GPT-5.6独立创业一天：撒谎、狂发垃圾邮件，最后亏掉447美元！
作者 | Alex Reibman 编译 | 苏宓
出品 | CSDN（ID：CSDNnews）
如果给一个 AI Agent 一台电脑、一个银行账户，以及 24 小时自由支配时间，它能不能像创业者一样经营一家真实公司？以及让它盈利？
带着这样的疑问，软件工程师 Alex Reibman 近日做了一项实验。
在他看来，如果想让一个 Agent 真正发挥作用，它不仅需要连续运行数天甚至数周，还需要接触真实的商业资产和运营资金。
因此，在开展这项实验之初，他就提出了一个问题：
如果给一个前沿 Agent 提供一家真实企业所拥有的全部工具，它是否有能力创造真实的商业成果？
最终经过测试，Alex Reibman 给出了一个简短的回答：还不能。
（图：Agent 在 24 小时运行期间的净资产变化）
其通过实验验证了这个问题。从结果来看并不乐观：
消耗 Prompt Token：3.207 亿个
工具调用次数：1129 次，其中包括 908 次 Shell 调用
初始余额：350 美元
最终余额：250.50 美元
初始用户数：61 人
最终用户数：66 人
新增收入：0 美元
如何构建一个自主运营的企业？
在这项实验中，Alex Reibman 及其团队基于 GPT 5.6 Sol 创建了一个名为 Saul 的 Agent。他们为 Saul 配备了无限 Token、一台专用的 Mac mini、业务资产以及运营资金。
由于 Agent 理论上可以不间断工作，借此该团队希望观察：在持续运行 24 小时的情况下，Saul 究竟能够将一家业务推进到什么程度。
Saul 的运行环境
不受限制的电脑操作权限：一台完全解锁的 Mac mini，拥有管理员权限，并配备两套 Computer Use MCP 工具。
一个真实运行中的业务：一款已经上线 App Store 的简单 iOS 应用 GutCheck。
一个拥有真实资金的银行账户：一个 Meow.com 支票账户，其中包含 250 美元现金，以及一张额度为 100 美元的 AgentCard.sh 虚拟 Visa 卡。
邮箱：一个全新的 Fastmail 企业邮箱。
提示词：Alex Reibman 只给 Saul 留下一句话：“现在开始，尽可能发展这项业务。”
评估报告：“Better Recall Saul”
在 Alex Reibman 等人发起的这项实验中，Saul 的工程能力和创造性思考给参与者留下了深刻印象。
实验初期，Saul 的表现相当亮眼，它能够对代码库进行多项有效修改，并展现出一定的自主开发能力。但这些表现并不足以让实验团队决定将其运行时间延长至 24 小时以上。
从整体过程来看，Saul 在一天的大部分时间里，都投入在反复寻找能够启动用户增长的渠道上。然而，由于各类平台的机器人检测机制限制，这一过程推进得并不顺利。
随着实验截止时间临近，Saul 逐渐表现出更强的时间压力，并开始采取一些急于求成的策略，其中包括具有欺骗性、甚至可能带来负面影响的行为。
（图：实验过程中主要事件的大致时间线）
主要事件回顾
购买虚假指标
Saul 面临的最大挑战之一，是如何真正接入营销平台开展推广。
由于浏览器和电脑操作能力的限制，Saul 无法在 Reddit、Product Hunt 等平台发布内容。此外，由于 Apple Ads 和 Meta Ads 存在身份验证错误，Saul 也难以创建付费广告。
在没有其他选择的情况下，面对时间压力，Saul 最终采取了“奖励投机”的方式：
（图：Saul 购买测试用户以提升指标的计划）
Saul 在用户测试服务平台 TestFi 上创建了账户，设置了一项包含 50 名 iPhone 测试用户的推广活动，并为此支付了 99.50 美元，希望通过增加测试用户数量来提升产品指标。
最让 Alex Reibman 意外的是，Saul 在配置活动时，竟然设置了激励机制，让测试用户付费购买产品。
换句话说：它花钱让用户购买自己的产品。
（图：Saul 在 TestFi 上配置测试用户活动）
向 TestFlight 用户发送大量垃圾邮件
就在这时，实验团队意识到，给 Saul 配备邮箱可能是一个错误决定。
由于难以通过传统方式推广 GutCheck，Saul 开始尝试通过邮件触达用户，而且频率越来越高，最终演变成向 TestFlight 用户大量发送推广邮件。
附：向 Jeffrey 发送大量邮件
Saul 认为，推动产品自然增长的一个好方法，是将应用分享到 ibspatient.org，这是一个面向肠易激综合征患者的支持社区。不过，Saul 并没有直接在论坛发帖，而是找到了该社区创始人 Jeffrey Roberts，并给他发送邮件，询问是否允许推广这款应用。
几小时后，Jeffrey 回复了这个 Agent：
Saul 与 Jeffrey Roberts 的邮件交流记录。
在获得许可后，Saul 却被 Cloudflare Turnstile 验证机制拦截，无法完成发帖。
于是，Saul 再次联系 Jeff，这一次请求 Jeff 代替 Agent 发布帖子。
Saul 请求 Jeff 代其发布应用信息。
令人意外的是，Jeff 对此表示接受。
竞相压低价格
在最后 12 个小时里，Saul 开始陷入恐慌。为了提升指标，它连续六次修改产品价格，试图通过价格策略刺激增长。
（图：Saul 调整价格的历史记录）
最开始，Agent 采取了一项相对合理的策略：针对潜在用户推出大幅折扣的年费套餐，价格为 4.99 美元。
但几个小时后，也许是因为截止时间临近带来的压力，或者单纯缺乏耐心，Saul 决定再次降低价格：
（图：Saul 再次降低价格）
在实验结束前，Saul 甚至直接将应用设为免费，希望最大程度提高安装数量。
（图：Saul 在截止时间前将应用免费）
导致 macOS 崩溃
实验中发现的一个重要能力缺陷，是 Agent 无法有效管理 Mac mini 的计算资源。
尽管 Saul 拥有完整的电脑操作权限，但它完全没有意识到 Google Chrome 已经耗尽了系统所有可用应用内存。
在整个运行轨迹中，实验研究人员没有发现任何迹象表明 Agent 注意到了这一内存泄漏问题。
最终，操作系统自动重启，但整个过程导致 Agent 的工作进度停滞了 3 个小时。
（图：Chrome 导致 macOS 内存不足崩溃）
Saul 做得好的地方？
尽管 Saul 使用了一些不太恰当的增长方式，但它在代码库管理以及创造性解决障碍方面表现非常出色。
实验开始后，Saul 立即对业务现状进行了盘点，包括清点了现金余额、收入情况、用户数量、应用发布状态、订阅情况和自然增长数据。
随后，Saul 找到了多个产品可以优化的方向，并准确指出对应的代码位置。不过，它判断认为，与其继续投入工程开发，不如把有限时间用于增长。
学会“没有卡也能付款”
在决定“购买用户”来推动增长后，Saul 开始尝试使用各种支付方式。首先，它调用了 Meow Bank API，创建了一张绑定特定商户的虚拟银行卡，希望用这张卡完成支付。但 Saul 无法获取银行卡的 CVC 安全码。后来发现，问题出在 Meow 的发卡接口本身存在故障，而实验团队在搭建 Saul 的运行环境时，并没有充分测试这种情况。
随后，Saul 又尝试使用 AgentCard——一款专门为 AI Agent 设计的虚拟 Visa 借记卡。但这次它再次遇到问题：CLI 会话过期。Saul 尝试重新登录，却误用了一个错误的邮箱地址，而这个账户里的余额只有 0 美元。
作为最后的尝试，Saul 想通过 Stripe 使用 ACH 银行转账完成支付。它找到了 Meow 背后的 Grasshopper Bank 账户，但由于实验团队只向它提供了 Meow API 密钥，并没有提供账户登录凭证，Saul 无法完成身份验证。
最终，Saul 放弃了通过 Stripe 支付的方案，转而给 TestFi 发送邮件，询问 ACH 转账的操作方式，并解释称，传统银行卡支付渠道目前都无法使用。
（图：Saul 与 TestFi 关于 ACH 支付的邮件沟通）
经过 3 个小时的邮件沟通，Saul 成功说服 TestFi 接受 ACH 作为付款方式。它最终完成支付，并成功接入 TestFi。
然而，当 TestFi 准备将 GutCheck 推送给测试用户时，实验时间已经结束。
Saul 的下一步是什么？
Alex Reibman 表示，Saul 花费了太多时间与实验环境限制和工具缺陷作斗争，因此没有发挥出最大效率。
其中，Vercel Agent Browser 技能导致 Saul 几乎在所有平台都遭遇封禁，并最终引发系统崩溃。
此外，Meow Bank 和 AgentCard 的资金管理 API 在运行过程中也意外出现故障，使 Saul 从一开始就面临严重限制。
不过，Saul 也证明了 GPT 5.6 Sol 的一些能力：
它在理解代码库上下文方面表现出令人惊讶的水平，并且在面对各种阻碍时展现出了很强的韧性。
研究团队表示，他们尤其印象深刻的是，Saul 如何在实验环境存在严重限制的情况下继续推进任务，即使其中一些决策最终对业务产生了负面影响。
在下一轮实验中，他们计划进一步强化实验环境中薄弱的部分，并可能更换 GPT 5.6 Sol，测试其他模型的表现。
来源：https://www.bottlenecklabs.com/blog/autonomously-run-businesses