一台在便利店上班的机器人，开始自己写错题本了。10 月 27 日智元发布具身 Agent 框架 Genie Master，搭载它的精灵 G2 在真实门店做熟食打包、取货补货：挂钩挂不上去，它会翻自己的失败记录，判断出头部相机分辨率不够、标签牌挡了视线，然后改成左手先靠近、用腕部相机补近景，再让右手去挂。智元把这套机制称为物理世界的递归自进化，还定在 11 月 2 日让 6 台 G2 连播 24 小时，按午间、晚高峰、深夜、清晨四个班次考它。
拆开看，它做了两件事。一件是把每次失败复盘成可复用的提示与记忆，下次遇到相似问题先翻笔记；另一件是把执行与恢复的数据回流去训动作策略，让有效的改法固化成本能。前者让机器人记住，后者让机器人练熟。
被替代的其实是现场调参的工程师。成本从「派人去店里改」变成「回放日志」，这是这套框架最实际的贡献。从商业账上看，同一台机器用得越久越顺手，边际成本往下走，这比再训一个大模型便宜得多。
像老师傅带徒弟，徒弟自己记笔记是好事。可工地真出了事，安全员得能翻到那一页，还得看懂写的是什么。
风险就在这儿。经验沉淀得越多，事后解释越难：这次是按学过的做，还是它当场判断错了？零售场景容错高，最坏是一次打包失败；换到仓储分拣、医疗辅助这类地方，没人能解释清楚的策略就不该被允许上线。所以这类框架的门槛落在留痕上，聪明解决不了追责。
你敢让一台会自己改策略的机器，给你打包一份熟食吗？
具身智能 智能体 智元 机器人