AI机器人示教服务怎么赚钱，Show-Harness开源项目接单拆解

昨天Scout扫到一个新仓库，叫Show-Harness。9月7日创建，9月13日还在持续更新，项目描述只有一句，Just a VLM Agent Can Play Robots。

一个视觉语言模型，开始玩机器人了。

我第一眼其实有点懵。机器人不是要机械臂、摄像头、控制器，还有一堆实验室设备吗？普通人看个开源仓库，跟赚钱有什么关系？？？

顺着README往下看，事情没有那么玄。Show-Harness把复杂的机器人控制拆成了一个语义动作接口。模型输出向左、向前、夹取这类离散动作，针对不同机器人的解释器，再把动作翻译成具体运动。

这层翻译很关键。

同一套词汇，可以接Franka、AgileX Piper、ManiSkill和Isaac Lab。项目还放出了GUMI，一个在浏览器里示教机器人的界面。人按键操作，GUI Agent看着同一块屏幕操作，留下来的每一步都能变成训练数据。

我没有机器人，也没有H200，更没有条件假装自己已经用它接到订单。所以今天不写月入多少，也不编一个客户故事。我们只把这个项目拆开，看普通人到底能从哪一层切进去。

Show-Harness到底把什么变简单了

传统机器人项目经常卡在两头。一头是模型听得懂人话，却不知道手要移动几厘米。另一头是动作控制很精确，却只能在固定场景里重复，换个桌面、换个光线就懵。

Show-Harness的做法，是让视觉语言模型负责每一步的语义决策，再由解释器负责把动作落到机器人身上。模型不用直接输出一串关节角度，但也没有被一个黑箱策略完全替代。

这有点像给模型装了一个方向盘。

项目页面给出的实验结果很有意思。零样本路线和微调后的开源小模型，都能跨任务、跨环境和跨机器人测试。项目公开展示的指标里，跨任务零样本和微调模式分别达到89%和86%，跨环境达到100%和88%，跨机器人达到93%和87%。这些是项目方的实验结果，不等于任何客户现场都能复现。

更骚的是，机器人换一个物理需求，未必需要重新训练模型。想把步长从2厘米改成1厘米，可以先改解释器。双臂动作、失败恢复、动作历史，也能作为插件接进去。

对于做服务的人来说，这个思路比某个漂亮的演示视频更有价值。客户未必关心你的模型叫什么，他关心的是换一台机械臂后要不要全部重做。

普通人不要先买机器人，先卖这三类服务

第一类是环境部署和演示验证。实验室、机器人初创团队、学校实验课，常常有代码，有模型，有机械臂，但缺一个能把仓库从README跑到演示的人。你可以负责整理Python环境、配置OpenAI兼容模型接口、接仿真环境，最后交一份可复现的启动说明。

这里卖的不是你会敲几条命令，而是客户下周能不能给别人演示。部署前先问清楚是仿真、远程机器人，还是现场机械臂。真实硬件没确认，别把现场交付写进报价单。

第二类是机器人示教数据整理。GUMI的价值不只是让人按键玩机器人，而是把动作序列和画面对应起来。你可以接一个小任务，帮客户把十几个示教回合按任务名、环境、失败原因和动作步骤整理成可训练的数据集。

这件事听着像整理文件，实际很吃细节。某一次抓取失败，是模型看错了位置，还是夹爪没有闭合，还是解释器步长太大，标签不能随便填。数据一旦错了，训练出来的模型只会把错误学得更认真。

第三类是仿真到真实的前期评估。客户想做机器人分拣、桌面整理、实验室搬运，但还没决定买哪套硬件。你可以用ManiSkill或Isaac Lab跑几个任务，比较不同相机位置、动作步长和失败恢复插件，再输出一页风险清单。

这一档更像技术调研，不要包装成已经能替客户把生产线跑起来。仿真里成功，不等于真实世界成功。光线、摩擦、延迟、遮挡，任何一项都能让演示现场突然安静。

接单流程，先做一个能看的小样

我会把第一单拆成四步。先选一个没有安全风险的桌面任务，比如把积木从左边移到右边。再用仿真环境跑通语义动作，记录每一步模型看到了什么、输出了什么、解释器做了什么。

然后把任务换一个环境参数。桌面颜色变一下，物体位置挪一下，光线暗一点。不是为了制造漂亮数字，而是找出系统在哪些变化下会失控。

最后交付三样东西，一个可复现的启动脚本，一段带标注的演示视频，一页问题清单。客户看得懂这三样，才知道你不是把GitHub README复制给他。

报价不要直接照搬实验室项目。Show-Harness公开仓库没有统一服务价格，我也没有已成交收入可以拿来装权威。比较稳妥的方式，是把费用拆成环境准备、数据整理、仿真测试和现场支持四块，现场硬件和差旅另算。

第一单可以只卖远程仿真验证，不碰机器人硬件。等你跑过两三个任务，知道哪些环节最容易炸，再考虑卖数据整理或实验室部署。顺序反过来，很容易把自己卖进一个没有设备、没有日志、没有权限的坑里。

这个方向的门槛，根本不在Prompt

看到视觉语言模型，很多人会本能地想写一套机器人Prompt。这不是没用，但它不是最难的部分。

真正需要补的，是坐标系、相机视角、动作频率、碰撞安全和数据标注。你至少要看懂一段动作从模型输出到机械臂执行，中间经过了哪几个解释器。否则客户问一句为什么总是抓偏，你只能把问题推给模型。

还有硬件安全。真实机械臂不是网页按钮，动作过大可能撞设备，夹爪误开可能损坏样品。没有急停、限位和人在场监督，不要远程尝试真实动作。普通人能先做的是仿真和离线数据，不是拿客户的机械臂当自己的试玩机。

Show-Harness目前更适合研究、演示和早期验证。项目支持的机器人、模型和环境不少，但安装依赖也不少。README里明确分了基础环境、服务模型环境和真实硬件层，真实机器人还涉及RealSense、ROS兼容层和遥操作窗口。

这就是我不建议一上来买设备的原因。先跑代码，先看自己能不能把一个任务讲清楚。买机器人不是学习的第一步，往往是把错误放大的第一步。

从一个仓库看见一条新服务链

以前说AI机器人，普通人的第一反应通常是买硬件、训练模型、做工厂自动化。Show-Harness把中间那一层露了出来，模型接口、动作解释、示教数据、仿真评估，这些都可以单独成为服务。

我觉得这才是开源项目对副业真正有用的地方。不是每个人都要复制项目方的完整技术路线，而是把一条很长的链条，切下一小段，做成客户能买的交付物。

你可以先从一段仿真视频开始。视频里有动作、有日志、有失败解释，比一句我能做机器人AI强得多。

我自己也还在摸索这类项目怎么从代码走到收费，尤其是硬件现场和安全责任，不能靠一篇文章解决。能确认的是，Show-Harness的开源接口、GUMI示教、公开模型和数据，已经把入口摆出来了。

机器人还没走进每个人家里，但围绕机器人训练、验证和交付的人，已经开始出现了。

磨平一些信息差。