作者｜汤一涛

编辑｜郑玄

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