AI agent 如何「看见」你的商品：信源、目录与 feed

AI agent 不是从一张统一的「商品卡」认识市场。网页信源提供品牌背景、使用场景与外部佐证，平台目录、feed 与协议端点则提供身份、规格、价格、库存、配送与购买链接。不同平台使用不同组合，共同形成 agent 能够取得的商品视图。

进入候选之前，商品信息至少要经得起三层判断：找得到，能够辨认；信息足以比较；购买条件与路径可以继续验证。任何单一通道都无法独自覆盖这三个环节。

多类信息面，共同组成商品视图

网页、评测与品牌内容回答商品是谁、适合什么场景、有哪些外部佐证。平台目录与 feed 回答当前售卖的是哪个变体、价格与库存是多少、配送范围覆盖哪里。协议端点进一步把这些事实组织为机器可以请求和执行的商业信息。

两类信息并非替代关系。信源质量影响 agent 愿意从哪里取信，商品事实则决定取得信息之后，商品能否被准确辨认、并列比较并继续走向购买。

缺失字段，会在比较环节变成缺失条件

买家按预算、材质、适用对象、到货时间或售后条件提出需求时，agent 必须把自然语言转成可以核对的商品条件。价格缺少币种，规格缺少单位，库存与配送范围互相冲突，都会使比较失去依据。

完整、准确的商品事实，让 agent 有依据辨认商品、纳入比较并继续走向购买。提及、引用与推荐也是不同的证据层级：出现品牌名称，不等于商品已经进入带有购买意图的候选。

三类买家问法，同一组商品事实

买家的表达各不相同，支撑答案的仍是同一组基础事实。以下场景说明每类问题需要哪些信息，不模拟任何引擎的真实回答，也不虚构推荐结果。

三个场景的共同点不在品类，在数据：身份明确、条件完整、状态可更新，agent 才有依据把商品纳入比较。

一份商品数据，适配多个发布端

品牌通常同时经营自有站、平台商品页、平台目录、feed 与协议接口。逐处手工维护会让同一商品出现不同名称、规格、价格、库存或政策；agent 跨来源核对时，这些差异会直接变成不确定性。

SoldByAI 汇集品牌现有的商品数据，把商品身份、价格、库存、政策与购买链接整理成机器可读的统一版本。经品牌确认的修正写回同一份数据，再发布到相应位置，使不同入口取得同一版当前事实。

商品信息上线之后，经营才真正开始

SoldByAI 以真实购物问题持续实测主流引擎，分别记录品牌处于提及、引用、推荐或未出现的哪一层，并保留测试时间与回答依据。错误与缺口回到商品数据形成修正建议，经品牌确认后发布，再由下一轮复测检验变化。

品牌定义、竞争语境、历次巡测、有效问法与修正记录会进入下一轮。专属优化智能体不必重新认识同一品牌，而是沿用已经确认的事实与处理历史，把判断集中到尚未解决的问题。

进入候选之后，继续验证购买路径

商品被找到、比价、选中之后，SoldByAI 继续检查购买路径是否真实可达。Agent Commerce 入口带来的访问与订单保留引擎、商品与渠道来源，使推荐到订单的路径可以核对。

Agent Commerce 的数据基础仍在形成。商品数据越早具备机器可读的结构，品牌越早建立可供 agent 读取的数据与首轮测量基线。完整的进入时机论证，见《入口大迁徙》。