11 月 12 日 Product Hunt 日榜,前三名里有两个是 AI Agent 测试工具。Plurai 拿了第二,Render Sandboxes 上了推荐位。
看着不像一个赛道。语音客服、模拟世界、沙箱、开源同事,各卖各的。翻到底才发现,它们都在卖同一句话:让 Agent 在见真实用户前先失败几次。
这三层分工很清楚。沙箱给一台一次性电脑,证明代码真能跑。模拟器造一批假用户和假政策,看它会不会乱说话。评测集拿固定题目反复跑,看新版本有没有退步。
差别不只是价格。沙箱便宜,按秒计费,但难点是同时拉起两百台还能复现 bug。模拟器贵得多,一次模拟的钱够跑四百次沙箱,但它省的是上线后出事的钱。OpenBot 这类更狠,每个动作都留审批日志——出了事故,法务要查的是谁几点批的。
所以采购顺序别盲买。多数团队先接沙箱,再攒评测集,最后上模拟器。金融、医疗这种说错就赔钱的,模拟器得排到最前面。
你真正买的不是工具,是 Agent 在见客户前允许失败几次的额度。