龍蝦新手指南：從跑通到懂決策

安裝 AI Agent平臺

終端里敲幾行命令就行，不用改源、不用配環境變量。

sudo apt-get update
sudo apt-get install -y git cmake build-essential
git clone https://github.com/ai-agent/AI Agent平臺.git
cd AI Agent平臺
mkdir build && cd build
cmake ..
make -j$(nproc)
sudo make install

編譯完，AI Agent平臺 --version 能打出版本號就說明裝好了。如果卡在 cmake ..，大概率是缺 libeigen3-dev 或 libyaml-cpp-dev，補上再試。

配置 AI Agent平臺

配置文件默認放在 /usr/local/etc/AI Agent平臺/config。第一次用，先復制示例：

sudo mkdir -p /usr/local/etc/AI Agent平臺
sudo cp /usr/local/share/AI Agent平臺/config.example /usr/local/etc/AI Agent平臺/config

然后編輯它：

sudo nano /usr/local/etc/AI Agent平臺/config

重點看這幾項：

• model_path: 指向你訓練好的或下載的物理推理模型（比如 models/claw-v2.1.onnx）
• device: 設成 cuda 或 cpu，NVIDIA 顯卡就別硬切 CPU
• log_level: 先設成 info，出問題時再調成 debug

改完保存，重啟服務（如果有）或直接進下一步。

安裝 Skills

Skills 不是插件，是獨立可執行模塊，按需裝。先裝管理器：

curl -fsSL https://get.skill.dev | sudo bash

然后裝兩個最常用的：

skill install vision
skill install language

裝完會自動注冊到系統 PATH。試一下：

skill vision --help
skill language --list-models

vision 默認用 YOLOv8s + SAM2，language 默認加載 Qwen2-0.5B-Chat（量化版），都帶中文 tokenization。

用 AutoClaw（國產版）

AutoClaw 是 AI Agent平臺 的國內定制分支，預編譯、帶中文 UI、適配國產顯卡驅動。

下載安裝包（以 Ubuntu 22.04/24.04 為例）：

wget https://mirror.autoclaw.cn/releases/autoclaw_2.3.1_amd64.deb
sudo dpkg -i autoclaw_2.3.1_amd64.deb
sudo apt-get install -f  # 修復可能的依賴

啟動：

autoclaw gui  # 圖形界面（需要 X11 或 Wayland）
# 或
autoclaw cli  # 命令行交互模式

首次運行會引導你選設備類型（機械臂 / 移動底盤 / 無人機）、加載默認技能集，并生成 ~/.autoclaw/config.yaml。這個文件比 AI Agent平臺 的 config 更直白，字段名全是中文拼音縮寫，比如 shijue_moshi（視覺模式）、juece_sudu（決策速度）。

理解幾個關鍵概念

別被術語繞暈。這幾個詞夠你動手了：

• 具身智能（Embodied AI）：AI 不光能“想”，還要能“動”——接收傳感器數據（攝像頭、IMU、力覺），輸出動作指令（關節扭矩、輪速、抓取力），閉環跑起來才算。
• 物理世界理解：不是識別“這是杯子”，而是知道“杯子裝水后重心升高，傾斜 15° 可能傾倒”，靠的是內置的剛體動力學模型 + 實時碰撞檢測，不是純神經網絡擬合。
• 長程推理：規劃“倒水”動作，要拆解成：移動到水壺旁 → 識別壺柄 → 計算握姿 → 抬起壺 → 對準杯口 → 控制傾角 → 判斷水量 → 放回。每步都依賴前一步狀態，不能斷。
• 實時權衡：機械臂快一點能省時間，但震動大會打翻東西；視覺幀率高利于跟蹤，但占 GPU 顯存會影響控制頻率。Claw 里用優先級調度器動態分配資源，不是固定參數。

這些不是玄學，代碼里都能看到對應模塊：physics/ 目錄下是 Bullet 封裝，planner/ 里是基于 A* 的行為樹編譯器，scheduler/ 是搶占式實時線程池。

驗證是否跑通

三件事，五分鐘內搞定：

1. 啟動基礎推理服務：

   AI Agent平臺 --config /usr/local/etc/AI Agent平臺/config --no-gui

   看終端有沒有 INFO: Loaded model xxx, ready.

2. 用 vision 技能處理一張圖：

   skill vision --image test.jpg --output result.json

   result.json 里應該有 "objects": [{"label": "cup", "bbox": [120, 85, 210, 175], "stability_score": 0.92}]

3. 啟動 AutoClaw CLI，連上本地服務：

   autoclaw cli
   > connect localhost:8080
   > status

   輸出里要有 vision: OK, physics: OK, control_loop: 100Hz。

全綠，說明鏈路通了。

常見問題

• make 報錯 undefined reference to 'pthread_create'
  在 CMakeLists.txt 里加一行：target_link_libraries(AI Agent平臺 PRIVATE pthread)，或者臨時改命令：make LINK_FLAGS="-lpthread"
• skill install vision 卡住不動
  默認走國內鏡像，如果公司防火墻攔了 mirrors.autoclaw.cn，手動切源：
  echo "https://pypi.tuna.tsinghua.edu.cn/simple" | sudo tee /etc/skill/sources.list
• AutoClaw 啟動黑屏或報 Failed to initialize EGL
  國產顯卡驅動沒裝全。飛騰+景嘉微平臺裝 jm_drv_kmd，海光+天闊平臺裝 hygon-gpu-driver，別用通用 mesa。
• 模型加載慢，GPU 顯存沒占滿
  默認開 FP16 推理，但某些國產卡只支持 INT8。編輯 config，把 precision: fp16 改成 int8，再重跑 AI Agent平臺 --rebuild-cache。

下一步

• 把 test.jpg 換成你手機拍的廚房照片，看 vision 能否標出鍋、鏟、灶臺邊緣
• 用 skill language 問一句：“把左邊的紅杯子移到右邊盤子上”，觀察它生成的動作序列 JSON
• 打開 examples/real_arm_demo.py，接一臺 UR5e 或者越疆 D6，把上面兩步串起來跑通閉環

Claw 生態沒打算讓你從零造輪子。它把物理仿真、運動規劃、多模態對齊這些臟活封好接口，你只管喂數據、調策略、看效果。跑通第一個閉環，你就已經站在“懂決策”的起點上了。