智能体机甲机器人

智能体机甲机器人是给智能体做一个能站在现实里的身体。它要解决的不是"机器人能不能走"，而是"一个只有文字和声音的智能体，怎么在现实空间里表达自己，又怎么替人把事真正做完"。

和一般机器人不一样的地方

一、用嘴指挥，不用手指点

对着它说话，它去执行：查天气、开导航、下单购物、打开手机里的应用，或者把要说的话念出来。手机还是你自己的手机、你自己登录的账号，它只是替你把那一串点击做完。

多数语音助手停在"回答你一个问题"，它要往前一步：把事做完。

二、手机就是它的能力库

手机里装了什么，它就能用什么——天气、地图、日历、相册、外卖、购物。不要求每个应用都提供开放接口：它按人的操作路径去点，所以刚装上的新应用，当天就能用。

三、从对话走进物理世界

通过 MCP 这类标准协议接进真实的设备：灯、空调、门锁、摄像头、传感器、打印机、小车。同一句"把客厅灯调暗一点"，在网页里只是回你一句，在机甲上就是真的把灯调暗。

这是智能体第一次有"手"——语言直接变成物理世界的动作。

四、说和屏分开

念出来的是短句，屏幕上是长内容：表格、步骤、清单、代码。它不会把一整页文字念给你听，也不会把该看的东西缩成一句话。

五、手机是脸，机甲有自己的头

屏幕负责表情与对话，机甲的头负责身体语言。情绪靠动作与灯色表达，不做实时口型——口型贵而且假，动作便宜而且真。

六、常听，但听得懂你在跟谁说话

开着"常听"，你不用每次唤醒它。它说话时你插一句，它先压低音量再判断：是在跟它说，还是在跟旁边人说；判不准就不打断。

七、静止像手办，动起来像宠物

摆一个姿势，它就一直保持那个姿势；真正会动的只有头、躯干、灯光和声音。所以它放在桌上不吵，动起来又有情绪。

它替你做的，就是一个管家做的事

智能管家不是"再做一个聊天框"，是替你把手上的琐事接过去。你说一句，它去办；办完回报一句结果。

出门前

• 查天气、看空气、判断要不要带伞
• 看路况，选一条不堵的路，直接把导航开好
• 叫车、查地铁末班、算到目的地要多久
• 提醒你今天的日程、要带的资料

在家里

• 开灯、关灯、调亮度，一句话调空调温度
• 拉窗帘、看门口摄像头、查有没有人按过门铃
• 查电费水费、提醒缴费
• 睡前把没关的设备关掉

日常琐事

• 记一件事、设提醒、整理待办清单
• 找文件、找照片、找上周那条聊天记录
• 买菜、下单、比价，把购物车填好等你确认
• 把常用的一串操作变成"一句话做完"（比如"到家模式"）

工作上的活

• 写稿、做图、改文案、出短视频
• 把内容发到各个平台，发完回报链接
• 整理会议记录、把待办分派出去
• 定时任务：每天几点做什么，到点自己跑

手机上

• 打开手机里任意应用，按你说的路径去点
• 查天气、开导航、下单购物这些常用操作
• 把重复的点击（每天签到、批量改状态）一次做完

其中手机操作与对话已经可用，家居设备正在接入，下方"现在的进展"写清了各自到哪一步。

形态是怎么定的

• 手机坐进驾驶舱：手机屏幕当脸，负责表情与对话，摄像头对着人。
• 机甲有自己的头：面罩上一条绿色光缝作为眼睛，与手机屏幕分开——不把"一块屏幕"当成全部的表达。
• 去人体化：不套人形的四肢结构，重心压低，前倾角不小于 15 度；两轮底盘不抬脚，前面加万向球负责转向。
• 整机三块主体：头、躯干、底盘，拆装与维修都在这一层解决。

只做身体语言

全机只保留 4–5 个执行器：头部的偏转与俯仰（左右 ±75 度、上下 ±30 度）、躯干俯仰、灯光与声音。四肢用手动阻尼铰链摆位——摆好就固定，不参与运动。

我们明确不做的

• 不做实时口型：成本与效果都不划算，情绪交给动作、灯光和声音。
• 不为"看着厉害"加自由度：多一个关节就多一处故障和一次标定。

与 Agent ShiJie 的关系

机甲是平台智能体的物理出口。同一个智能体，在网页里是对话，在机甲里是动作、灯光与声音；你说一句，它可以先回答，再去把你的手机和家里的设备操作完。

现在的进展

• 语音与对话：已跑通。常听、插话判断、说与屏分离都在工作。
• 操作手机：打开应用、查天气已经能用；导航、购物与更多应用在逐个接。
• 物联网：MCP 协议接入在开发，先做灯、空调、门锁三类设备。
• 整机：结构与外形定到可生产的程度，3D 打印样机在做。