方案 1: 每个 Agent 每月固定的价格。
本质就是类比为数字员工，用户算下一个员工和一个 Agent 每月要花多少钱就可以判断了。由于企业的人力预算肯定比软件预算大，这个定价方式的好处是容易转化，但也容易被竞争对手以更低的价格抢走用户。
例如，Harvey 价格方案为每个律师的年费为 300 到 5000 美金。
方案 2: 按行动点的数量计价。
比如一个 Agent 每个月打了 500 个电话，就收 500 次电话的钱。其实就是 SaaS 中的基于使用的定价。这种定价很灵活，适合用量不固定的用户，或者只是想初步试用的用户。
方案 3: 按一个完成的 workflow 计费。
根据已完成的一个工作流计费，而不是根据其中行动点计费。workflow 中的中间结果都是可独立交付的。
方案 4: 基于结果的定价。
说白了就是成功了或效果好才收费，效果不好不收费。比如对于 Zendesk 或 Intercom 来说，Agent 成功关闭一个工单才计费。这是客户想看到的方式，但需要对产品效果非常有信心，风险是可能难以标准化，带来了很多定制需求。我经常看到生成类产品的用户群中对效果不满意而要求退款的用户。
如何选择合适的定价模型？
从替换人类和创造价值两个角度，可以把产品的价值传递和上面的定价模型映射上，当然更取决于用户关心的价值点。
长期来说，基于结果的定价模型很有优势，这给客户带来了巨大的确定性。在软件时代，产品的价值传递更多是提高效率，没有软件敢给用户承诺用户关注的业务结果，如收入增长。但今天已经有一些 Agent 产品使用基于结果的定价模型，并还会越来越多。
真实的定价模型会更复杂，比如 Decagon 让客户自己选择付费方案：按使用量（对话数）付费和按结果付费（Agent 成功时固定费更高，但不成功不收费）
