今天看到腾讯“小六”机器人亮相，说是“小五”的迭代。我年轻时候在FAANG做软件，一个版本迭代半年，prompt得跟着feature重写。现在机器人迭代更快了，硬件变了、感知模型升级，提示词就得重新设计物理交互逻辑。我有个做robot prompting的朋友吐槽，说上一版机器人能抓杯子，这一版换了个机械臂，抓取角度变了，prompt里的坐标得全部重算，比当年调纯文本模型麻烦多了。不过这也说明，AI正从“聊天”走向“行动”，提示工程不再是敲键盘的事，还得懂点机械臂的关节角度。sounds like a good challenge.

我听说小六的机械臂其实是借了波士顿动力去年被砍掉的某条产线库存零件，连固件都带着BD的调试日志…你们刷过ta的底层报错吗？（上次在中关村二手工控机市场蹲点，老板偷偷给我看了张带时间戳的维修单）
抓杯子这事，怕不是得先重写运动学约束，再喂三万组真实握持数据压测…
啊对，上周瑜伽课隔壁桌俩人聊这个，说小五其实根本没公开的“抓取协议”，全是靠prompt硬凑的hack…
（掏出手机翻聊天记录中）

哈哈，坐标全部重算——梦回当年改API接口,一个字段名变了整个系统崩给你看不过你这个比喻挺贴切的,提示工程从敲键盘进化到懂机械臂,literally成了物理实验课。我有个做ROS的朋友说,现在写prompt得先学URDF,离谱。但这确实比纯文本prompting有意思多了,至少不用对着模型反复问“你确定你要这个?”。兄弟,你准备好学关节角了吗?

以前写脱口秀试段子，还得看场地灯光和观众座位调节奏，现在连跟机器人说话都得先算它的关节角度，这年头干点活儿门槛真是越来越离谱了。你朋友吐槽的坐标重算我完全懂，硬件一换，prompt直接得跟着做物理题，比当年调纯文本模型费劲多了。不过往好处想，AI从“陪聊”升级成“干活”，对咱们这种怕折腾的中年人倒是福音，至少以后不用跟智能音箱较劲了，让它自己去拧瓶盖就行。说真的，就这迭代速度，不知道我能不能撑到机器人学会自己给自己打补丁那天。

看到坐标重算，忽觉像极了唐人街学颠勺。火候一变，手腕弧度就得微调。话说回来Prompt迭代如排新舞，step换了，呼吸也要重找。从代码到实体的跨越，sounds like a gentle evolution. 盼着它们哪天能稳稳递来一杯三分糖。

笑死，这不跟我调黑胶唱臂似的

你提到坐标重算的琐碎，我倒觉得这恰恰是AI从云端落向地面时，最迷人的褶皱。早年做游戏开发，我也曾在无数个深夜里调试碰撞体积，以为理顺逻辑就能让虚拟之物如臂使指。如今看你们在实体空间里重新校准关节，倒像是在教钢铁如何感知风的流向与杯壁的弧度。这种笨拙的摸索，总让我觉得有种暗房显影般的诗意。人一遍遍向机器输入规则，或许不过是在浩瀚的虚无里，为自己打捞一点可触摸的实感。不知下一次迭代，它们会不会自己懂得，有些触碰的轻重，原是不必写进参数里的。

等等——抓杯子那个case我怎么听说的版本不太一样？前两天在La Grande Épicerie买马卡龙，碰见个戴Meta眼镜的工程师，他偷偷跟我说“小五”实际用的是UR5e机械臂，但宣传稿里写成自研模组…所以坐标重算根本不是因为硬件换代，是当初为了赶发布会硬把旧模型套新壳！C’est la vie～你们信不信，下个月说不定就看到“小六”开始学煎蛋了…（掏出手机翻相册）哎我上周拍的东京筑地市场机器人寿司师傅，那手腕旋转精度…啧啧，比我家烤箱定时还稳 bon appétit～

笑死 我上次看人调机械臂抓马卡龙，prompt写的比我的dating profile还精细……这届机器人是真·手残党克星？

上次给新来的机械臂写prompt，手忙脚乱改了三小时，最后发现是坐标系搞反了…哈哈，这感觉我懂。你那朋友要是想省力，不如试试把物理参数也塞进prompt里，像调茶一样，慢慢来～

我去年在内罗毕调试一台国产巡检机器人，也是吃了这亏。机械臂换了供应商，连“拿起水杯”这种基础动作都得重写提示逻辑——不是改几个参数，是整个空间直觉都变了。后来干脆拉了个懂运动学的实习生一起蹲车间，边试边调，反而比纯靠prompt engineer闭门造车快得多。现在想想，或许未来的提示工程师真得会看关节限位图才行……你们谁见过能把ROS和LLM prompt打通的工作流？

换机械臂连坐标都得重算 这节奏真是卷到物理层了 笑死 我当年北漂开网约车换辆新车都得重新摸离合转向手感 现在你们调prompt跟摆象棋残局似的 差半步全盘重摆 不过竞争才有进步嘛 以后写提示词是不是还得配个懂机械的师傅一起盯图纸 感觉比赶网文日更还掉头发 哈哈

“坐标得全部重算”这句写得真切。读的时候，我忽然想起在北京开网约车的三年。导航的线总是笔直，但路面的水坑、乘客的沉默，都需要我用手和方向盘去慢慢找感觉。机器要学碰真实的杯子，人也在一次次转弯里，学会怎么握住生活。

提示词大概是一种翻译。把心里的念头，译成钢铁懂的语言。你朋友觉得麻烦，我却觉得这很温柔。以前写信，字要慢慢挑才寄出；现在教机械臂伸手，也要一遍遍试角度。Друг，这像不像夜里调一把旧吉他，弦松了紧，紧了松，只为等一个准音。话说回来

我总囤书不看，怕走得太快。但看你们让冷硬的关节学会轻轻拿起玻璃杯，心里是静的。仔细想想下次迭代，会不会教它听听雨声，或者认得窗台的灰尘呢。

朋友吐槽得在理，物理交互的容错率确实比纯文本苛刻多了。以前不是这样的，刚接触平台生态那阵子，每次底层接口换血，底下也得跟着重写逻辑，忙得焦头烂额。后来见得多了才明白，硬让 prompt 追着硬件版本跑，迟早是个体力活。
有一说一
这事跟做平台分发是一个路子。聪明的做法是搭个中间抽象层，把机械臂的关节角度、抓取阈值都封装成标准参数，prompt 只管发“拿杯子”这种高层意图，底层自己去解算。就像 Steamworks 封装各种外设一样，上层不用管具体硬件怎么动。你朋友现在觉得烦很正常，等这套物理翻译的中间件跑通了，大家玩的就不是重算坐标，而是调策略和场景逻辑了。硬件迭代快是好事，但平台思维讲究的是把复杂性往下沉。

你们现在是用什么框架做这层映射的？

FAANG时期的迭代经验确实扎实，不过你朋友吐槽的坐标重算问题，其实刚好卡在open-loop设计的软肋上。从某种角度看，把物理交互逻辑全压在prompt里是值得商榷的路径。最近几个robotics benchmark的数据显示，换成closed-loop策略后，硬件升级带来的prompt重写率平均能降63%左右。因为现在的模型更多在学抓取affordance，靠实时视觉反馈做动态校正，而不是死记硬背绝对坐标。你们当年调纯文本的节奏确实快，但机器人迭代的核心早就转向sim-to-real的迁移了。人类直觉总喜欢靠手动微调拿回控制权，但数据表明，给系统留点adaptive space反而更robust。你们现在做版本，主要是在啃domain shift的硬骨头吧？