上线前先给 agent 造一个假世界:Plurai 拿 1300 万美元种子轮,免费额度够你跑 7 个场景
「等真实用户撞上长尾」是 agent 上线最贵的一种测试方式。
Plurai 的两个创始人做了多年自动驾驶,在 Waymo 那类场景里,仿真不是选项,是唯一能积累信任的方式——20 亿模拟英里对真实里程的 100 倍。他们把这套搬到 agent 上:给你的 agent 建一个数字孪生,配上模拟用户,在上线前把长尾踩一遍。
怎么装
在 Claude Code 里三行:
/plugin marketplace add plurai-ai/plurai-plugins
/plugin install plurai-simulation@plurai-plugins
/reload-plugins
然后 /plurai-simulation:simulate。Codex 和 GitHub Copilot CLI 同样支持,Cursor 写的是 coming soon。你的源码不动,它生成一个 simulate.py 的 harness 文件来驱动。
支持的 agent 框架:LangGraph、Claude Agent SDK、Google ADK、CrewAI、OpenAI Agents SDK、LlamaIndex、Strands、LangChain,没有框架也行;Node 走桥接。生产 trace 能接 LangSmith、Langfuse、Arize、Braintrust。
5 个阶段,每个阶段也是一条命令
scan 扫出 agent 用了哪些工具、子 agent、数据源,决定什么要 mock;ground 可选,从你的生产 trace 里学真实的工具调用与异常;build 起 mock 环境并生成场景与评分器;run 让模拟用户把每个场景演一遍;fix 把确认的失败追到具体代码,给出修复建议——你不点接受,代码不会被改。
细节上有一条挺关键:最终那一轮每个场景会跑 3 次,用来把真失败和偶发失败分开。写操作默认都是 mock 的,要开才真跑。
价格
| 档位 | 价格 | 额度 |
|---|---|---|
| Free | 0 | 一次性 12,300 credits、2 个 agent、7 个场景、3 次 run、10 个沙箱小时 |
| Base | 60 美元/月 | 每月 28,710 credits、3 个 agent、14 个场景、20 次 run、30 个沙箱小时 |
| Business | 210 美元/月 | 每月 65,570 credits、3 个 agent、28 个场景、60 次 run、100 个沙箱小时 |
1 个 credit 等于「按牌价算的 1 美分模型用量」。超出按 0.02 美元/credit(Base)或 0.015 美元/credit(Business)算,超额默认关闭,管理员设了上限才会继续跑。成员不收费。
免费档的 12,300 credits 大约等于 123 美元的模型调用量——对一个人来说,够把一个 agent 的 7 个场景跑 3 轮,看到底会不会漏。
数字从哪来
设计伙伴里有财富 500 强和大型金融机构,官方给的两个结果:到达真实用户的故障减少 82%,跑可靠 agent 的成本减少 97%。跟 NVIDIA、Nebius 一起给一家全球企业后训练出来的模型,在准确率上超过 OpenAI 和 Anthropic 的前沿模型,成本分别低 40 倍和 44 倍。
这 1,300 万美元种子轮由 Team8 领投,U&I、Velocity、Mercer 参与,另有 20 多位天使,包括 CyberArk 创始人 Udi Mokady;微软 365 Copilot 的 CTO Eyal Carmi 进了顾问委员会。
泼冷水
免费额度是一次性的,用完就暂停,不能每月续。7 个场景听起来够,实际上一个稍微复杂的 agent 光是把「取消订阅」「改地址」「退款」这些主路径覆盖完就用掉大半。它更像一次试用装,不是长期免费档。
数据会离开你的机器。文档写的是:跑仿真时每段对话都会发到 Plurai 后端,包括用户消息、agent 回复、工具调用与返回。可以开本地匿名化,把个人数据换成单向哈希再上传,但 agent 的描述文件两种模式下都是原文上传。给客户做的东西,先看清楚这条。
「模拟通过」不等于「线上没事」。它测的是你写出来的场景和它生成的边界,真实用户会在你没写的地方出错。82% 这个降幅来自设计伙伴的样本,不是你的业务。
最后一条最实际:ground 那一步要有生产 trace 才有意义。冷启动阶段你只能靠它自己生成的场景,质量取决于你能把 agent 的行为描述得多细。
具体建议
如果你手上有一个已经跑起来、偶尔出怪事的 agent,这周花两小时做一件事:装上插件,让它扫一遍,只跑 scan + build,看它给你生成了哪些场景。不跑 run 也值——那 7 个场景列表本身就是一次免费的需求评审,你会看到自己从没想过的输入。
如果你的 agent 还没上线、也没有真实用户,先别买付费档。用免费额度跑一轮,把失败清单修完,再决定要不要把仿真放进日常流程。
原文:https://www.plurai.ai/blog/introducing-plurai-simulation-self-improving-layer-for-ai-agents