来源：极客公园
撰文：汤一涛
今年春节，傅盛滑雪摔了腿，髋关节脱臼，哪儿也去不了。
本来计划是白天陪女儿滑雪，晚上一起玩桌游。摔完以后计划全废，他每天晚上躺在那儿，跟一只「龙虾」聊到凌晨四五点。
这只龙虾叫「三万」，是傅盛从零养起来的 AI Agent。
头两天，三万连查个通讯录都搞不定。但 14 天之后，它变成了一支 8 个 Agent 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日更。三万自己策划的选题，拿下了账号历史最高阅读量。一条推文，拿下 100 万+阅读，凌晨三万自己发的，傅盛睡醒才知道。
14 天里，傅盛给三万发了 1157 条消息，22 万字对话。他没写过一行代码，没打开过本地电脑的任何文件夹，全靠在飞书上说话。
后来他做了一场直播复盘这件事，全网超 20 万人观看，没抽奖没福利，观众平均看了 22 分钟。
为什么这么多人想看？傅盛觉得原因很简单：大家都知道 AI 是一次特别重要的革命，但不太相信，或者说不知道到底能做成啥样。而他是自己身体力行去验证的。
他从这 14 天里得出了一个判断： 这是工具的 AGI 时刻 。
01 OpenClaw 火了，但普通人用不上
「养龙虾」能成为科技圈的热词，跟一个项目脱不开关系——OpenClaw。
OpenClaw 是 2025 年 11 月发布的开源 AI Agent 框架，由奥地利程序员 Peter Steinberger 创建。2026 年 1 月底开始爆火。在短短几个月内，OpenClaw 星标数量就超过了 Linux，成为了 Github 上获星最多的软件项目。
它验证了一件很多人期待已久的事：AI 可以不只回答问题，而是替你完成任务——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」这个名字就是从 OpenClaw 社区来的。它的 logo 是一只龙虾，用户们把自己养的 Agent 也叫龙虾。
但 OpenClaw 也暴露了 Agent 普及的核心瓶颈。你得用命令行部署，自己配 API key，处理层出不穷的安全漏洞。Cisco 的安全团队测试发现，第三方 Skill 商店里有未经审核的恶意插件在偷数据。连 OpenClaw 的维护者自己都承认，如果你不懂命令行，这个项目对你来说风险太大。
Agent 的能力已经到了，但离普通人隔着一道工程上的鸿沟：你得愿意折腾，还得有能力折腾。
有意思的是，傅盛对这道鸿沟并不意外。 因为在 OpenClaw 爆火之前，他的团队已经在做同一件事了，并且投入近快 1 年时间。
这个后面再说。先看看他那 14 天到底经历了什么。
02 傅盛的 14 天踩坑史
Day 1，傅盛给了三万一个最简单的任务：查一个人的联系方式。
但是查不了。飞书 API 需要权限，文档本身写得也有问题，报错信息在「权限不足」和「字段不对」之间反复横跳。傅盛等不及，只好对着手机一个个口述高管的名字和职责，手动灌进去。光搜名字找对应 ID 就折腾了大半天，挫败感非常强。
这就是 Agent 的真实起点。别说是《钢铁侠》里贾维斯那种开机即全能，甚至连最基本的事都干不了。三万摸索了两天，自己写脚本把 674 人通讯录全拉了下来。踩坑，总结经验，写成文档，下次自动执行。这套流程，就是 Skill 形成的过程。
到了第五天，事情开始变得不一样。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，是一篇文章。三万自己从文章里找到 GitHub 链接，下载源码，安装配置，跑通了测试。
傅盛后来说，以前发文章给同事，同事说：「好的老板」，然后链接打没打开都不知道。三万不一样，你给它一篇文章，它真的读了，真的找了，真的跑通了。
从这天起，给 Agent 输入知识的方式彻底变了。 看到好文章就扔给它，有时候傅盛自己都还没读完，三万已经把里面提到的技术栈装好了。
第六天是除夕。傅盛想让三万帮他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 在飞书里的通讯录没有层级结构，就是一张扁平的大表，傅盛得一个个口述「这人负责什么业务、那人在哪个团队」。25 个核心骨干的文案他逐条过了一遍。也不能提前测试，测了就没有惊喜了。
零点，傅盛在看春晚，三万在工作——4 分钟，611 条，零失败，每条都不一样。
第二天他手机被刷屏了，同事们的反馈里出现了一句后来被反复引用的话：「 一个人加一只龙虾等于一支队伍。 」这个故事后来被发到 X（原 Twitter）上。三万自己写了 Thread 脚本，把整件事按叙事节奏拆成 15 条推文，拿下 100 万+阅读。傅盛的 X 账号历史上只有三条内容破过百万，前两条是团队精心策划的结果， 这一条是三万凌晨自主发布的。
到了第十一天，傅盛扔给三万一篇 Multi-Agent 协作的文章，它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。没有人教过它怎么做组织设计。
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 小时的自驱状态。
14 天下来，三万积累了 40 多个 Skill。更关键的是，Skill 可以在 Agent 之间即时传递。一个 Bot 学会了发语音消息，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。这些 Skill 不会遗忘，不会走样，还能在 Agent 之间瞬间复制。模型的智力是起点，但让整个系统真正变强的，是行动中沉淀下来的经验。
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的时候，真正的积累才开始发生。
03 把极客玩具变成普通人的工具
现在可以揭晓一件事了： 傅盛春节养的那只龙虾，底层跑的是猎豹自己研发的 Agent 技术栈 EasyClaw。 傅盛这 14 天的极限施压和踩坑，正是在为这个新产品打样。
早在 OpenClaw 爆火之前一年多，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 走向大众的瓶颈一定不是智力，是易用性。EasyClaw 的研发从那时起就开始了。
OpenClaw 后来的爆火印证了前半句，它的高门槛也印证了后半句。
用 OpenClaw 搭一个能用的 Agent 需要多久？你得先在服务器上装好运行环境，配置 API key，设置权限，调试安全策略，手动安装各种 Skill 插件——顺利的话大概 3 小时，不顺利的话可能 3 天。这还不算后续的维护、升级和踩坑。对开发者来说这是乐趣，对普通人来说这是一道墙。
用 EasyClaw 呢？下载，打开，说话。3 分钟。
不需要命令行，不需要配 API key，不需要懂什么是 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。
把这种复杂度消化掉、让用户完全无感，这恰恰是猎豹做了 16 年工具产品练出来的手感。
从 PC 到移动再到 AI，变的是平台，不变的是同⼀件事： 把用户不想理解的技术复杂度，变成⼀键可用的体验。
1997 年，乔布斯重回苹果面对外界质疑时，他回应：他在等一个能让苹果「重新伟大」的机会。
猎豹等的「机会」，也许就是现在。
这也是傅盛亲自下场养龙虾的原因：「 做工具的人最喜欢什么？有细节。没细节就完蛋了⸺⼀个东西出来通杀⼀切，那没我们什么机会。有细节才是机会。 」
当 Agent 竞争进入「谁能把细节打磨到普通人无感」的阶段，十几年工具产品经验就变成了猎豹移动最实在的壁垒。
EasyClaw目前同时覆盖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的Agent工作流。与此同时，国际版EasyClaw、国产版元气AI Bot(yuanqiaibot.net)一个面向全球，一个扎根国内。 猎豹做了十几年出海生意，双线布局也是顺理成章。
04 从 14 天到 14 分钟
傅盛在复盘龙虾实验时提到过一条产业规律：当新技术出现，旧业态往往不会立刻死亡，反而会短暂繁荣。等到新技术的能力越过临界点，整个市场一夜崩塌。零几年互联网早期的报业是如此，iPhone 时代的诺基亚也是如此。
今天美国 SaaS 行业正在经历的，也是同一条曲线。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%。Agent 的逻辑完全不同：你说你要什么结果，它来想办法实现。
回到傅盛的 14 天。他没写过一行代码，没打开过那台电脑的文件夹，全靠在飞书上说话，搭出了一支 7×24 运转的 AI 团队。
但这件事的门槛仍然很高。他毕竟是一个有 20 年产品经验的 CEO，花了 14 天、22 万字的对话才把整套系统跑通。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，都变成了产品里一个你永远不需要踩的坑。
还记得除夕夜之后员工们说的那句话吗？
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。他仍然躺在床上，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，傅盛一行代码没写......
24 小时，sanwan.ai 就上线了
