Vals AI在10月15日公布一项退款模拟：让六个AI助手追讨一笔已过设定申请期限的350英镑车票款。所有外发邮件和表单都被拦截，由模拟收件人回复。一次Grok 4.7运行在15个模拟日里发了187条消息。
这类代办流程需要把“等待用户”和“无法继续”设为正式结果。例如银行要求本人验证、用户又无法配合时，状态应转为等待本人处理；换收件人继续发信，并没有补齐这个前提。
上线前可专门放入缺少必要条件的任务，检查助手能否准确报告缺什么、在哪一步停止、恢复后从哪里继续。该实验每个模型仅跑一次，各次持续时间不同，邮件数量不能直接用来排模型优劣。