3. 双边网络效应:买方越多→卖方越需要累积声誉→卖方越多→买方查询价值越大。凭证浏览器是这个飞轮的可视化引擎。
4. 合规刚需卡位:企业审计 Agent 支出是监管确定性方向,「凭证层」天然站在合规必经之路上。

冷启动路径

与 DOC-01(AgentRank)的关系:同一母题的两段

两个产品不冲突,是「信任」母题在 Agent 经济里的前后两段,且互为冷启动资产:

路线建议:DOC-01 先行(今天赚钱、积累信任资产与厂商关系),DOC-08 作为 DOC-01 里程碑中 M12 的「第二曲线」启动^[4]——届时 Agent 支付生态也更成熟,时点正好。

验证指标、里程碑与终止条件

风险登记册

Sources

参考来源^[1][2][3][4]

1. [1] Coinbase, x402 — An open payments protocol for the agentic economy — Agent 按次付费的稳定币支付协议。
2. [2] Google, Agent Payments Protocol (AP2) — 定义 Agent 支付授权 mandate 的开放协议。
3. [3] ERC-8004: Trustless Agents — AI Agent 链上身份与信任的以太坊提案(草案阶段)。
4. [4] DOC-01 · AgentRank · AI Agent 实测榜 v1.3(2026-10-20)——本方案的姊妹方案与第一曲线(见本文档集 #doc-01)。

DOC-08 · AGENTLEDGER(代号)· v1.0 · 2026-10-20 · 内部方案 · 待评审

一句话定位

AgentRisk 是给保险公司用的"Agent 行为风险评分 API"——保险公司想保 Agent 但没有任何历史数据,谁沉淀评分数据,谁就是这条链上的收费站。

当企业问"如果我的 Agent 给客户造成了 $100 万损失,保险赔不赔"时,保险公司最大的障碍不是不想赔,而是没有数据来定价。AgentRisk 是这条价值链上最关键、也最容易被忽略的一环。

为什么是这个产品

关键判断:保险是 Agent 经济绕不开的基础设施,但保险公司本身做不了风险数据——它们没有 Agent 行为原始数据,也没有做数据的团队。这个位置天然属于第三方。

市场机会与时机

• 保险公司主动在找:Munich Re、Swiss Re、AXA XL 都已经成立 AI / Agent 保险研究小组,但它们没有数据。
• Agent 责任事件已经在发生:错误的退款、误删的数据库、违规的发言——真实案例已经在法庭上。
• 监管开始要求:欧盟 AI Act、加州 SB 系列法案都要求高风险 AI 系统必须有保险兜底。

市场规模估算:Agent 责任险 Y5 可达 $50 亿保费,风险数据层通常收取保费的 1–3% 作为数据费——这是 $5,000 万–1.5 亿的纯数据市场。

产品定义与架构

数据来源

与 AgentLedger 的声誉图谱是同一份数据的第二次变现——这意味着 AgentRisk 的边际数据成本几乎为零,这也是它最难被独立数据公司追赶的原因。

商业模式与定价

护城河

• 数据厚度即壁垒:风险评分模型的准确性直接取决于历史数据厚度,后来者无法速成。
• 与 AgentLedger 协同:同一份数据的第二次变现,边际成本几乎为零。
• 保险公司关系网:与再保、经纪、保险公司的合作需要多年时间建立。
• 监管沟通积累:与监管的对话、合规框架、模型审计经验都是时间堆出来的。

冷启动路径

AgentRisk 是九个产品里最依赖前置条件的——必须有 AgentLedger 等产品的数据沉淀在先,才有冷启动的原料。天然是第三曲线。

阶段一:数据积累期(月 1–12)

• 不主动销售,专注从 AgentLedger / AgentPay / AgentTreasury 导入行为数据。
• 建立 200+ 维特征库,跑通评分模型 v0。
• 免费向 3–5 家保险公司 / 再保提供数据访问,换取反馈与案例。

阶段二:联合建模(月 12–24)

• 与 1–2 家再保公司(首选 Munich Re / Swiss Re 的创新部门)联合建模。
• 把评分模型嵌入它们正在设计的 Agent 责任险产品中。
• 以"首单优惠"换取公开案例。

阶段三:商业化(月 24+)

• 开始正式 B2B 订阅销售。
• 通过保险经纪公司(Aon、Marsh、WTW)分销。
• 验证"保费分成"模式。

为什么能接受"第三曲线"

• 前期成本低(3 人团队,边际成本几乎为零)。
• 保险销售周期天然 12–24 个月,急也没用。
• 等公司前两条曲线(AgentLedger、AgentTreasury)做起来,AgentRisk 自然就有原料了。

里程碑与验证指标

风险登记册

Sources

参考与竞品情报^[1][2][3][4]

1. [1] Munich Re — 再保公司,AI / Agent 保险研究先行者。
2. [2] Swiss Re — 同上,有 AI 保险专项研究。
3. [3] Equifax — 信用局模式参考,AgentRisk 是 Agent 经济里的对应物。
4. [4] EU AI Act — 高风险 AI 系统的保险与责任框架。