美团跑腿接入 AI Agent，自然语言下单压缩六步为一步

产品更新

美团今日发布跑腿 Skill，开放下单能力给 AI 助手生态。用户说一句话，AI 自动完成场景识别、地址匹配、价格预估到订单提交，将传统多步表单操作压缩为单轮对话。

美团跑腿接入 AI Agent，自然语言下单压缩六步为一步

美团今天（5 月 26 日）发布了"跑腿 Skill"，将跑腿下单能力以封装 Skill 形式向 AI 助手生态开放。这意味着用户无论使用 OpenClaw、Cursor、微信还是飞书里的 AI 助手，说一句"帮我去驿站取快递送到家"，系统就能自动完成场景识别、地址匹配、价格预估和订单提交——原本需要打开 App、选地址、填物品、选配送类型、确认价格、提交订单的六步流程，被压缩成一句话。

这不是简单的语音输入替代手动填表，而是把结构化表单操作彻底解构成自然语言交互。美团在做的事情，是让 AI Agent 真正能"做事"，而不只是"说话"。

用户通过 AI 助手用自然语言下单美团跑腿的界面截图

从六步到一步，AI 在背后做了什么

传统的跑腿下单流程是典型的多步表单操作：打开 App → 选择取件地址 → 选择送达地址 → 填写物品信息 → 选择配送类型 → 确认价格 → 提交订单。每一步都需要用户在结构化界面里点选或输入，中间任何一步卡住都得重来。

美团跑腿 Skill 把这个流程重构了。用户只需要用日常语言说清需求，比如"帮我到菜市场买 1 斤新鲜田螺"，AI 在背后会做这些事：

  1. 场景识别：判断这是"帮买"场景，不是"帮送"或"帮取"
  2. 地址解析：从用户的地址簿里匹配"菜市场"和默认收货地址，如果匹配不到就调用 POI 搜索
  3. 物品理解：识别"1 斤新鲜田螺"属于生鲜品类，自动填充物品信息
  4. 价格预估：根据距离、物品重量、时段计算配送费
  5. 订单预览：生成完整的订单卡片，包含取件地址、送达地址、物品、配送费、预计送达时间
  6. 等待确认：用户说"确认"后才提交订单，没有静默下单

整个过程用户只需要说两句话：第一句描述需求，第二句确认订单。中间的所有结构化操作都由 AI 和 Skill 协同完成。

零开发接入，兼容所有 Claw 客户端

美团跑腿 Skill 采用零开发接入方式，代码已在 GitHub 开源。支持 OpenClaw 本地版、火山引擎等云部署版、Qclaw 等第三方客户端。安装方式有两种：

  • 把 GitHub 链接直接发给 AI 助手，说"帮我安装这个 Skill"，它会自动完成安装
  • 下载 zip 包，发给 AI 助手，说"帮我安装这个 Skill"

首次使用会跳转美团 App 完成授权，之后无需重复操作。这个设计很克制：美团没有要求用户在 AI 助手里完成支付，而是把支付环节留在自己的 App 里。高额订单还会额外确认，防止 LLM 理解偏差或误触导致的错误下单。

这种克制背后是对 AI Agent 生态的理解。美团知道自己在做什么：不是把美团 App 搬到 AI 助手里，而是把跑腿下单能力开放给 AI 助手生态。用户在哪里，服务就在哪里。

地址簿、POI 搜索、订单查询，细节决定体验

美团跑腿 Skill 在技术实现上有几个值得关注的细节：

智能地址匹配

登录后自动拉取美团地址簿，优先进行模糊匹配。用户说"帮我去公司楼下取快递"，AI 会先在地址簿里找"公司"这个标签，匹配到就直接用，匹配不到再调用 POI 搜索。这个设计避免了每次都要重新输入地址的麻烦，对高频用户尤其友好。

物品信息自动识别

用户说"帮我买一杯瑞幸咖啡"，AI 会自动识别这是饮品品类，填充到物品信息里。用户不需要在下拉菜单里手动选择"食品饮料 → 饮品 → 咖啡"。这个能力依赖 LLM 的语义理解，但美团在 Skill 层做了品类映射，确保识别结果能正确对应到美团跑腿的物品分类体系。

订单状态实时查询

下单后，用户可以直接问 AI 助手"骑手到了吗"，Skill 会调用美团跑腿的订单状态接口，返回实时配送进度。用户不需要切换到美团 App 查看，整个流程在 AI 助手里闭环。

这些细节看起来不起眼,但每一个都在解决真实场景里的摩擦点。美团做过外卖、做过打车、做过买菜，知道用户在什么地方会卡住，知道什么样的交互是顺滑的。

AI Agent 生态的入场券：Skill 标准化

美团跑腿 Skill 的发布,背后是 AI Agent 生态的快速兴起。过去一年，OpenClaw、Cursor、微信、飞书等平台都在构建自己的 AI 助手能力，用户发起需求的入口不再局限于单一 App，而是分散在各个 AI 助手里。

对服务提供方来说，这是机会也是挑战。机会在于触达用户的入口变多了，挑战在于如何让服务能力在不同 AI 助手里都能被调用。美团的答案是 Skill 标准化：把跑腿下单能力封装成一个标准 Skill，任何兼容 Claw 协议的 AI 助手都能接入。

这个思路和移动互联网时代的 SDK 封装类似，但更进一步。SDK 是把能力封装给开发者，Skill 是把能力封装给 AI。开发者需要写代码调用 SDK，AI 只需要理解 Skill 的定义就能调用。这意味着服务提供方不需要为每个 AI 助手单独开发集成方案，AI 助手也不需要为每个服务单独写适配代码。

美团不是第一个做 Skill 的，但美团跑腿 Skill 的完成度很高。从场景识别、地址匹配、价格预估到订单提交、状态查询，整个链路都打通了。这不是 Demo，是能真正跑起来的生产级服务。

高频用户和非标需求，两个被低估的场景

美团在发布文章里提到了两个场景：高频用户和非标需求。

对高频用户来说，跑腿 Skill 的价值在于提效。商家、代购、个人助理这些角色每天要下几十单甚至上百单，传统方式需要逐一手动输入地址、物品、备注。有了 Skill，直接口述需求就能完成从下单到支付的全流程，尤其是在订单高峰期，能显著减少操作时间。

对非标需求来说，跑腿 Skill 的价值在于降低门槛。很多用户不知道跑腿服务能做什么、不能做什么，看到表单就放弃了。AI 可以主动引导可行方案，比如用户说"帮我去医院拿药"，AI 会提示"需要提供处方单照片，骑手会帮你取药送到家"。这种引导式交互比静态的帮助文档更有效。

这两个场景看起来是两个极端——一个是重度用户，一个是轻度用户——但本质上都在解决同一个问题：降低服务使用的摩擦。高频用户的摩擦在于重复操作，轻度用户的摩擦在于认知门槛。AI 能同时解决这两个问题。

从"教 AI 说话"到"教 AI 做事"

美团在发布文章的结尾写了一句话："过去三年，我们在教 AI 说话。现在，我们在教 AI 做事。"

这句话说得很准。过去几年，大家都在做对话式 AI，让 AI 能听懂人话、能回答问题、能闲聊。但对话只是手段，不是目的。用户要的不是和 AI 聊天，而是让 AI 帮自己完成任务。

美团跑腿 Skill 是"教 AI 做事"的一个样本。它不是简单的语音助手，不是把文字转成语音再转回文字，而是让 AI 真正理解用户意图，调用真实的服务能力，完成真实的业务流程。

这个方向上，美团不是唯一的玩家。OpenAI 的 GPTs、Anthropic 的 Claude Tools、Google 的 Gemini Extensions，都在做类似的事情。但美团的优势在于它有真实的服务场景、有海量的订单数据、有成熟的履约体系。这些是做 Skill 的基础设施。

风险和边界

美团在 Skill 的免责声明里写得很清楚："本 Skill 运行在用户自行选择的独立 AI 助手环境中，由用户自行选择的大模型驱动。美团仅提供跑腿相关接口和 Skill 定义，不对 AI 助手的运行环境、大模型安全合规性承担任何责任。"

这段话透露了两个信息：

  1. 责任边界：美团只负责 Skill 本身的功能和接口，不负责 AI 助手的行为。如果 LLM 理解错了用户意图，下错了单，这不是美团的问题。
  2. 安全门控：美团在 Skill 层做了多重保护——订单预览、用户确认、高额订单二次确认、支付在 App 内完成——来降低 LLM 理解偏差带来的风险。

这是一个务实的做法。AI Agent 生态还在早期，LLM 的可靠性还没到能完全自主决策的程度。美团选择在关键环节保留人工确认，而不是追求完全自动化。这种克制是对的。

另一个值得关注的点是数据安全。用户的地址、订单、支付信息都在美团体系内流转，不会暴露给 AI 助手。AI 助手只能通过 Skill 定义的接口调用服务，看不到底层数据。这个设计保护了用户隐私，也保护了美团的数据资产。

这只是开始

美团跑腿 Skill 是美团在 AI Agent 生态的第一步，但不会是最后一步。外卖、打车、酒旅、买菜，美团的每个业务线都有可能以 Skill 形式开放给 AI 助手生态。

想象一下：你对 AI 助手说"明天中午订一份工作餐，晚上帮我叫个车去机场，顺便订一家机场附近的酒店"，AI 自动调用美团外卖 Skill、美团打车 Skill、美团酒旅 Skill，完成三个订单。整个过程你只需要说一句话，确认三次。

这不是科幻，是接下来一两年会发生的事情。AI Agent 生态的核心不是 LLM 有多聪明，而是有多少真实的服务能力能被 AI 调用。美团有服务，有场景，有数据，有履约能力。这些是做 AI Agent 生态的硬通货。

跑腿 Skill 只是一个开始。美团在赌 AI Agent 会成为下一个流量入口，在赌用户会习惯用自然语言完成所有任务。这个赌注不小，但美团有资格下注。

参考来源