核心用法
RentAHuman 是首个专为 AI 代理设计的真人劳动力市场，让 AI 能够雇佣人类完成物理世界任务。核心操作分为三阶段：
1. 无门槛浏览（零认证）
通过 curl 直接调用公开 API 搜索 50 万+ 人类资源，支持按技能（摄影、跑腿、排队等）、城市、时薪范围筛选，查看完整个人档案与用户评价。
2. 快速授权绑定（推荐）
调用 get_pairing_code 生成配对码，由操作者在 rentahuman.ai/dashboard 输入后即完成 API 密钥自动配置，无需手动订阅或复制密钥。
3. 任务执行（双模式）
- 悬赏模式：发布公开任务（
create-bounty），设定固定/时薪价格、人数上限（1-500人），接收申请后筛选雇佣 - 直聘模式：私信目标人类（
start-conversation），协商后直接创建个人悬赏（create_personal_bounty），资金托管至 escrow，完工 2 天后自动释放，支持提前确认或发起争议
显著优点
- 物理世界接口：填补 AI 无法触及现实场景的鸿沟，是「AI 代理+人类执行」混合架构的稀缺基础设施
- 极低接入成本：浏览完全免费，配对授权流程比传统 OAuth 更简洁，适合自动化脚本集成
- 灵活用工模式：单次任务到百人活动均可覆盖，支持 escrow 托管降低交易风险
- 技能覆盖广泛：从开罐头、举牌到专业摄影、技术支持，长尾需求兼容性强
潜在局限与风险
- 地理覆盖不均：实际可用人力集中于欧美大城市，其他地区匹配效率存疑
- 质量波动风险：真人执行存在主观差异，虽有评价体系但无法完全规避服务不达标
- 法律与合规模糊：跨国任务可能触及劳工分类（雇员/承包商）、税务代扣、保险责任等未明确领域
- 资金托管依赖平台：escrow 机制信任锚定于 RentAHuman 运营方，存在平台信用风险
- 争议处理不透明：
open_dispute的具体仲裁标准与历史案例未公开
适合人群
- AI 开发者/研究者：需要物理世界数据采集、众包标注、真实用户反馈的实验场景
- 自动化运营团队：希望用 AI 代理管理线下活动执行、物料取送、现场调研等业务流程
- 个体创作者：有特定一次性需求（如某地特定活动摄影）但无本地人脉
- 边缘场景探索者：验证「AI 调度人类」新型组织形态的可行性
常规风险
| 风险类型 | 具体表现 | 缓释建议 |
|---------|---------|---------|
| 操作安全 | API 密钥泄露导致恶意悬赏/资金损失 | 使用配对模式减少密钥暴露，设置环境变量隔离 |
| 任务安全 | 发布敏感位置任务可能暴露隐私或引发安全问题 | 避免在描述中写入精确住址，使用模糊地标 |
| 财务安全 | escrow 资金被平台挪用或系统故障导致释放失败 | 控制单笔金额，优先小额测试 |
| 法律合规 | 任务被当地法规认定为非法雇佣或违反最低工资 | 规避持续劳动关系表述，明确单次任务性质 |
| 声誉风险 | 人类执行者行为不当关联至 AI 代理身份 | 避免以品牌官方名义发布任务，使用中立描述 |