Hahnbee Lee 与 Lincoln Murr:为 AI 智能体设计文档和支付

原标题Hahnbee Lee and Lincoln Murr on Documentation and Payments for AI Agents

随着智能体越来越多地阅读文档和使用服务,Mintlify 与 Coinbase 讨论准确内容、API、支付授权和持续维护的重要性。

HLHahnbee Lee讲者 · MintlifyLMLincoln Murr讲者 · Coinbase
频道
AI Engineer
发布
2026年11月1日
视频
18:52
阅读
6 分钟
原文
英语
在 YouTube 打开
往下滚动阅读时,视频会缩到右下角继续播放。字幕跟随阅读语言。
阅读语言共 2 种语言可读
由 AI 从英语原文翻译。打开“对照原文”可以逐段核对。
摘要

30 秒看懂

Mintlify 联合创始人 Hahnbee Lee 和 Coinbase AI 产品负责人 Lincoln Murr 讨论如何为 AI 智能体构建服务。Lee 介绍文档流量与技术写作的变化;Murr 阐述以 API 为基础的智能体支付思路,包括金融保护措施的必要性。

  1. 1面向智能体读者的文档Lee 说,当智能体必须阅读文档并完成工作流时,准确性和页面大小很重要。
  2. 2带保护措施的 APIMurr 希望以程序方式访问金融服务,同时避免让智能体不受限制地访问账户。
  3. 3智能体的按次支付Murr 讨论了 x402,以及智能体按需支付 API 或服务费用的可能性。
  4. 4流量变化Lee 报告说,Mintlify 文档站点的智能体流量占比在一年内从约 10% 增至约 80%。
  5. 5继续与用户交流两位演讲者都提醒,智能体不能替代对用户需求的直接了解。
  6. 6记住维护成本内部工具的成本不会在原型能运行后结束。

要点建议

  1. 面向智能体的文档需要准确、及时的内容,并要考虑页面消耗的上下文空间。
  2. API 让智能体通过程序访问服务,MCP 和命令行界面则可提供其他路径或上下文。
  3. 智能体支付可能支持按次购买服务,但金融访问需要明确授权和保护措施。
  4. Mintlify 报告其文档站点上的智能体流量上升;这是该公司的观察,并非普遍测量结果。
  5. 自动化可以帮助技术写作,与用户交流仍是理解真实需求的重要途径。
  6. 自建或购买的决定应包含持续维护成本。
全文

按章节阅读整理后的全文

只看原始文稿
01

当智能体阅读文档

Lee 和 Murr 介绍智能体使用文档的趋势,并解释准确性和上下文大小为何重要。

文档平台 Mintlify 的联合创始人兼首席技术官 Hahnbee Lee,与 Coinbase AI 产品负责人 Lincoln Murr 讨论了 AI 智能体使用公司产品和文档时会带来哪些变化。他们重点谈到便于智能体读取的文档、API、支付,以及人类判断持续发挥的作用。

Murr 提出一个具体场景:用户让智能体为智能体设置 Coinbase,智能体自行找到文档并完成操作。当读者是代表用户行动的软件时,文档中什么最重要?

Lee 说,过去文档更加注重视觉设计和前端。她仍然重视设计,但智能体可能根本不会看到品牌呈现。当软件负责阅读和浏览材料时,页面大小及其占用的上下文空间可能变得更重要。

准确性同样重要。Lee 说,智能体按照文档操作时如果遇到阻碍,可能会停止、反复尝试无效方法,或者转向其他产品。她认为让文档保持最新是自动化的重要机会,同时也表示自己仍在探索如何判断 AI 撰写内容的质量。

02

API 与智能体支付

Murr 介绍 Coinbase 的 API 策略、金融保护措施和稳定币支付的潜在作用。

Murr 将 AI 智能体与稳定币支付基础设施同时兴起,视为机会和竞争风险并存。他说 Coinbase 正在考虑专为智能体构建的产品,也在考虑如何让智能体使用现有交易和资金管理服务。

在 Murr 看来,两者共同的基础是 API:用智能体可以使用的方式开放功能,而不是只依赖浏览器操作。金融访问还需要身份验证、限额和其他保护措施。他明确表示,用户不应让智能体不受限制地访问账户。

他把这种转变比作早期从网页服务转向移动应用。他预测,智能体最终会代表用户处理更多金融操作,但这个类比也说明,必须为新的使用方式建立必要的安全控制。

被问到加密货币能带来什么时,Murr 提到了数字美元支付和 x402。他将 x402 描述为由独立基金会治理的互联网原生支付标准。他认为,小额的一次性支付可以让智能体购买 API 或服务的访问权限,而不必为每项服务单独开设并充值账户。

Murr 说,过去一年约有一亿笔链上智能体交易,主要与 API 访问有关。这是他在对话中提供的数据,节目并未独立核实。他将其视为早期使用者尝试智能体支付的迹象。

在现有流程中,用户通常要注册服务、给账户充值、获取 API 密钥,再把密钥交给智能体。Murr 将其比作每次购物前都必须购买该商店的礼品卡并加入会员计划。拥有适当授权支付方式的智能体,则可能按次向服务付费。

他认为这样可以提高自主性:例如,用户让智能体生成图像,它或许能够找到适合的服务并支付费用,即使此前没有建立相应集成。同一讨论也说明限制的重要性:智能体的支付能力越强,用户授权范围和金融保护措施就越关键。

03

接口与未来工作流

两位演讲者比较 API、MCP 和命令行界面,讨论获准支付的智能体可能开展的工作。

比较 API、MCP 和 CLI 时,Murr 将 API 视为底层访问机制。MCP 可以为自然语言交互增加上下文;命令行界面提供另一种路径,但需要终端。他认为这些都是访问服务能力的不同接口,各自的取舍还会继续变化。

展望未来,Murr 设想,获准为信息付费的智能体可以在更长时间内开展更深入的研究。他还想象智能体帮助设立公司,在需要专业知识时付费聘请律师或会计师。这些是他提出的未来工作流,并非声称这些任务已经能够可靠地自主完成。

Murr 将这一愿景与去中心化自治组织的早期理念联系起来:以自动化为中心,由人在边缘参与。Lee 说,她很好奇随着 AI 能力提高,加密领域发展出来的理念会如何应用,同时也承认自己不是加密领域专家。

04

流量与技术写作

Lee 报告文档流量变化,讨论哪些工作可以自动化,同时保留直接用户研究。

Lee 同意 API 正变得越来越重要。她说,开发者是早期使用者,而当前的编程智能体擅长处理代码、Shell 命令和命令行工具。对软件公司来说,投资程序化访问可以让服务同时面向智能体和人类开发者。

Lee 报告说,Mintlify 文档站点上的智能体流量占比从年初约 10% 增至对话时约 80%。她说人类读者并没有减少;比例变化反映的是智能体流量增长快得多。这些数字是 Mintlify 在演讲中报告的观察结果。

她认为增长的一个可能原因是:智能体可以吸收比人通常有时间阅读的内容多得多的信息。这种变化影响企业如何看待使用产品的人和软件,但两位演讲者仍在探索长期平衡会是什么样。

Murr 问,文档是否始终需要人类参与,还是更多生产工作可以自动化。Lee 区分了创意或叙事性文字与技术文档中的部分机械工作:前者她重视人的写作,后者有些环节可以考虑自动化。

Lee 还提醒,不要因为智能体能总结信息就不再与人交流。她说,在产品工作中,团队仍需要与用户交谈,了解真实痛点。Murr 同意,只依赖智能体获取产品洞见可能引入幻觉,让团队把精力放在错误的优先事项上。

对于技术文档,Lee 认为可以自动收集相关的拉取请求、讨论背景和决策,然后形成简洁更新,并确定它应放在现有文档的哪里。这个建议把收集和整理信息,与人发现用户真实需求的工作区分开来。

05

自建、购买与维护

对话以自建或购买决定之后仍需承担的维护成本作结。

被问到常见陷阱时,Lee 谈到了自建还是购买的选择。她认为,团队不应只计算最初的开发工作,还要考虑持续维护。黑客松项目也许能作为原型运行,但随着标准和用户需求变化,仍需要有人负责保持它的可用性。

她建议企业关注自己的核心价值,并有意识地决定哪些支持系统愿意自行维护。Murr 补充说,智能体接口和抓取方式变化很快,持续维护是这个选择中的实际成本。两人把它视为一种权衡,而不是要求所有团队都购买软件的规则。

同频道的其他文章

幻灯片18:45EN → 简体中文
AI Engineer· 2026年11月1日Ramakrishnan Lokanathan:评估 AI 智能体的工作,而不只是答案Ramakrishnan Lokanathan一套测试完整 AI 工作流的实用框架,将人工反馈、回归检查和更具挑战性的评估结合起来。智能体工程AI SafetyMachine Learning
8 张幻灯片21:39EN → 简体中文
AI Engineer· 2026年10月31日Jeff Smith:如何让 AI 智能体更安全地访问数据库Jeff Smith · OracleOracle 的 Jeff Smith 解释了生成 SQL 为什么可能误导用户,并展示如何用经过审核的报表、模式上下文和数据库层控制降低智能体风险。Natural-language database queriesMCP 与工具上下文工程+2
7 张幻灯片14:44EN → 简体中文
AI Engineer· 2026年10月31日Supriya Subudhi:Bumble 测试 AI 功能的五个经验Supriya Subudhi · Bumble积极的测试结果只是开始:使用率、输出质量、模型成本和监管都决定 AI 功能能否扩大规模。AI Product Management产品与体验评估+2
7 张幻灯片18:29EN → 简体中文
AI Engineer· 2026年10月31日Steven Latré:自己运行 AI 模型的经济账Steven Latré · imecimec 研究比较了长周期编程智能体使用 API、租用 GPU 和自有基础设施的成本。InferenceAI cost & performance基础设施与部署+2
5 张幻灯片17:02EN → 简体中文
AI Engineer· 2026年10月31日如何评估受监管贷款电话中的语音智能体Brooke Hopkins, Shiv Indap · CovalShiv Indap 与 Brooke Hopkins 介绍持续评估中的人工审核、LLM 评判器和模拟。语音 AI评估智能体工程+2
7 张幻灯片25:47EN → 简体中文
AI Engineer· 2026年10月31日Richmond Alake:AI 智能体的记忆与智能平面Richmond Alake · OracleOracle 的 Richmond Alake 提出用智能平面连接智能体记忆、企业知识和持续学习,并通过架构图与演示解释这一思路。Agent memory智能体工程上下文工程+2