一位滑雪导致髋关节脱臼、只能卧床的CEO，竟然仅凭语音和截图指挥，在14天内“养”出了一支能7×24小时无休工作的AI团队。
这并非科幻场景，而是猎豹移动CEO傅盛的亲身实践。他将这支基于OpenClaw框架打造的AI团队，亲切地称为“龙虾三万”。在短短两周内，这支团队进化出了8个分工明确的AI智能体（Agent），并产出了公众号10万+阅读、Twitter百万+浏览、直播观看量超百万的惊人成果。
更令人惊讶的是，这只名为“三万”的龙虾，还独立完成了一个网站的搭建，整个过程仅耗时24小时。最终成果包括59个HTML页面、7070行代码、76张图片、38页手绘PPT以及41个技能详情页，并支持完整的英文版本。
网站地址：sanwan.ai
OpenClaw框架的火爆程度有目共睹，甚至一度在GitHub星标数上超越了React等知名项目。然而，大多数人的尝试仍停留在“跑通Demo”阶段。傅盛的这次实践，则将AI Agent的应用推向了管理真实公司业务的核心地带。
一场始于病床的硬核AI实验
春节期间的一场滑雪意外，让傅盛“喜提”双拐。但静养并非他的选择，躺在病床上的他，打开飞书，开始与一个基于OpenClaw框架初建的AI智能体对话。这只AI被他命名为“三万”。
从那天起，他每晚与“三万”交流至凌晨，14天内发出了1157条消息，总计超过22万字。起步并不顺利，第一天，“三万”连查询公司通讯录都做不到，飞书API的权限和文档问题成了拦路虎。
傅盛不得不口述高管信息手动录入，挫败感很强。但转机发生在第二天，“三万”自己摸索出了方法，编写脚本成功拉取了全公司674人的通讯录。
这个过程揭示了“龙虾”的核心学习机制：踩坑、总结、写成可执行文档（Skill）、下次自动执行。每一次错误都转化为一条永久性的技能。
能力的进化速度超乎想象。到了除夕夜，“三万”在4分钟内，向611名员工发送了完全个性化的拜年消息，零失败。当傅盛在看春晚时，他的AI团队正在高效工作。
更有趣的“Aha Moment”发生在他摔伤后。他向“三万”描述症状，AI不仅判断可能是“髋关节脱臼”，还主动询问：“要不要我联系Abby？”——Abby是傅盛的人类助理，而这个名字只在五天前被随口提及过一次。这种基于长期记忆的主动关联能力，让人印象深刻。
14天实验结束时，“三万”已从单一智能体，进化成一个由8个Agent协同运作的团队系统。
24小时极速建站：750倍的效率差距
如果说14天的训练是“养兵”，那么接下来就是一场“实战”。在直播获得超20万观看后，有观众提出挑战：能否让“龙虾”当场做出点东西？
于是，傅盛指挥“三万”在24小时内，从零搭建了上文提到的“龙虾三万”官网。
他全程躺在床上用语音和截图指挥，未写一行代码。据估算，同等工作量若交由传统6人团队，需要2-3周，成本约20万元。而“三万”耗时24小时，仅消耗115美元的AI Token费用。成本差距达750倍，时间效率提升超20倍。
傅盛认为，数字并非最关键，真正的价值在于“迭代成本趋近于零”。24小时内修改了上百次，每次反馈在一两分钟内就能看到结果。更重要的是，每犯一次错，就沉淀为一条Skill规则，确保“永不重犯”。这些Skill可以瞬间复制给其他Agent，这意味着团队的能力在以指数速度积累。
直播现场“翻车”与3分钟救火
“三万”的能力究竟有多可靠？一次直播中的意外成了最好的试金石。
当时，直播间的网友发现sanwan.ai网站无法访问。傅盛没有慌张，而是直接在现场演示如何指挥“三万”解决问题。
他用最自然的日常语言对“三万”说：“三万点AI有人说访问不了，你看一下怎么回事？”
无需精确的网址和术语，“三万”准确理解了意图。
“三万”首先安慰傅盛“你直播别搁这个，我盯着解决”，随后迅速定位问题：服务器能ping通但丢包严重，SSH、HTTP/HTTPS均超时，判断是云服务器配置问题或进程异常。由于傅盛已将公司架构信息同步给AI，“三万”还能精准定位到可能的负责人。
在10万观众的见证下，从发现问题、语音沟通，到网站恢复访问，整个过程仅用了约3分钟。
正如傅盛事后总结：“最好的demo就是真出事了还能兜住。”
这次事件揭示了一个反直觉的真相：AI Agent的核心壁垒不是模型大小，而是Skill的积累。每一个Skill都对应一次真实的踩坑经验，它们被固化、复用和传递。前期积累效率或许不高，但一旦形成体系，后续能力便呈指数增长。
OpenClaw：工具类产品的“AGI时刻”
要理解傅盛实践的意义，需先看清OpenClaw的本质。傅盛判断，在某些垂直领域，AGI（通用人工智能）正在成为现实，例如自动驾驶和编程。而他坚信，第三个正在实现的AGI领域，就是“工具类AI”。
“龙虾”正是工具的AGI。关键认知跃迁在于：把AI当工具用，和把“龙虾”当员工用，是两回事。后者需要将你的私有数据、工作习惯和业务逻辑深度注入，使其成长为你的专属数字员工。
与普通AI Agent相比，“龙虾”在结构上有根本差异：
- 环境：普通Agent活在沙箱，“龙虾”拥有一台完整的电脑。
- 记忆：普通Agent依赖对话上下文，“龙虾”具备文件持久化的长期记忆。
- 技能：普通Agent能力固定，“龙虾”的技能可无限扩展。
- 自动化：普通Agent需人触发，“龙虾”可通过Cron任务实现7×24小时自动运转。
傅盛的类比很形象：传统AI是等待精确指令的软件，而“龙虾”是配备了电脑、能主动思考和执行的人。未来的竞争，在于谁能构建出更完整的智能体系统。
EasyClaw：将极客玩具变为大众工具
OpenClaw虽强，但部署复杂，需命令行、Docker等知识，对普通用户门槛极高。这正是拥有16年工具产品经验的猎豹移动所擅长的——将复杂技术封装成开箱即用的产品。
EasyClaw应运而生。它基于OpenClaw框架，旨在打造一款极简的AI Agent工作流工具。
国际版网址：easyclaw.com
它支持一键安装，无需配置API Key和Docker，提供Mac/Windows原生应用，数据本地运行。傅盛训练的“三万”，底层正是EasyClaw技术栈——这场14天的实验，本身就是最硬核的产品内测。
其核心定位是：用一句话指令，自动完成文件整理、信息调研、方案生成、项目执行等全流程工作。目标不是让用户学会编程，而是像指挥真人团队一样调度AI。
针对不同市场，猎豹推出了不同产品：面向国际的EasyClaw（含企业版 easyclaw.work 和个人版），以及面向国内的“元气AIBot”。
国内版网址：yuanqiaibot.net
傅盛在直播中展示的场景，正是EasyClaw的愿景：8个聊天窗口分别对应“三万”、“笔杆子”（内容创作）、“参谋”（研究分析）、“运营官”等不同职能的AI Agent，如同一个全天候在线的AI团队。
思考：从“SaaS卖能力”到“Agent卖结果”
傅盛引用历史类比来理解当前变革：当颠覆性新技术出现时，旧时代的巨头往往忙于收割最高利润市场，直到被新产品全面超越。他认为，当下SaaS软件面临的困境正在重演这一逻辑。
“SaaS卖能力，Agent卖结果。” 过去企业花几十万买CRM，可能只用了1%的功能；现在，你可以让“龙虾”根据你的具体需求，即时生成并运行一个定制化方案。
更深层的是生产关系变革。在傅盛的实践中，不同AI Agent可以瞬间共享Skill。一个Agent学会了某项技能，通过文档分享，另一个Agent“读”完即会。人类需要数天培训的技能，Agent间传递只需一秒。未来，Agent之间的标准化交互接口将变得至关重要。
傅盛将LLM（大语言模型）比作“智商”，它决定了推理和表达能力。但一个完整的“大脑”还需要记忆（海马体）、技能（肌肉记忆）和生物钟（调度系统）。OpenClaw框架所做的，正是将这些组件组合起来，构建出能持续运转的智能体。
结语：属于每个人的AI团队时代
回顾整个故事：一个骨折的CEO，用语音指挥一只AI龙虾，14天养成团队，24小时搭建网站。过程充满波折，但每次错误都转化为前进的阶梯。
这并非营销事件，而是一次关于AI Agent可行性的躬身验证。傅盛提出了一个值得深思的观点：“以后没有老板思维的人，很难在知识岗位上继续工作下去。”
所谓“老板思维”，即设定目标、拆解任务、分配资源（人或AI）、检查结果、迭代优化。过去这是管理者的专属能力，现在，借助“龙虾”这样的AI团队，每个人都能掌握。
当AI推理成本趋近于零，真正的价值将蕴含在应用层。一个人，加上一群由他训练和调度的AI Agent，就等于一支高效、忠诚、永不停歇的团队。
这不再是遥远的未来图景，而是正在发生的现在。对于广大开发者和技术爱好者而言，参与并实践像OpenClaw这样的开源项目，或是在云栈社区交流AI Agent的落地经验，或许是拥抱这个时代的最佳方式之一。
发表于 17 小时前
|
查看: 2|
回复: 0
