初创具身智能公司无需一揽子部署所有模型，核心是构建“听懂、看见、想清、走稳、执行安全”的五层能力体系。第一版产品只需聚焦：1个步态策略（经典控制或PPO）、1个ASR（如Whisper/Qwen3）、1个LLM（云端小型模型）、1个TTS（如Piper），外加0～1个视觉模型（如YOLO）。VLA等复杂模型应留待后期。关键在于分层设计，用ROS 2整合系统，避免混淆模型、算法与框架。

本文对比飞书履带云端智能体机器人、Microduck 双足机器人和轮式移动操作机器人，解释三种形态的使用场景、支撑稳定性、云端大模型与端侧实时控制的分工，以及适合软件工程师入门的实践路线。

│↓ ↓ ↓视觉 动作 语言│ │ │第一视角视频 手部运动 任务描述│ │ │↓行为 EpisodeTask:把杯子放进柜子厨房Human:操作人员 A第一视角视频Action:伸手 → 抓取 → 抬起 → 移动 → 放置Language:“把杯子放进柜子”Result:任务完成这才是一个真正适合机器人学习的数据单元。让机器拥有了大规模学习视觉世界的基础。让机器拥有大规模学习人类行为和真实世界交

最开始看到这张照片，第一反应可能是：“京东为什么让员工戴摄像头？但如果理解具身智能之后，再看这张照片，问题就完全变了。这些人在给机器人教什么？怎么清洁怎么拿工具怎么避开障碍怎么处理不同材质怎么使用工具怎么拆装怎么判断位置怎么进行精细操作怎么拣货怎么搬运怎么分拣怎么处理不同物体怎么整理怎么收纳怎么做家务怎么和真实家庭环境交互最终，这些数据进入具身模型。模型再进入机器人。机器人再进入真实世界。然后机器

米家式产品是“APP 面向消费者，官网负责介绍和下载，PC 主要服务企业运营”；BOSS 直聘式产品是“消费者本身就需要 Web 和 APP 双入口”。机器人公司应先用米家式 APP 主导方案验证设备闭环，再根据用户行为和业务场景决定是否增加用户 Web；无论是否使用全 Flutter，都不应该把消费者 APP 和企业管理后台设计成同一个产品。

本文面向已经具备 Java 后端经验、希望补齐移动端能力的开发者。

如果面试官问“你如何设计企业级 SkillHub”，可以这样回答：我会把 SkillHub 拆成 Registry、Agent Host、Skill Runtime 和业务服务四层。Registry 只负责版本、命名空间、发布审核、静态扫描和分发，不直接执行上传代码；Workbuddy 负责根据 Skill 描述选择能力；Skill Runtime 根据 frontmatter 准备受控的 Pyt

如果面试官问“你如何设计企业级 SkillHub”，可以这样回答：我会把 SkillHub 拆成 Registry、Agent Host、Skill Runtime 和业务服务四层。Registry 只负责版本、命名空间、发布审核、静态扫描和分发，不直接执行上传代码；Workbuddy 负责根据 Skill 描述选择能力；Skill Runtime 根据 frontmatter 准备受控的 Pyt

明确触发场景；明确输入；明确执行步骤；明确输出；明确验证方式；明确权限和失败处理；必要时包含脚本、参考资料和输出素材。

MCPHub 能够通过一个入口管理大量 MCP Server，并不是因为域名本身具备某种自动识别能力。Codex 先通过initialize建立 MCP 会话，再通过tools/list获取扁平化工具定义，最后通过tools/call调用某个明确工具。工具发现：汇总所有允许访问的 MCP 工具。工具命名和注册表：使用带 Server 前缀的工具名建立确定性映射。路由策略：根据统一、单服务、分组或智