AI Agent的「最后一公里」，傅盛用14天養出“龍蝦軍團”

今年春節，傅盛滑雪摔了腿，髖關節脫臼，原本陪女兒滑雪、玩桌游的計劃徹底泡湯。

臥床的日子里，他每天晚上都和一只“龍蝦”聊到凌晨四五點——這只叫「三萬」的龍蝦，不是真的海鮮，而是傅盛從零養起來的AI Agent。

誰也沒想到，14天時間，這只連通訊錄都查不明白的Agent，竟進化成一支8個Agent組成的團隊，7×24小時自動運轉。

傅盛的公眾號從一年更十幾篇，變成了日更；三萬自主策劃的選題，拿下賬號歷史最高閱讀量；一條100萬+閱讀的推文，是三萬凌晨自主發布的，傅盛睡醒后才知曉。

14天里，傅盛給三萬發了1157條消息、22萬字對話，全程沒寫過一行代碼，沒打開過本地電腦任何文件夾，全靠在飛書上語音指揮。

后來他做了一場無抽獎、無福利的直播復盤，全網超20萬人觀看，觀眾平均停留時長高達22分鐘。

傅盛坦言，大家追捧這場復盤，核心是好奇：所有人都知道AI是革命，但沒人能真切看到，它到底能做成什么樣子——而他，用14天身體力行，給出了答案。

他的結論很明確：這是工具的AGI時刻。

01 OpenClaw火了，但普通人用不上

“養龍蝦”能成為科技圈熱詞，離不開一個開源項目——OpenClaw。

2025年11月，奧地利程序員Peter Steinberger發布OpenClaw，2026年1月底徹底爆火，短短幾個月星標數量就超過Linux，成為Github獲星最多的軟件項目。

它真正驗證了一件事：AI不只是回答問題，還能替人完成任務——清理郵件、管理日歷、執行代碼，甚至自己給自己寫新技能。

“龍蝦”這個名字，就來自OpenClaw社區：它的logo是一只龍蝦，用戶們也習慣把自己養的Agent稱作“龍蝦”。

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

你得用命令行部署，自己配置API key，還要處理層出不窮的安全漏洞——Cisco安全團隊測試發現，第三方Skill商店里，有未經審核的惡意插件在偷數據。

就連OpenClaw的維護者都承認，不懂命令行，這個項目對你來說風險極大。

AI Agent的能力已經達標，但離普通人，隔著一道高高的工程鴻溝：你得愿意折騰，更得有能力折騰。

有意思的是，傅盛對這道鴻溝早有預判。在OpenClaw爆火前，他的團隊已經投入近一年時間，在做一件一模一樣的事。

先回到那14天，看看傅盛和三萬，到底踩了多少坑。

02 傅盛的14天踩坑史：從“連通訊錄都查不了”到“一支AI軍團”

Day 1，傅盛給三萬的第一個任務，簡單到不能再簡單：查一個人的聯系方式。

結果翻車了。飛書API權限不足、文檔字段錯誤，報錯信息反復橫跳。傅盛沒耐心等，只好對著手機口述高管信息，手動錄入，光找對應ID就折騰了大半天，挫敗感拉滿。

這才是AI Agent的真實起點——沒有《鋼鐵俠》里賈維斯的全能，甚至連最基礎的事都做不好。

但三萬的進化速度，超出了所有人預期：摸索兩天后，它自己寫腳本，把674人的通訊錄全拉了下來。踩坑、總結經驗、寫成文檔，下次自動執行——這就是Agent“Skill（技能）”的形成過程。

Day 5，轉折點出現。傅盛在網上看到一篇關于向量化記憶系統的文章，隨手扔給三萬。

22分鐘后，三萬回復：部署完了。

注意，傅盛給的不是源碼包，只是一篇文章。三萬自己找到GitHub鏈接、下載源碼、安裝配置、跑通測試，全程自主完成。

傅盛后來感慨：以前把文章發給同事，對方只會說“好的老板”，至于鏈接有沒有打開，根本不知道。但三萬不一樣，它真的會讀、會找、會落地。

從這天起，給Agent輸入知識的方式徹底改變：看到好文章就扔給它，有時候傅盛自己都沒讀完，三萬已經把里面的技術棧裝好了。

Day 6是除夕，傅盛想讓三萬給全公司發拜年消息，要求每條都不一樣。

準備工作比想象中復雜：HR的通訊錄是扁平表格，沒有層級，傅盛得一個個口述員工的業務分工；25個核心骨干的文案，他逐條審核；還不能提前測試，怕破壞驚喜。

零點，傅盛在看春晚，三萬在加班——4分鐘，611條拜年消息，零失敗，每條都獨一無二。

第二天，傅盛的手機被同事反饋刷屏，其中一句話后來被反復引用：“一個人加一只龍蝦等于一支隊伍。”

這件事被發到X（原Twitter）上，三萬自己寫了Thread腳本，把整個過程拆成15條推文，拿下100萬+閱讀——傅盛的X賬號，此前只有兩條精心策劃的內容破過百萬。

Day 11，傅盛扔給三萬一篇Multi-Agent協作的文章，沒做任何指導，三萬竟自己設計了組織架構：總指揮、筆桿子、參謀、運營官、社區官、進化官。

再往后幾天，8個Agent陸續就位，20多個定時任務并行運轉，整個系統進入7×24小時自驅狀態。

14天下來，三萬積累了40多個Skill，更關鍵的是，這些Skill能在Agent之間即時傳遞——一個Bot學會發語音，把操作文檔共享出來，其他Bot讀完就具備了同樣的能力。

人類培訓一個新人至少要一周，Agent之間，只需要1秒。

傅盛從這14天里，提煉出一個核心判斷：Agent的真正壁壘，不在模型有多聰明，而在Skill的積累。每踩一次坑、總結一次經驗，就多一個可復用的能力模塊。

就像文字之于人類，智力本身不稀缺，但只有當經驗可以被記錄和傳遞，真正的積累才會開始。

03 EasyClaw：把極客玩具，變成普通人的工具

現在可以揭曉一個秘密：傅盛春節養的那只“龍蝦”，底層跑的不是OpenClaw，而是獵豹移動自主研發的Agent技術棧——EasyClaw。

傅盛這14天的極限施壓、踩坑試錯，本質上是在為EasyClaw打樣。

早在OpenClaw爆火前一年多，傅盛就有一個判斷：AI的下一個爆發點，是能替人干活的Agent；而Agent走向大眾的瓶頸，從來不是智力，而是易用性。

OpenClaw的爆火，印證了前半句；它的高門檻，則印證了后半句。

用OpenClaw搭一個能用的Agent，需要多久？順利的話3小時，不順利可能要3天——你得裝運行環境、配API key、設權限、調安全策略，還要手動裝Skill插件。

這對開發者是樂趣，對普通人，就是一道跨不過去的墻。

而用EasyClaw，只需要3分鐘：下載、打開、說話，全程無需命令行、無需配API key，不用懂什么是Cron job或向量化記憶。

記憶系統、Skill機制、定時自動化、多Agent協作，EasyClaw全部封裝成了開箱即用的產品，把技術復雜度藏在背后，讓用戶完全無感。

這恰恰是獵豹移動做了16年工具產品練出的手感：從PC到移動再到AI，變的是平臺，不變的是“把用戶不想理解的技術復雜度，變成一鍵可用的體驗”。

1997年，喬布斯重回蘋果時曾說，他在等一個讓蘋果“重新偉大”的機會。

對獵豹移動來說，這個機會，或許就是現在。

傅盛親自下場養龍蝦，也正是因為這個道理：“做工具的人最喜歡細節，沒細節就沒機會。一個東西出來通殺一切，那沒我們什么事；有細節，才是我們的機會。”

當AI Agent的競爭，進入“誰能把細節打磨到普通人無感”的階段，十幾年的工具產品經驗，就成了獵豹移動最實在的壁壘。

目前，EasyClaw已同步覆蓋To C（easyclaw.com）和To B（easyclaw.work）兩條線：個人用戶拿它當AI助手，企業用戶用它搭建內部Agent工作流；同時，國際版EasyClaw、國產版元氣AI Bot（yuanqiaibot.net）雙線布局，一邊面向全球，一邊扎根國內——這也是獵豹做了十幾年出海生意的順理成章。

04 從14天到14分鐘：AI Agent的“最后一公里”

傅盛在復盤時，提到過一條產業規律：新技術出現時，舊業態不會立刻死亡，反而會短暫繁榮；直到新技術能力越過臨界點，整個市場會一夜崩塌。

零幾年互聯網早期的報業、iPhone時代的諾基亞，都是如此。而今天，美國SaaS行業正在經歷同樣的曲線。

區別在于，SaaS賣的是能力，Agent賣的是結果。過去企業花幾十萬買一套CRM，真正用到的功能可能不到1%；而Agent的邏輯是：你說要什么結果，它來想辦法實現。

回到傅盛的14天：他沒寫一行代碼，沒打開過電腦文件夾，全靠飛書語音，搭出了一支7×24小時運轉的AI團隊。

但這件事的門檻依然很高——他是有20年產品經驗的CEO，花了14天、22萬字對話才跑通。

而EasyClaw要做的，就是把這14天壓縮成14分鐘，把22萬字的對話，變成一句話。

傅盛踩過的每一個坑，都變成了EasyClaw里，普通人永遠不需要踩的坑。

還記得除夕夜后，同事們說的那句話嗎？“一個人加一只龍蝦等于一支隊伍。”

故事還沒完。第16天，傅盛給三萬加了一道壓力測試：從零搭一個完整的“龍蝦養成”網頁。他依然躺在床上，全靠語音和截圖指揮。

24小時后，sanwan.ai上線了——59個頁面，7070行代碼，傅盛一行都沒寫。

從OpenClaw的“極客玩具”，到EasyClaw的“全民工具”，傅盛用14天驗證了AI Agent的潛力，也鋪就了它走向大眾的“最后一公里”。

當Agent不再需要“懂技術”才能使用，當一個人真的能靠一只“龍蝦”變成一支隊伍，AI革命，才真正走進了普通人的生活。