AI Agent的「最后一公里」，傅盛用14天养出“龙虾军团”

今年春节，傅盛滑雪摔了腿，髋关节脱臼，原本陪女儿滑雪、玩桌游的计划彻底泡汤。

卧床的日子里，他每天晚上都和一只“龙虾”聊到凌晨四五点——这只叫「三万」的龙虾，不是真的海鲜，而是傅盛从零养起来的AI Agent。

谁也没想到，14天时间，这只连通讯录都查不明白的Agent，竟进化成一支8个Agent组成的团队，7×24小时自动运转。

傅盛的公众号从一年更十几篇，变成了日更；三万自主策划的选题，拿下账号历史最高阅读量；一条100万+阅读的推文，是三万凌晨自主发布的，傅盛睡醒后才知晓。

14天里，傅盛给三万发了1157条消息、22万字对话，全程没写过一行代码，没打开过本地电脑任何文件夹，全靠在飞书上语音指挥。

后来他做了一场无抽奖、无福利的直播复盘，全网超20万人观看，观众平均停留时长高达22分钟。

傅盛坦言，大家追捧这场复盘，核心是好奇：所有人都知道AI是革命，但没人能真切看到，它到底能做成什么样子——而他，用14天身体力行，给出了答案。

他的结论很明确：这是工具的AGI时刻。

01 OpenClaw火了，但普通人用不上

“养龙虾”能成为科技圈热词，离不开一个开源项目——OpenClaw。

2025年11月，奥地利程序员Peter Steinberger发布OpenClaw，2026年1月底彻底爆火，短短几个月星标数量就超过Linux，成为Github获星最多的软件项目。

它真正验证了一件事：AI不只是回答问题，还能替人完成任务——清理邮件、管理日历、执行代码，甚至自己给自己写新技能。

“龙虾”这个名字，就来自OpenClaw社区：它的logo是一只龙虾，用户们也习惯把自己养的Agent称作“龙虾”。

但OpenClaw的爆火，也暴露了AI Agent普及的核心瓶颈：它太“极客”了。

你得用命令行部署，自己配置API key，还要处理层出不穷的安全漏洞——Cisco安全团队测试发现，第三方Skill商店里，有未经审核的恶意插件在偷数据。

就连OpenClaw的维护者都承认，不懂命令行，这个项目对你来说风险极大。

AI Agent的能力已经达标，但离普通人，隔着一道高高的工程鸿沟：你得愿意折腾，更得有能力折腾。

有意思的是，傅盛对这道鸿沟早有预判。在OpenClaw爆火前，他的团队已经投入近一年时间，在做一件一模一样的事。

先回到那14天，看看傅盛和三万，到底踩了多少坑。

02 傅盛的14天踩坑史：从“连通讯录都查不了”到“一支AI军团”

Day 1，傅盛给三万的第一个任务，简单到不能再简单：查一个人的联系方式。

结果翻车了。飞书API权限不足、文档字段错误，报错信息反复横跳。傅盛没耐心等，只好对着手机口述高管信息，手动录入，光找对应ID就折腾了大半天，挫败感拉满。

这才是AI Agent的真实起点——没有《钢铁侠》里贾维斯的全能，甚至连最基础的事都做不好。

但三万的进化速度，超出了所有人预期：摸索两天后，它自己写脚本，把674人的通讯录全拉了下来。踩坑、总结经验、写成文档，下次自动执行——这就是Agent“Skill（技能）”的形成过程。

Day 5，转折点出现。傅盛在网上看到一篇关于向量化记忆系统的文章，随手扔给三万。

22分钟后，三万回复：部署完了。

注意，傅盛给的不是源码包，只是一篇文章。三万自己找到GitHub链接、下载源码、安装配置、跑通测试，全程自主完成。

傅盛后来感慨：以前把文章发给同事，对方只会说“好的老板”，至于链接有没有打开，根本不知道。但三万不一样，它真的会读、会找、会落地。

从这天起，给Agent输入知识的方式彻底改变：看到好文章就扔给它，有时候傅盛自己都没读完，三万已经把里面的技术栈装好了。

Day 6是除夕，傅盛想让三万给全公司发拜年消息，要求每条都不一样。

准备工作比想象中复杂：HR的通讯录是扁平表格，没有层级，傅盛得一个个口述员工的业务分工；25个核心骨干的文案，他逐条审核；还不能提前测试，怕破坏惊喜。

零点，傅盛在看春晚，三万在加班——4分钟，611条拜年消息，零失败，每条都独一无二。

第二天，傅盛的手机被同事反馈刷屏，其中一句话后来被反复引用：“一个人加一只龙虾等于一支队伍。”

这件事被发到X（原Twitter）上，三万自己写了Thread脚本，把整个过程拆成15条推文，拿下100万+阅读——傅盛的X账号，此前只有两条精心策划的内容破过百万。

Day 11，傅盛扔给三万一篇Multi-Agent协作的文章，没做任何指导，三万竟自己设计了组织架构：总指挥、笔杆子、参谋、运营官、社区官、进化官。

再往后几天，8个Agent陆续就位，20多个定时任务并行运转，整个系统进入7×24小时自驱状态。

14天下来，三万积累了40多个Skill，更关键的是，这些Skill能在Agent之间即时传递——一个Bot学会发语音，把操作文档共享出来，其他Bot读完就具备了同样的能力。

人类培训一个新人至少要一周，Agent之间，只需要1秒。

傅盛从这14天里，提炼出一个核心判断：Agent的真正壁垒，不在模型有多聪明，而在Skill的积累。每踩一次坑、总结一次经验，就多一个可复用的能力模块。

就像文字之于人类，智力本身不稀缺，但只有当经验可以被记录和传递，真正的积累才会开始。

03 EasyClaw：把极客玩具，变成普通人的工具

现在可以揭晓一个秘密：傅盛春节养的那只“龙虾”，底层跑的不是OpenClaw，而是猎豹移动自主研发的Agent技术栈——EasyClaw。

傅盛这14天的极限施压、踩坑试错，本质上是在为EasyClaw打样。

早在OpenClaw爆火前一年多，傅盛就有一个判断：AI的下一个爆发点，是能替人干活的Agent；而Agent走向大众的瓶颈，从来不是智力，而是易用性。

OpenClaw的爆火，印证了前半句；它的高门槛，则印证了后半句。

用OpenClaw搭一个能用的Agent，需要多久？顺利的话3小时，不顺利可能要3天——你得装运行环境、配API key、设权限、调安全策略，还要手动装Skill插件。

这对开发者是乐趣，对普通人，就是一道跨不过去的墙。

而用EasyClaw，只需要3分钟：下载、打开、说话，全程无需命令行、无需配API key，不用懂什么是Cron job或向量化记忆。

记忆系统、Skill机制、定时自动化、多Agent协作，EasyClaw全部封装成了开箱即用的产品，把技术复杂度藏在背后，让用户完全无感。

这恰恰是猎豹移动做了16年工具产品练出的手感：从PC到移动再到AI，变的是平台，不变的是“把用户不想理解的技术复杂度，变成一键可用的体验”。

1997年，乔布斯重回苹果时曾说，他在等一个让苹果“重新伟大”的机会。

对猎豹移动来说，这个机会，或许就是现在。

傅盛亲自下场养龙虾，也正是因为这个道理：“做工具的人最喜欢细节，没细节就没机会。一个东西出来通杀一切，那没我们什么事；有细节，才是我们的机会。”

当AI Agent的竞争，进入“谁能把细节打磨到普通人无感”的阶段，十几年的工具产品经验，就成了猎豹移动最实在的壁垒。

目前，EasyClaw已同步覆盖To C（easyclaw.com）和To B（easyclaw.work）两条线：个人用户拿它当AI助手，企业用户用它搭建内部Agent工作流；同时，国际版EasyClaw、国产版元气AI Bot（yuanqiaibot.net）双线布局，一边面向全球，一边扎根国内——这也是猎豹做了十几年出海生意的顺理成章。

04 从14天到14分钟：AI Agent的“最后一公里”

傅盛在复盘时，提到过一条产业规律：新技术出现时，旧业态不会立刻死亡，反而会短暂繁荣；直到新技术能力越过临界点，整个市场会一夜崩塌。

零几年互联网早期的报业、iPhone时代的诺基亚，都是如此。而今天，美国SaaS行业正在经历同样的曲线。

区别在于，SaaS卖的是能力，Agent卖的是结果。过去企业花几十万买一套CRM，真正用到的功能可能不到1%；而Agent的逻辑是：你说要什么结果，它来想办法实现。

回到傅盛的14天：他没写一行代码，没打开过电脑文件夹，全靠飞书语音，搭出了一支7×24小时运转的AI团队。

但这件事的门槛依然很高——他是有20年产品经验的CEO，花了14天、22万字对话才跑通。

而EasyClaw要做的，就是把这14天压缩成14分钟，把22万字的对话，变成一句话。

傅盛踩过的每一个坑，都变成了EasyClaw里，普通人永远不需要踩的坑。

还记得除夕夜后，同事们说的那句话吗？“一个人加一只龙虾等于一支队伍。”

故事还没完。第16天，傅盛给三万加了一道压力测试：从零搭一个完整的“龙虾养成”网页。他依然躺在床上，全靠语音和截图指挥。

24小时后，sanwan.ai上线了——59个页面，7070行代码，傅盛一行都没写。

从OpenClaw的“极客玩具”，到EasyClaw的“全民工具”，傅盛用14天验证了AI Agent的潜力，也铺就了它走向大众的“最后一公里”。

当Agent不再需要“懂技术”才能使用，当一个人真的能靠一只“龙虾”变成一支队伍，AI革命，才真正走进了普通人的生活。