九岁的店匠，决定把独立站重新做一遍
从 2017 年押注独立站，到 2026 年押注 AI Agent，这家跑了九年的跨境电商公司，正在主动改写自己最熟悉的生意逻辑。
一家公司的九岁，通常已经过了尤其适合讲创业故事的阶段。
产品进入成熟期，客户规模扩大，组织也逐渐形成自己的运行方式。2017 年成立的店匠科技（Shoplazza）已经走到了这个位置。从最初的独立站建站工具出发，它把业务一路延伸到营销、支付、履约和用户运营，目前服务超过 65 万商家，覆盖 180 多个国家和地区。
它所在的市场也早已今非昔比。海关总署数据显示，2025 年中国跨境电商进出口额达到 2.75 万亿元，比 2020 年增长 69.7%。
市场越来越大，做生意的工具也越来越多。真正令人头疼的事情，却没有同比例减少。
一个独立站商家每天依然可能要在广告、商品、订单、支付、物流和数据后台之间来回切换。上午判断哪些广告素材应该停掉，中午处理库存和促销，下午发现某个市场转化下降，又要重新拆流量、商品和消费者数据。工具已经把每一个单点操作做得足够简单，经营本身仍然是一项高度依赖人的工作。
过去一年，店匠开始尝试另一种解法。
垂直 Agent AI Store Builder、LazzaStudio、AdValet、Athena 陆续进入它的产品体系。建站、做素材、投广告、修改商品、查看经营数据，这些原本需要商家逐项完成的工作，开始被放到同一套 AI 执行逻辑里。尤其是运营Agent Athena，用户不必先想清楚一个功能藏在哪个菜单，而是可以直接告诉它想做什么，再由系统去寻找数据、调用其他 Agent 的能力和推进执行。
在整个软件行业都在谈 AI 的今天，“产品加上 AI”已经很难成为新闻。真正值得观察的是，AI 究竟能进入多深的业务流程，又能在多大程度上从“回答问题”走向“完成工作”。
01 AI 已经很多了，真正能工作的还不多
企业对 AI 的接受速度比过去绝大多数技术都快。
McKinsey 2025 年的一项全球调查显示，88% 的受访企业已经在至少一个业务职能中使用 AI。但使用和真正部署之间仍然隔着不小的距离。在 AI Agent 上，23% 的企业表示已经在至少一个职能中进行规模化应用，还有 39% 处于试验阶段。
这组数据很能说明当下的状态。企业已经习惯让 AI 写邮件、生成图片、整理数据，真正把它接入生产流程时，情况很快会复杂起来。
拿电商来说，让 AI 写一段商品描述已经相当成熟。如果任务变成“把这批滞销商品重新调整价格，排除正在参加活动的 SKU，再根据最近一周的销售表现做一轮新的广告素材”，难度就完全不同了。
它需要知道商品在哪里，哪些商品不能动，过去七天发生了什么，什么操作拥有权限，完成之后应该继续调用哪个系统。涉及价格、订单和广告预算时，还要知道什么情况下必须停下来，让人做最后决定。
过去十多年，电商软件解决复杂度的办法，大多是把一门生意拆成越来越多的专业工具。建站、广告、支付、物流、会员、客服、数据分析，各自拥有成熟的解决方案。于是，一笔订单背后逐渐形成了一整套工具体系。
问题也随之出现。体系越完善，连接这些系统的人反而越重要。
一家独立站做到一定规模之后，运营人员很容易变成一个站在不同软件之间的“人工路由器”。从广告平台拿到数据，再回店铺后台查商品，随后进入支付或者订单系统确认问题，做出判断之后，再到另一个页面执行。软件降低了每一步的门槛，却很少替人完成这些步骤之间的衔接。
店匠科技创始人兼 CEO 李俊峰用一句话概括了自己的判断：“AI 没有把生意变简单，它把简单变得不值钱了。”当生成页面、写文案、做图片、分析报表逐渐成为 AI 的基础能力，仅仅让一个功能“更容易操作”，价值自然会下降。商家接下来会提出更直接的要求：既然你已经知道我要做什么，为什么不能帮我把它做完？
02 当一家曾经的 SaaS 公司开始想办法让用户少操作后台
对于一个从零开始的 AI 创业公司来说，用 Agent 重新设计产品并不稀奇。对一家已经运行多年的 SaaS 公司，这件事会麻烦得多。
传统软件的产品逻辑非常稳定。用户出现一个需求，团队开发一个功能；功能多起来之后，再逐渐形成商品、订单、营销、物流和数据等模块。成熟产品继续往前走，通常意味着更丰富的能力，以及更顺滑的交互。
店匠过去的产品积累，也是沿着这条路一
商家可以直接说：“周末库存比较多，帮我做一次促销”“最近美国市场转化掉了，帮我看看原因”“把新品上架，再准备一组推广素材”。Athena 需要自己理解这句话背后涉及什么数据、哪些工具和怎样的执行顺序。至于过程中打开了几个页面、读取了多少张表，用户并不需要知道。
一个很有意思的情形是，过去 SaaS 公司花大量时间设计的后台，开始有机会从用户的视线里消失。
店匠今年上线 Athena 时，首先选择的也是一些足够具体的高频场景。商品、订单、促销、物流配置和经营数据都可以通过自然语言调用。用户提出需求后，Athena 补齐必要信息，再完成具体操作；涉及重要修改时，则先呈现执行内容，由商家确认。
随着 Athena 的能力继续往深、往远连接，建站、视觉、营销和经营不再只是几个彼此独立的 AI 功能，最终与这些沉淀多年的产品路径形成了呼应。
这样的呼应能解决让“想 AI 干活，必须有大量的背景信息和上下文支撑”的问题。
AI 要看到实时商品和交易数据，要调用营销、支付、物流等能力，还要知道一次动作执行之后产生了什么结果。大模型决定了 Agent 能不能理解问题，真正决定它可以走多远的，往往是背后能够连接多少真实业务，积累了多少行业 know-how。
电商又恰好提供了一套非常清晰的结果反馈机制。
一张广告图有没有用，可以看点击和转化；一次营销调整有没有效果，可以看成交；结账流程是否顺畅，可以看支付成功率；最终消费者是否认可，则会继续反映在复购和长期价值上。
对 AI 来说，一间正在真实营业的店铺，就是一个不断产生反馈的环境。这也是店匠敢于把 Agent 往经营链路深处推进的重要基础。
03 真正进入业务环境之后，Agent 面对的是信任
每年的跨境独立站峰会，都是店匠一年中重要的对外时刻。今年，店匠说：“独立站，交给 AI Agent”。
这句话其实说得很满。如果产品仍然只能完成几个孤立的小任务，“交给 AI”很容易变成一句超前的口号。
更冒险的一步在舞台上发生。
店匠让四位产品负责人上台，现场跑真实流程，没有用一段已经剪辑好的视频代替。
这件事店匠内部有一层很简单的考虑：“你对自己的产品都没有信心，凭什么让用户放心用？”对 AI 产品来说，live demo 比传统软件更不可控。用户的自然语言输入本身就存在变量，模型可能给出意外结果，任何一个上下游接口临时出现变化，都可能让原本设计好的路径跑偏。
最终，几位产品负责人完成了预设的演示流程。会场外的体验区也保持开放，让观众可以实际操作产品。
这个小设计放在整个 AI Agent 的讨论里，很有代表性，因为Agent 真正要面对的，一直是信任。
Gartner 曾预测，到 2028 年，33% 的企业软件应用将包含 Agentic AI。同时它也预计，到 2027 年底，超过 40% 的 Agentic AI 项目可能因为成本、商业价值不清晰或者风险控制不足而被取消。
两组数字并不冲突。
Agent 会越来越普遍，真正可以进入生产环境的产品则需要经历更严苛的检验。AI 给一条建议时，出错的成本还算有限。一旦开始修改商品价格、处理订单、调整营销策略甚至接触广告预算，评价标准自然发生变化。它不仅要聪明，还得稳定、可控，并且知道自己的权限边界。
店匠今年也公开了一套 L1 至 L5 的独立站 AI 运营成熟度分级，参考的是自动驾驶等级，把任务覆盖度、自主完成率、人工介入率和结果闭环放在一起衡量。根据店匠披露的数据，Athena 已进入超过 5000 家真实店铺，累计执行超过 200 万次运营任务，当前人工介入率为 18%。
这个数字比“生成速度提升了多少倍”更值得琢磨，它记录的是一项过去由人完成的经营任务里，系统究竟已经可以自己走多远。
18% 当然也意味着人不会消失。涉及价格修改、删除和其他可能直接影响经营结果的操作时，Athena 仍然会把人请回来确认。这种边界并不妨碍 Agent 的价值，反而决定了它有没有可能真正进入商业场景。
04 从收获 AI 社区认可，到一套电商系统新的打开方式
7 月底，刚上线两个多月的 Athena 登上知名 AI 社区 Product Hunt，最终拿下当天日榜第二名。
Product Hunt 的排名当然无法证明一款商业软件是否成功。对于一家已经拥有数十万商家的公司来说，社区投票也谈不上改变基本盘。
它更像是一场来自圈外的测试。
在那里，没有多少人关心店匠过去在独立站行业积累了几年，Athena 要和一批 AI 原生产品一起竞争注意力。社区用户最终关注的还是产品本身到底有没有意思、有没有用。
最终的结果至少说明，“让 AI 真正参与经营一门电商生意”这件事，是可以被电商之外的用户理解的。
更重要的变化仍然发生在产品内部。店匠把建站、营销、支付、物流、会员和数据等能力沉淀进自己的系统；过去它们决定产品功能的完整度，现在则决定 Agent 能够深入多少真实业务、连续执行多长的任务链。因此，店匠走向 AI Agent，更像是自然生长的结果。
而 Agent 一旦真正接过执行工作，被重新设计的不只是软件，还有商户的经营方式。
过去，业务复杂度增加，团队规模也很难不随之膨胀。如果重复执行和跨系统协同逐渐由 Agent 接过去，一支小团队可以承受的经营能力，就有机会被重新计算。
店匠的方向也已经越来越清楚。
2017 年，它把原本需要技术团队完成的建站，变成一个人也能操作的软件。今天，店匠正试图用 AI Agent，让一个人有机会经营更复杂的生意。
但商家仍然需要决定卖什么、品牌是什么、预算花多少、什么风险不能承担。至于大量重复的执行工作，以及散落在不同系统里的协同，开始有机会由 AI 接手。
