龙虾登陆机器人！全程零彩排，傅盛是怎么搞定的？

智东西
作者 陈骏达
编辑 漠影

　　上周末，在北京举办的这场“龙虾局”，有些不同寻常。

　　一群养虾人聚在猎豹移动的办公区，猎豹董事长兼CEO傅盛坐在轮椅上滑进会场，开始分享自己的养虾秘籍。聊到兴头，他拿起手机，发了条语音，向自己养的AI龙虾“三万”随口布置了个任务：“让机器人穿过舞台，看到人就喊‘大家好，今天辛苦了’，间隔十秒，走到头停下。”

　　会场里有些骚动，在“三万”思考的间隙，大家既期待着能看到些什么，又隐隐有些怀疑。一段时间后，机器人真的动了，沿着预设方向滑行，镜头扫过人群，停顿，然后开口：

　　这不是提前写好的演示脚本，傅盛在现场打开飞书展示了完整的对话记录，这确实是在前一晚才“搓”出来的Demo。现场没有彩排，甚至中途机器人还因为网络延迟“不听指挥”了一阵，但它最终完成了任务，甚至自己编了几句不重复的广告词。

　　这究竟是怎么做到的？这场略显即兴的演示，其实展示了一种更本质的变化。

　　一、驱动机器人巡夜、互动、修bug，EasyClaw怎么做到的？

　　上方那段不到两分钟的视频，在视频号上获得了近万次转发。其走红除了“OpenClaw操作机器人”这件事儿本身的传播属性之外，更重要的是它让现场和网络上的许多普通人，第一次看到了Agent进入物理世界的样子。

　　借助Agent框架，AI可以更稳定地在开放任务中自主学习、调用工具、编写代码、进行测试、处理异常，理论上能操控任何提供API的设备。

　　但理论与实践之间，往往隔着巨大的鸿沟。在正式演示之前，傅盛和猎豹移动的技术团队决定先自家办公室完成初步验证。技术团队将猎豹移动的EasyClaw接入机器人后，傅盛在当天凌晨2点多尝试让自己的Agent控制办公区的机器人，让它每30分钟巡逻一次，拍照汇报，执行完成后返回充电。

　　由EasyClaw驱动的AI龙虾“三万”自主读取了机器人的开发文档，完成了API调用、路径规划和定时任务设置等流程。不过初期测试并非一帆风顺，执行时机器人没能把拍摄的照片发送给傅盛，还走错了位置，需要进一步调试。

　　傅盛没有介入底层代码，而是把调试过程全部交给“三万”。他询问道：“你对大厅的定位是否有误？请发送当前地图数据。”“三万”立即调取了机器人的建图文件，识别出坐标偏差并自主完成了修正。第二次巡逻，路径已经准确，傅盛也在手机上收到了机器人拍摄的公司照片。

　　将这一Demo搬到现场后，真实环境的复杂程度远超测试环境。数百人聚集的会场中，人员走动、交谈、拍摄等行为会干扰机器人的视觉识别，网络延迟可能导致指令响应滞后。实际上，傅盛连续发送的多个“停止”指令的确未能及时生效，因为任务已从服务端下发至机器人，指令队列仍在执行中，机器人在舞台上走了一通后，并没有完成打招呼的任务。

　　傅盛向“三万”发出询问，刚才的移动过程为何未检测到人员？他还强调要排查具体原因，把错误的理由追问到代码层和文件层，这样修改的成功率就能大幅提升。

　　接到新任务后，“三万”在现场写代码、写接口、跑测试，最终做出了“见到人触发喊话”这个功能。

　　不过，傅盛并没有止步于完成这个临时任务，而是尝试将这一任务沉淀为永久性的资产。

　　二、不只是跑通一次，如何全自动打造可复用Skill

　　当机器人成功完成第一次“穿越舞台问候观众”的任务后，傅盛告诉“三万”：“我觉得演示完成完全达到了效果，你把这个写成一个Skill呗，然后下次我们直接就可以调用了，不用再这样调试了。”

　　这一过程在传统机器人开发过程中是较为复杂的。硬件控制中，一个简单的“让机器人巡逻”功能,可能需要工程师花费数天甚至数周来开发、测试、调优。这种高门槛,让大多数中小企业和个人用户只能望而却步。

　　更棘手的是，即便功能开发完成，也很难复用。不同的应用场景往往需要重新编写代码。这种重复劳动，极大地限制了机器人的普及速度。

　　而三万在几分钟内就完成了这个封装。它自动识别了核心逻辑，形成了一个可配置的标准件。

　　这种能力带来的效率提升是明显可感的。当同样的需求再次出现时，开发者不需要重新规划、重新编码，只需调用这个Skill，修改几个参数即可。傅盛在演示中证明了这一点：第一次下达指令时，三万需要读文档、写脚本、测试调试，耗时较长；而第二次执行类似任务时，由于Skill的辅助，响应速度只需几秒钟。

　　EasyClaw这样的Agent还能指挥机器人更为自主地完成任务，甚至不需要具体的指令。

　　演示接近尾声时，傅盛决定再做一次实验。这次他没有规定具体的话术，而是给了一个开放式任务：“你现在穿越大厅，然后碰到人就来推广EasyClaw，你自己想些词，每个人不要讲超过5句话。

　　借助之前的Skill和大模型的智能，机器人很快开始移动。它遇到第一位观众时，开口说道：”告诉您一个秘密，我刚才谈话、拍照、走路全是EasyClaw在指挥我，它就是这么神。牛不？”

　　遇到下一个观众后，它又换了另一套说辞：“您的AI全能助手，不用写代码，说句话就让我跑腿，您还在等什么？”事后三万汇报：它一共想出了5句不同的广告词，每次遇到人时随机挑选一句，确保不重复。

　　傅盛也对这个效果比较满意，他评价道：“比我想的好。你们一定要相信这个东西超越人的很多点，它不是简单替代，就是它比你做得好。”

　　三、当Agent住进机器人的身体：猎豹移动的新想象

　　这台在现场大放异彩的机器人，正是猎豹移动旗下猎户星空的自主研发产品“豹小秘”。猎豹的机器人业务早已在接待、讲解等垂直领域深耕多年，并最新推出了手部可动的交互型号。

　　你可能已经在生活中和电视里见过豹小秘，它广泛应用于展厅、政务、医疗等20余类垂直场景，曾在国庆70周年彩车上向全国观众“致意问好”，还服务北京冬奥会官方公寓入住、导览翻译场景，成为唯一入选的语音交互机器人。

　　这些在真实场景的部署经验，让猎豹能感知到行业的真实痛点。傅盛借用餐厅场景分析道，在过去，机器人操作高度依赖编程，造机器人的工程师与用机器人的服务员之间存在巨大的“技术鸿沟”。

　　为了让餐厅服务员学会操作机器人，往往需要长达三个月的培训；然而，一旦服务员离职，所有的培训投入便宣告打水漂，下一批员工入职又得从零开始。

　　“EasyClaw+机器人”的出现给这一困境提供了解决方案——如果机器人能像人一样“听懂人话”并自动干活，复杂的后台操作和冗长的培训将不复存在。

　　这一Demo展现的核心价值在于“技术平权”。它将驱动机器人的权力，从极少数专业工程师手中释放给了广大终端用户。开发门槛被极度拉低：用户不再需要懂Python或复杂的界面操作，只需通过自然语言下达指令，系统便能实时生成代码并驱动硬件。

　　猎豹并不是今年才开始布局相关技术。早在去年7月，猎户星空便推出了AgentOS，这是一个面向语音交互场景打造的机器人操作系统。

　　该系统的GUI（图形用户界面）结合自然语言交互与原生API后，可以帮助用户在搭载AgentOS的机器人上实现各种各样的任务，并且完全能用自然语言定义。

　　至此，机器人不再是一个死板的“固定脚本执行器”，而是可以被自然语言实时“编程”的智能终端。

　　更进一步，EasyClaw与机器人的结合，让AI Agent拥有了在物理世界的实体载体

　　这种软硬件的深度融合，正在加速Agent能力边界的扩张。未来，Agent不仅可以在软件世界写代码，还能像傅盛演示的那样在舞台上“喊话”，更可以化身为小店的智能决策平台，自主根据自己在现实世界的所见所闻，告诉店主明天该进多少货。

　　傅盛设想道，未来甚至可以用自然语言驱动猎豹开发的机械臂，在摄影棚内精准捕捉完美的拍摄轨迹。

　　结语：Agent+机器人，加速从Demo走向现实

　　这次现场演示绝对不是完美的。正如傅盛在现场坦言：机器人芯片、通信延迟，都还有优化空间。

　　但其展现出的潜力是毋庸置疑的。面对这样一台能听懂指令、甚至能自己想广告词的机器人，傅盛感慨道：“这个东西哪个老板不要一个？”

　　据悉，猎豹移动已经开启了相关技术的快速迭代，或许在未来几个月内，现有的原始感将大幅改善。