龍蝦登陸機器人！全程零彩排，傅盛是怎么搞定的？

智東西
作者 陳駿達
編輯 漠影

　　上周末，在北京舉辦的這場“龍蝦局”，有些不同尋常。

　　一群養蝦人聚在獵豹移動的辦公區，獵豹董事長兼CEO傅盛坐在輪椅上滑進會場，開始分享自己的養蝦秘籍。聊到興頭，他拿起手機，發了條語音，向自己養的AI龍蝦“三萬”隨口布置了個任務：“讓機器人穿過舞臺，看到人就喊‘大家好，今天辛苦了’，間隔十秒，走到頭停下。”

　　會場里有些騷動，在“三萬”思考的間隙，大家既期待著能看到些什么，又隱隱有些懷疑。一段時間后，機器人真的動了，沿著預設方向滑行，鏡頭掃過人群，停頓，然后開口：

　　這不是提前寫好的演示腳本，傅盛在現場打開飛書展示了完整的對話記錄，這確實是在前一晚才“搓”出來的Demo。現場沒有彩排，甚至中途機器人還因為網絡延遲“不聽指揮”了一陣，但它最終完成了任務，甚至自己編了幾句不重復的廣告詞。

　　這究竟是怎么做到的？這場略顯即興的演示，其實展示了一種更本質的變化。

　　一、驅動機器人巡夜、互動、修bug，EasyClaw怎么做到的？

　　上方那段不到兩分鐘的視頻，在視頻號上獲得了近萬次轉發。其走紅除了“OpenClaw操作機器人”這件事兒本身的傳播屬性之外，更重要的是它讓現場和網絡上的許多普通人，第一次看到了Agent進入物理世界的樣子。

　　借助Agent框架，AI可以更穩定地在開放任務中自主學習、調用工具、編寫代碼、進行測試、處理異常，理論上能操控任何提供API的設備。

　　但理論與實踐之間，往往隔著巨大的鴻溝。在正式演示之前，傅盛和獵豹移動的技術團隊決定先自家辦公室完成初步驗證。技術團隊將獵豹移動的EasyClaw接入機器人后，傅盛在當天凌晨2點多嘗試讓自己的Agent控制辦公區的機器人，讓它每30分鐘巡邏一次，拍照匯報，執行完成后返回充電。

　　由EasyClaw驅動的AI龍蝦“三萬”自主讀取了機器人的開發文檔，完成了API調用、路徑規劃和定時任務設置等流程。不過初期測試并非一帆風順，執行時機器人沒能把拍攝的照片發送給傅盛，還走錯了位置，需要進一步調試。

　　傅盛沒有介入底層代碼，而是把調試過程全部交給“三萬”。他詢問道：“你對大廳的定位是否有誤？請發送當前地圖數據。”“三萬”立即調取了機器人的建圖文件，識別出坐標偏差并自主完成了修正。第二次巡邏，路徑已經準確，傅盛也在手機上收到了機器人拍攝的公司照片。

　　將這一Demo搬到現場后，真實環境的復雜程度遠超測試環境。數百人聚集的會場中，人員走動、交談、拍攝等行為會干擾機器人的視覺識別，網絡延遲可能導致指令響應滯后。實際上，傅盛連續發送的多個“停止”指令的確未能及時生效，因為任務已從服務端下發至機器人，指令隊列仍在執行中，機器人在舞臺上走了一通后，并沒有完成打招呼的任務。

　　傅盛向“三萬”發出詢問，剛才的移動過程為何未檢測到人員？他還強調要排查具體原因，把錯誤的理由追問到代碼層和文件層，這樣修改的成功率就能大幅提升。

　　接到新任務后，“三萬”在現場寫代碼、寫接口、跑測試，最終做出了“見到人觸發喊話”這個功能。

　　不過，傅盛并沒有止步于完成這個臨時任務，而是嘗試將這一任務沉淀為永久性的資產。

　　二、不只是跑通一次，如何全自動打造可復用Skill

　　當機器人成功完成第一次“穿越舞臺問候觀眾”的任務后，傅盛告訴“三萬”：“我覺得演示完成完全達到了效果，你把這個寫成一個Skill唄，然后下次我們直接就可以調用了，不用再這樣調試了。”

　　這一過程在傳統機器人開發過程中是較為復雜的。硬件控制中，一個簡單的“讓機器人巡邏”功能,可能需要工程師花費數天甚至數周來開發、測試、調優。這種高門檻,讓大多數中小企業和個人用戶只能望而卻步。

　　更棘手的是，即便功能開發完成，也很難復用。不同的應用場景往往需要重新編寫代碼。這種重復勞動，極大地限制了機器人的普及速度。

　　而三萬在幾分鐘內就完成了這個封裝。它自動識別了核心邏輯，形成了一個可配置的標準件。

　　這種能力帶來的效率提升是明顯可感的。當同樣的需求再次出現時，開發者不需要重新規劃、重新編碼，只需調用這個Skill，修改幾個參數即可。傅盛在演示中證明了這一點：第一次下達指令時，三萬需要讀文檔、寫腳本、測試調試，耗時較長；而第二次執行類似任務時，由于Skill的輔助，響應速度只需幾秒鐘。

　　EasyClaw這樣的Agent還能指揮機器人更為自主地完成任務，甚至不需要具體的指令。

　　演示接近尾聲時，傅盛決定再做一次實驗。這次他沒有規定具體的話術，而是給了一個開放式任務：“你現在穿越大廳，然后碰到人就來推廣EasyClaw，你自己想些詞，每個人不要講超過5句話。

　　借助之前的Skill和大模型的智能，機器人很快開始移動。它遇到第一位觀眾時，開口說道：”告訴您一個秘密，我剛才談話、拍照、走路全是EasyClaw在指揮我，它就是這么神。牛不？”

　　遇到下一個觀眾后，它又換了另一套說辭：“您的AI全能助手，不用寫代碼，說句話就讓我跑腿，您還在等什么？”事后三萬匯報：它一共想出了5句不同的廣告詞，每次遇到人時隨機挑選一句，確保不重復。

　　傅盛也對這個效果比較滿意，他評價道：“比我想的好。你們一定要相信這個東西超越人的很多點，它不是簡單替代，就是它比你做得好。”

　　三、當Agent住進機器人的身體：獵豹移動的新想象

　　這臺在現場大放異彩的機器人，正是獵豹移動旗下獵戶星空的自主研發產品“豹小秘”。獵豹的機器人業務早已在接待、講解等垂直領域深耕多年，并最新推出了手部可動的交互型號。

　　你可能已經在生活中和電視里見過豹小秘，它廣泛應用于展廳、政務、醫療等20余類垂直場景，曾在國慶70周年彩車上向全國觀眾“致意問好”，還服務北京冬奧會官方公寓入住、導覽翻譯場景，成為唯一入選的語音交互機器人。

　　這些在真實場景的部署經驗，讓獵豹能感知到行業的真實痛點。傅盛借用餐廳場景分析道，在過去，機器人操作高度依賴編程，造機器人的工程師與用機器人的服務員之間存在巨大的“技術鴻溝”。

　　為了讓餐廳服務員學會操作機器人，往往需要長達三個月的培訓；然而，一旦服務員離職，所有的培訓投入便宣告打水漂，下一批員工入職又得從零開始。

　　“EasyClaw+機器人”的出現給這一困境提供了解決方案——如果機器人能像人一樣“聽懂人話”并自動干活，復雜的后臺操作和冗長的培訓將不復存在。

　　這一Demo展現的核心價值在于“技術平權”。它將驅動機器人的權力，從極少數專業工程師手中釋放給了廣大終端用戶。開發門檻被極度拉低：用戶不再需要懂Python或復雜的界面操作，只需通過自然語言下達指令，系統便能實時生成代碼并驅動硬件。

　　獵豹并不是今年才開始布局相關技術。早在去年7月，獵戶星空便推出了AgentOS，這是一個面向語音交互場景打造的機器人操作系統。

　　該系統的GUI（圖形用戶界面）結合自然語言交互與原生API后，可以幫助用戶在搭載AgentOS的機器人上實現各種各樣的任務，并且完全能用自然語言定義。

　　至此，機器人不再是一個死板的“固定腳本執行器”，而是可以被自然語言實時“編程”的智能終端。

　　更進一步，EasyClaw與機器人的結合，讓AI Agent擁有了在物理世界的實體載體

　　這種軟硬件的深度融合，正在加速Agent能力邊界的擴張。未來，Agent不僅可以在軟件世界寫代碼，還能像傅盛演示的那樣在舞臺上“喊話”，更可以化身為小店的智能決策平臺，自主根據自己在現實世界的所見所聞，告訴店主明天該進多少貨。

　　傅盛設想道，未來甚至可以用自然語言驅動獵豹開發的機械臂，在攝影棚內精準捕捉完美的拍攝軌跡。

　　結語：Agent+機器人，加速從Demo走向現實

　　這次現場演示絕對不是完美的。正如傅盛在現場坦言：機器人芯片、通信延遲，都還有優化空間。

　　但其展現出的潛力是毋庸置疑的。面對這樣一臺能聽懂指令、甚至能自己想廣告詞的機器人，傅盛感慨道：“這個東西哪個老板不要一個？”

　　據悉，獵豹移動已經開啟了相關技術的快速迭代，或許在未來幾個月內，現有的原始感將大幅改善。