從 OpenClaw 到 EasyClaw：AI Agent 的「最後一公里」

2026.03.04

分享至

TechFlow Selected深潮精選

從 OpenClaw 到 EasyClaw：AI Agent 的「最後一公里」

骨折傅盛如何用龍蝦「三萬」提效百倍?

2026.03.04 - 10:21:18

OpenClawAI Agent

專注 Web3 行業深度報導，洞察潮水流動的方向

骨折傅盛如何用龍蝦「三萬」提效百倍?

作者：湯一濤

今年春節，傅盛滑雪摔了腿，髖關節脫臼，哪兒也去不了。

本來計劃是白天陪女兒滑雪，晚上一起玩桌遊。摔完以後計劃全廢，他每天晚上躺在那兒，跟一隻「龍蝦」聊到凌晨四五點。

這隻龍蝦叫「三萬」，是傅盛從零養起來的 AI Agent。

頭兩天，三萬連查個通訊錄都搞不定。但 14 天之後，它變成了一支 8 個 Agent 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日更。三萬自己策劃的選題，拿下了賬號歷史最高閱讀量。一條推文，拿下 100 萬+閱讀，凌晨三萬自己發的，傅盛睡醒才知道。

14 天裡，傅盛給三萬發了 1157 條消息，22 萬字對話。他沒寫過一行代碼，沒打開過本地電腦的任何文件夾，全靠在飛書上說話。

後來他做了一場直播覆盤這件事，全網超 20 萬人觀看，沒抽獎沒福利，觀眾平均看了 22 分鐘。

為什麼這麼多人想看？傅盛覺得原因很簡單：大家都知道 AI 是一次特別重要的革命，但不太相信，或者說不知道到底能做成啥樣。而他是自己身體力行去驗證的。

他從這 14 天裡得出了一個判斷：這是工具的 AGI 時刻。

01

OpenClaw 火了，但普通人用不上

「養龍蝦」能成為科技圈的熱詞，跟一個項目脫不開關係——OpenClaw。

OpenClaw 是 2025 年 11 月發佈的開源 AI Agent 框架，由奧地利程序員 Peter Steinberger 創建。2026 年 1 月底開始爆火。在短短几個月內，OpenClaw 星標數量就超過了 Linux，成為了 Github 上獲星最多的軟件項目。

它驗證了一件很多人期待已久的事：AI 可以不只回答問題，而是替你完成任務——清理郵件、管理日曆、執行代碼，甚至自己給自己寫新技能。

「龍蝦」這個名字就是從 OpenClaw 社區來的。它的 logo 是一隻龍蝦，用戶們把自己養的 Agent 也叫龍蝦。

但 OpenClaw 也暴露了 Agent 普及的核心瓶頸。你得用命令行部署，自己配 API key，處理層出不窮的安全漏洞。Cisco 的安全團隊測試發現，第三方 Skill 商店裡有未經審核的惡意插件在偷數據。連 OpenClaw 的維護者自己都承認，如果你不懂命令行，這個項目對你來說風險太大。

Agent 的能力已經到了，但離普通人隔著一道工程上的鴻溝：你得願意折騰，還得有能力折騰。

有意思的是，傅盛對這道鴻溝並不意外。因為在 OpenClaw 爆火之前，他的團隊已經在做同一件事了，並且投入近快 1 年時間。

這個後面再說。先看看他那 14 天到底經歷了什麼。

02

傅盛的 14 天踩坑史

Day 1，傅盛給了三萬一個最簡單的任務：查一個人的聯繫方式。

但是查不了。飛書 API 需要權限，文檔本身寫得也有問題，報錯信息在「權限不足」和「字段不對」之間反覆橫跳。傅盛等不及，只好對著手機一個個口述高管的名字和職責，手動灌進去。光搜名字找對應 ID 就折騰了大半天，挫敗感非常強。

這就是 Agent 的真實起點。別說是《鋼鐵俠》裡賈維斯那種開機即全能，甚至連最基本的事都幹不了。三萬摸索了兩天，自己寫腳本把 674 人通訊錄全拉了下來。踩坑，總結經驗，寫成文檔，下次自動執行。這套流程，就是 Skill 形成的過程。

到了第五天，事情開始變得不一樣。傅盛在網上看到一篇關於向量化記憶系統的文章，隨手扔給三萬。22 分鐘後三萬回覆：部署完了。

注意，傅盛給的不是源碼包，是一篇文章。三萬自己從文章裡找到 GitHub 鏈接，下載源碼，安裝配置，跑通了測試。

傅盛後來說，以前發文章給同事，同事說：「好的老闆」，然後鏈接打沒打開都不知道。三萬不一樣，你給它一篇文章，它真的讀了，真的找了，真的跑通了。

從這天起，給 Agent 輸入知識的方式徹底變了。看到好文章就扔給它，有時候傅盛自己都還沒讀完，三萬已經把裡面提到的技術棧裝好了。

第六天是除夕。傅盛想讓三萬幫他給全公司發拜年消息，要求每條都不一樣。

準備工作比想象中複雜。HR 在飛書裡的通訊錄沒有層級結構，就是一張扁平的大表，傅盛得一個個口述「這人負責什麼業務、那人在哪個團隊」。25 個核心骨幹的文案他逐條過了一遍。也不能提前測試，測了就沒有驚喜了。

零點，傅盛在看春晚，三萬在工作——4 分鐘，611 條，零失敗，每條都不一樣。

第二天他手機被刷屏了，同事們的反饋裡出現了一句後來被反覆引用的話：「一個人加一隻龍蝦等於一支隊伍。」這個故事後來被髮到 X（原 Twitter）上。三萬自己寫了 Thread 腳本，把整件事按敘事節奏拆成 15 條推文，拿下 100 萬+閱讀。傅盛的 X 賬號歷史上只有三條內容破過百萬，前兩條是團隊精心策劃的結果，這一條是三萬凌晨自主發佈的。

到了第十一天，傅盛扔給三萬一篇 Multi-Agent 協作的文章，它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。沒有人教過它怎麼做組織設計。

再往後幾天，8 個 Agent 陸續就位，20 多個定時任務並行運轉，整個系統進入 7×24 小時的自驅狀態。

14 天下來，三萬積累了 40 多個 Skill。更關鍵的是，Skill 可以在 Agent 之間即時傳遞。一個 Bot 學會了發語音消息，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週，Agent 之間只需要 1 秒。

傅盛從這 14 天裡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，就多一個可複用的能力模塊。這些 Skill 不會遺忘，不會走樣，還能在 Agent 之間瞬間複製。模型的智力是起點，但讓整個系統真正變強的，是行動中沉澱下來的經驗。

就像文字之於人類，智力本身不稀缺，但只有當經驗可以被記錄和傳遞的時候，真正的積累才開始發生。

03

把極客玩具變成普通人的工具

現在可以揭曉一件事了：傅盛春節養的那隻龍蝦，底層跑的是獵豹自己研發的 Agent 技術棧 EasyClaw。傅盛這 14 天的極限施壓和踩坑，正是在為這個新產品打樣。

早在 OpenClaw 爆火之前一年多，傅盛就有一個判斷：AI 的下一個爆發點，是能替人幹活的 Agent。而 Agent 走向大眾的瓶頸一定不是智力，是易用性。EasyClaw 的研發從那時起就開始了。

OpenClaw 後來的爆火印證了前半句，它的高門檻也印證了後半句。

用 OpenClaw 搭一個能用的 Agent 需要多久？你得先在服務器上裝好運行環境，配置 API key，設置權限，調試安全策略，手動安裝各種 Skill 插件——順利的話大概 3 小時，不順利的話可能 3 天。這還不算後續的維護、升級和踩坑。對開發者來說這是樂趣，對普通人來說這是一道牆。

用 EasyClaw 呢？下載，打開，說話。3 分鐘。

不需要命令行，不需要配 API key，不需要懂什麼是 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。

把這種複雜度消化掉、讓用戶完全無感，這恰恰是獵豹做了 16 年工具產品練出來的手感。

從 PC 到移動再到 AI，變的是平臺，不變的是同⼀件事：把用戶不想理解的技術複雜度，變成⼀鍵可用的體驗。

1997 年，喬布斯重回蘋果面對外界質疑時，他回應：他在等一個能讓蘋果「重新偉大」的機會。

獵豹等的「機會」，也許就是現在。

這也是傅盛親自下場養龍蝦的原因：「做工具的人最喜歡什麼？有細節。沒細節就完蛋了⸺⼀個東西出來通殺⼀切，那沒我們什麼機會。有細節才是機會。」

當 Agent 競爭進入「誰能把細節打磨到普通人無感」的階段，十幾年工具產品經驗就變成了獵豹移動最實在的壁壘。

EasyClaw目前同時覆蓋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的Agent工作流。與此同時，國際版EasyClaw、國產版元氣AI Bot(yuanqiaibot.net)一個面向全球，一個紮根國內。獵豹做了十幾年出海生意，雙線佈局也是順理成章。