夜雨聆风以后你想让一个机器人做点事，也许先说清楚需求就够了。
你只要说一句：
“帮我做一个会欢迎客人的桌面机器人。”
然后 AI 去写代码、调动作、跑测试，最后把这个能力部署到机器人上。
以前我们聊机器人，最容易聊硬件。
谁的手更灵活，谁的腿更稳，谁的传感器更多，谁更像人。
但一台机器人如果只能做出厂时设计好的几件事，它再可爱，也很容易变成桌面摆件。
真正让设备活起来的，通常是应用。
手机和电脑都是这样。现在，桌面机器人也开始往这个方向挪了一步。
这次的主角，其实是应用层
这次的主角是 Reachy Mini 的 agentic robotics toolkit / appstore。
按照这个appstore的设想，用户可以用自然语言描述想让机器人做什么。AI agent 会生成 Python 代码，测试，再部署到机器人。用户还可以先在浏览器模拟器里试。
现在这个社区已经有 200 多个 app、150 多位创作者，接近 10,000 台 Reachy Mini 在外部使用。
这些数字有用，但更有意思的是生产方式变了。
以前你想让机器人做一个新动作，基本是在对机器人系统编程。你要理解硬件，要写代码，要调试，还要知道机器人的动作边界。
现在这个过程开始变成：
描述一个行为，让 AI 把它翻译成机器人能执行的东西。
过去机器人开发像在修机器。
现在它开始有点像给手机装 App。
这一步还早，但方向很关键。
门槛降下来的，是参与资格
很多人看到 AI 写代码，第一反应是：这又是一个 coding agent。
放到机器人里，它的意义会更重一点。
因为机器人有物理世界的约束。网页写错了，按钮失灵、页面崩掉；机器人写错了，动作、空间、反馈、安全都会变成问题。
所以机器人开发过去天然更窄。
它要求你会写代码，也要求你懂设备、动作限制和调试方式。大多数普通人会直接停在门外。
Reachy Mini 这套东西最有意思的地方，是它把入口换了。
它先问你想让机器人干什么。
这里有个细节很适合说明这个变化：一位 78 岁用户用 Claude 和 Reachy 对话，然后发布了自己的第一个 app。
这个例子可以说明一件事：机器人开发的入口开始松动了。
以前能参与的人，主要是工程师。现在可能会多出老师、创作者、产品经理、设计师，还有那些手里有具体场景的人。
机器人最缺的，可能是应用想象力
这几年机器人视频很多。
会跳舞的，会搬箱子的，会翻跟头的，会端咖啡的。
看起来都厉害，但普通人看完，经常也就看完了。
因为你很难马上想到：这东西和我有什么关系？
这里有个不太好听的问题。
很多机器人看起来先进，但缺少应用层的时候，它更像一段演示视频。
你会说“哇”，很少会说“我明天就要用它”。
App Store 解决的，正是这个问题。
它让更多人围绕机器人想场景、做能力、分发玩法。
教育里，它可以变成课堂演示。
陪伴里，它可以变成一个会说话、会反应的小对象。
内容创作、展台、门店里，它也可以变成一个有动作反馈的轻量互动入口。
这些场景单看都很小。
早期生态往往就是这样长出来的：一群人先把早期设备玩出具体用途，后面才慢慢长出更大的市场。
机器人 iPhone 时刻还远，但方向对了
Reachy Mini 仍然是早期设备。
机器人应用还处在很早期。
硬件成本、稳定性、动作能力、安全边界、真实商业场景，都还要慢慢补。
但这件事确实提醒我们一个方向：
机器人下一阶段的竞争，会看谁能让更多人给它创造能力。
谁能把开发门槛压低。
谁能让应用被发现、被复制、被修改、被分发。
谁能把机器人从“厂商设计好的功能”，变成“用户和开发者不断往里塞新东西”的设备。
这才是 App Store 这几个字真正重的地方。
它是一套生态入口。
AI 真正推了一把
AI agent 加速了这件事。
机器人应用开发的门槛太高。
AI agent 加进来之后，事情变成另一种形态。
它开始站在中间，把人的意图翻译成机器人的动作。
这和最近几件事是一条线：AI 进 Office，是接办公工作流；AI 进编程，是接需求、写 PR、做 review；AI 进机器人，是帮它长出应用生产和分发的链条。
这就是今天这件事最值得看的地方。
机器人真正靠近普通人的方式，可能是先变得像手机一样，可以不断安装新能力。
硬件负责站在那里。
AI 负责把人的想法翻译进去。
应用层负责让更多人参与进来。
如果这条路跑通，未来机器人行业最有意思的问题，会变成：
谁先让机器人拥有自己的应用生态。
机器人离普通人最近的一步，可能是有人开始给它装 App。
