夜雨聆风以后，AI 可能真的会替你做很多事。帮你订票，帮你回邮件，帮你买东西，帮你筛选信息，甚至替你和客服、商家、平台谈判。
听起来很美好。但问题是：当一个 AI agent 说它“代表你”时，它到底代表的是谁的利益？
作者的回答有点扎心：
这件事不只取决于 AI 有多聪明，更取决于它能调用什么工具、能看见什么数据、默认优化什么目标，以及这些规则是谁定的。
他们给出的分析框架叫 构成性政治（constitutive politics）。核心意思是，任何代理系统，都可以从三个维度去审视：
· 基础设施（infrastructural，它能调动什么）
· 认知（epistemic，它能知道什么）
· 目的（teleological，它在优化什么）。
这三个维度上的决策权握在谁手里，决定了 AI 助手到底是不是“你的助手”。
论文先讲了四个已经发生过的故事。
这些故事表面上和 AI agent 没什么关系，但读完你会发现，它们其实都在回答同一个问题：
一项技术说自己是在替用户做事，可最后，它到底听谁的？
第一件事，是广告拦截器
早年的广告拦截器，很像一个社区协作项目。你装一个 AdBlock，背后用的过滤规则，很多来自 EasyList 这样的公开列表。什么广告该拦，什么不该拦，社区志愿者可以讨论、修改，甚至另起炉灶。
这事不完美，但至少有一个很重要的东西还在：争论的空间。
后来，事情慢慢变了。
一边，Adblock Plus 背后的公司推出了“可接受广告”计划。不是所有广告都拦，而是符合某些标准的广告可以放行。
另一边，广告行业、浏览器平台和相关公司又通过“更好广告联盟”制定了一套行业标准。再往后，Chrome 的 Manifest V3 从浏览器接口层面限制了广告拦截插件的能力。
最微妙的地方就在这里。你发现广告拦截变弱了，不一定是因为某个插件突然不行了，而是因为：“用户能不能拦广告、能拦到什么程度”这个问题，悄悄从社区争论，变成了浏览器 API 和行业标准。
你不再是在和广告争论。你是在和出厂设置争论。
第二件事，是推荐算法
这个大家很熟悉。YouTube、TikTok、Amazon、Instagram 这类平台，放到国内语境里，你也很容易想到短视频、内容社区和电商推荐。
推荐系统最早听起来也很朴素：你看过什么，我就给你推荐类似的东西；和你兴趣相近的人买过什么，我也推荐给你。
但后来，推荐目标越来越复杂，也越来越不透明。
点击率、观看时长、完播率、停留时间、互动率、转化率，很多指标搅在一起，最后变成一个用户看不见、改不了、也没参与过设计的系统。
你当然可以说“不喜欢”，可以点“不感兴趣”，可以清空历史记录。
但你很难真正问一句：
这个系统到底在优化我的兴趣，还是在优化我留在平台上的时间？
欧盟的《数字服务法》试图介入，要求大型平台披露推荐逻辑、提供非个性化推荐选项。这当然是进步。但论文也提醒我们，监管能要求平台解释一些东西，却很难真正进入推荐系统最核心的数据、模型和目标层。
如果说广告拦截是“争论空间后来被收走”，那推荐算法是另一种情况：
从一开始，用户就没真正上过牌桌。
第三件事，是机器人理财顾问
听起来也很美好。你填一份风险问卷，系统判断你是保守型、平衡型还是进取型，然后自动给你配置 ETF，帮你再平衡，甚至做税务优化。
低门槛、自动化、合规、信义义务。一切看起来都在为普通投资者服务。
但论文提醒我们：这里面有很多可以塞进商业偏好的入口。
比如风险问卷怎么问？默认选项怎么设？什么样的回答会把你导向什么样的投资组合？平台推荐的 ETF 或基金，和它自己的商业利益有没有关系？
你以为你是在表达自己的风险偏好，实际上，你也可能正在被系统塑造成某一种“合适的投资者”。更麻烦的是，合规并不天然等于用户利益最大化。
一个系统完全可以在形式上满足要求，同时把真正关键的商业选择藏在问卷设计、默认配置和产品筛选里。
美国证监会曾在 2023 年提出过更严格的规则，想处理预测性数据分析带来的利益冲突。但按论文梳理，这个提案在 2025 年被撤回了。
这说明什么？
合规流程本身，也可能变成一种合法化的包装。它让系统看起来有规矩，却未必真的让用户掌握规则。
第四件事，是垃圾邮件过滤
这个例子最反直觉，也最锋利。因为从个人体验看，垃圾邮件过滤绝对是成功的。
十几二十年前，邮箱里塞满垃圾邮件是很常见的事。现在，大多数人打开 Gmail、Outlook，垃圾邮件已经少到几乎感知不到。
你的收件箱真的变干净了。
但问题也在这里。
早期反垃圾邮件靠的是 SpamHaus、SpamCop 这类公开协作黑名单。邮件服务器管理员可以一起维护过滤标准，规则相对可见，被误伤的一方也有比较清楚的申诉路径。后来，大平台靠海量数据和私有机器学习模型接管了一切。
效果确实更好了。但过滤标准也变成了黑箱。
为什么某封正常邮件进了垃圾箱？不知道。
怎么稳定申诉？很难。
谁在制定邮件送达的行业规则？很多时候，是关起门来的行业组织和大型服务商。
论文在这里抓住了一个很残酷的悖论：
你个人的体验变好了，但你所在的整个社会追问和改变这个系统的能力，变弱了。
个人体验，和集体话语权，不总是一起变好。有时候它们会朝相反方向移动。
共同的操作：去政治化——把价值选择做成技术事实
到这里，论文真正想讲的东西才出现。
四个故事串起来，你会看到一个共同的操作：把本来可以公开争论的价值选择，一步步做成技术事实。什么广告该拦、什么内容该推、什么邮件能送达——最终都脱离了公共讨论，沉进了协议、接口和默认设置里。
这就是作者所说的 去政治化（depoliticization），也是构成性政治框架下最核心的警示：问题不再是“谁有权决定”，只剩一句“系统就是这样设计的”。
所有“出厂设置”正在统一
理解了这一层，再看 Agentic AI，很多事就清楚了。
因为 AI agent 可能比前面几个例子都更重要。
广告拦截器主要管网页广告。
垃圾邮件过滤主要管邮箱。
推荐算法主要管内容和商品分发。
但 AI agent 不一样。
它可能成为一个横跨所有场景的代理层：
购物、搜索、支付、出行、办公、投资、社交、内容筛选，都可能从这里经过。
过去分散在不同平台里的“出厂设置”，现在有可能被统一到同一套协议和工具生态里。
这就是 MCP 出场的地方。
MCP，全称 Model Context Protocol，模型上下文协议。你可以粗略理解成一套让 AI agent 和外部工具、服务、数据源互相通信的标准。
它的意义不只是“让工具更好接入 AI”。更深一层是：
它会决定 AI agent 能走哪些路、能调用哪些工具、能读写哪些数据、能以什么方式替用户行动。
按论文的梳理，Anthropic 推出了 MCP，后来主要 AI 平台快速采用，并将其放到 Linux 基金会下的 Agentic AI Foundation，也就是 AAIF，进行治理。
听上去是不是很开放？开放规范，公开流程，大家可以提意见，看起来像一件很互联网精神的事。但论文提醒我们，看治理结构不能只看“能不能评论”，还要看谁有正式权力。
按论文描述，AAIF 的核心治理席位由大型企业和平台成员主导，包括 AWS、Anthropic、Google、Microsoft、OpenAI 等。问题在于：
没有独立用户组织的正式席位。
没有公共利益代表的正式席位。
没有一个受影响方可以真正挑战决策结果的机制。
这就很像论文说的那句话：
话语上开放，结构上没有保护。
你可以提交意见。你可以围观会议记录。你甚至可以参与讨论。但如果真正的决策桌上没有你的座位，那这种开放就很有限。
开放标准 ≠ 民主治理：MCP 的治理结构审视
这不是在说 MCP 一定是坏东西。恰恰相反，开放协议本身可能非常重要。
没有协议，AI agent 生态可能更碎片化，也更封闭。
但论文想提醒的是：
开放标准不等于民主治理。
一个标准可以是公开的，但仍然由少数商业主体主导。
一个流程可以允许评论，但仍然没有正式的反对席。
一个系统可以看起来透明，但你仍然没有能力改变它。
这就是前面四个故事共同告诉我们的事。广告拦截器不是一夜之间失去力量的。垃圾邮件治理也不是一夜之间变成黑箱的。
它们都是在一次次看似合理的技术升级、标准制定、性能优化、合规调整中，慢慢把争议空间挤掉的。
到最后，你得到一个更顺滑、更好用、更自动化的系统。同时也得到一个更难追问、更难替代、更难挑战的系统。
这才是最值得警惕的地方。
如何保住最后一点争议能力？
论文给出了三个判断标准，我觉得比很多 AI 产品评测都更有用。它们直接对应着维持集体争议能力（collective contestation）的三个条件：
第一，公共可观察性（public observability）
如果一个 AI agent 替你购物、替你筛选服务、替你安排任务，外部研究者和用户组织能不能观察它到底偏向谁？它是不是总推荐某些平台？是不是默认选择某些支付方式？是不是把某些服务商排除在外？如果这些都看不见，所谓“代表用户”就很难验证。这本质上是对 认知维度（epistemic） 的要求。
第二，独立基础设施（independent infrastructure）
早期广告拦截之所以能形成社区力量，是因为过滤列表可以公开维护，浏览器接口也允许插件真正执行这些规则。今天 uBlock Origin 在 Firefox 上还能完整运行，就是因为 Firefox 还保留了关键能力。这说明，光有知识不够，你还得有一块平台控制不了的自留地，能把替代方案跑起来。这正好对应 基础设施维度（infrastructural） 的条件。
第三，能维持争议的治理（governance that sustains contestation）
不是“欢迎大家留言”，不是“我们重视反馈”，而是：用户组织、消费者权益机构、公共利益代表，是否有正式席位？是否有挑战决策的路径？是否有修订协议和默认设置的权力？如果没有，那么所谓开放流程很可能只是吸收批评、合法化既定决策的一层包装。
三条都失去后，替代方案就很难长出来。不是没人想反抗，而是人们已经缺少把反抗变成现实替代方案的条件。
在一个越来越自动化的世界里，保留一点清醒
所以，这篇论文不是反 AI。它反的是一种很容易让人放松警惕的错觉：
以为“好用”就等于“站在你这边”。以为“开放”就等于“你有权改变”。以为“透明”就等于“你能挑战”。
但技术系统真正的权力，常常不在它展示给你的界面上。
而在更底层的地方：协议怎么写。API 怎么开。默认项怎么设。数据流怎么走。治理席位怎么分。申诉通道有没有用。
等这些东西都定下来，你再想讨论“AI agent 应该代表谁”，可能就已经晚了。
因为那个时候，它已经不是一个问题了。它变成了基础设施。
下次再有人告诉你，AI agent 会替你省多少事，也许可以多问一句：
它的方向盘在谁手里？刹车踏板在哪里？如果它替我做了一个我不同意的决定，我能不能真的把它改回来？
这不是反技术。这只是我们在一个越来越自动化的世界里，必须保留的一点清醒。
毕竟，真正替你打工的助手，不应该只会听平台的话。
参考来源：
Gamba et al., Agentic AI: User Empowerment or Enclosure?, arXiv 2026, doi:10.48550/arXiv.2608.06510。
看见潮头，不为逐浪，只为渡往新知的对岸。
欢迎点赞、在看、转发三连，我们下篇见。
