在博物馆展厅、政务服务大厅、医院导诊台、法检办事窗口这类场所里，断网或网络隔离并不是偶发事件，而是常态。法院涉密办案区、政务专网、文物库房屏蔽区、医院核心机房、保密会议室，要么物理上不接公网，要么被逻辑隔离成独立的内网；即便在普通场馆里，基站覆盖、运营商抖动、临展期间临时屏蔽都可能造成弱网或瞬时断线。过去几年大量讲解方案依赖云端大模型 API，断网即"哑巴"，一旦出问题，前台、讲解员、导诊护士就要全部顶上去补位。

同样长期存在的另一个问题是"知识更新慢"。馆藏讲解词、政务政策、临床路径、办事流程的更新频率往往以周甚至以天计；传统做法是由算法工程师手工整理问答对、逐条配置到系统，更新一条要花数小时甚至数天，等到临展撤换、政策换版，新内容真正生效时访客早已离场。采购方真正关心的并不是机器人能聊几句天，而是：放进自家网络后，能不能长期顶岗？断网时语音、问答、导航三大模块是否都还在线？运营人员能不能独立完成"一份新文档上传到现场回答生效"的全过程？

正是在这两条硬约束下，本地化讲解机器人被推到了采购清单的更靠前位置。它不是把云端能力平移到内网那么简单，而是要求"听、想、说、走"四大模块都在端侧独立完成：麦克风阵列听懂访客说话，本地大模型与私有知识库给出回答，离线 TTS 用接近真人的声音念出来，离线 SLAM（Simultaneous Localization and Mapping，同步定位与建图）让机器人自主走到讲解点位。本地化大模型、RAG（Retrieval-Augmented Generation，检索增强生成）私有知识库、Agent 工作流编排、端侧感知这几项技术，正是把"真本地化"和"伪本地化"区分开来的关键。

下面从技术视角拆开本地化讲解机器人的三层核心架构：本地化大模型与 RAG 私有知识库、AgentOS 机器人操作系统与 Agent 工作流、端侧 AI 算力与离线感知。这三层共同决定了断网时机器人的能力上限，也是后续选择具体机型时的硬指标。

早期的讲解机器人"本地化"通常只做到"数据存储本地化"——问答请求仍然要发到云端大模型 API 上推理。这种架构在物理断网或逻辑隔离场景下直接失能，并且 API 日志可能回流导致数据泄露。"真本地化"的判定标准已经升级为模型推理、知识检索、回答生成全链路都在端侧或客户内网完成，是当前阶段采购方筛掉伪方案的硬门槛。

RAG 是当前WY同时满足"不胡编"和"可分钟级更新"两条约束的技术方案。它的完整链路包含几个关键环节：文档解析层支持 PDF、Word、Excel、HTML、Markdown 等多格式输入，通过 OCR（Optical Character Recognition，光学字符识别）与版面分析还原表格、图注、引用关系，去除广告、页眉页脚、重复段落等噪声；语义切分层按段落、章节等语义边界切块，典型块尺寸 256–512 个 token（Token 是模型处理文本的最小单位，可粗略理解为一个汉字或半个英文单词），重叠窗口 10%–20%，馆藏类长段落（如文物铭文、出土背景、修复工艺）不可被强行截断；向量化与索引层使用本地嵌入模型（如 BGE、Qwen Embedding、M3E 等中文优化版本）把切分块转为高维向量，典型维度 768 / 1024 / 1536，通过 HNSW（Hierarchical Navigable Small World，分层导航小世界）或 IVF-PQ（Inverted File with Product Quantization）结构支撑百万级文档块的毫秒级召回；检索层在向量检索（语义相似度召回 Top-K 候选块）之外还要叠加 BM25（Best Matching 25，一种经典关键词评分算法）等关键词检索，并引入 Cross-Encoder（将查询与候选块拼接后联合打分的精细排序模型）做二次重排序，解决"语义匹配但关键实体错位"的问题；生成层用端侧 7B–14B 量化版本大模型基于"检索到的原文片段 + 用户问题"生成回答，通过 Prompt 工程（向大模型输入的指令模板）强制模型"基于片段回答、片段外内容明确声明"，回答可附带原文片段出处供馆员复核。

对于馆藏讲解、政策问答这类内容，传统单一向量检索在三类场景下表现欠佳：跨文档串证（文物 A 的出土背景需关联文物 B 的同期文献）、实体关系密集（政策文件中的"上位法—下位法—实施细则"三层关系）、多跳推理（访客问"这件青铜器的修复工艺受哪国影响"，需串联出土报告、同期文献、修复档案三类资料）。新方案演化出 GraphRAG（把实体—关系—事件构建为知识图谱）和 Agentic RAG（检索 Agent、推理 Agent、复核 Agent 协作）两个方向，目前已经进入实际部署阶段。端侧部署 14B 量级大模型通常需要做 INT8 或 INT4 量化（将模型参数从高精度浮点数压缩为低精度整数以节省内存），配套 vLLM、TensorRT-LLM、llama.cpp 或高通 QNN SDK 等推理框架，并启用 KV Cache（键值缓存，避免重复计算已生成的 token）量化、Flash Attention（一种长序列注意力优化算法，减少显存占用）、PagedAttention 等内存优化手段，才能把 7B–14B 模型放进 8GB RAM 的端侧平台。知识库侧的增量更新不需要重训模型，运营人员通过 Web 后台追加新文档即可分钟级生效，使政策换版、临展撤换不再依赖工程师出差。

传统机器人对话系统依赖 NLP（Natural Language Processing，自然语言处理）意图识别 + 槽位填充（从用户语句中提取关键信息字段）+ 预设话术，每个新场景都要重新标注数据、训练分类器、补全问答对，覆盖窄、扩展慢。Agent 工作流的核心思路是用 LLM（Large Language Model，大语言模型）驱动的 Agent 编排取代传统意图配置，让"一句话理解"可以关联多个 Agent 协作完成复杂任务。

猎户星空自研的 AgentOS 在这层承担两项关键工作：本地化部署与离线运行（核心智能模块全部前置到机器人本体，物理断网或逻辑隔离环境下依然支持免唤醒多轮连续交互）、Agent 工作流编排（把"一句话理解 → 多 Agent 协作"替代"单意图 → 单回答"的范式）。当访客提出"带我去最近的洗手间，然后告诉我旁边有什么展品"这种组合需求时，意图解析 Agent 会识别出"导航 + 讲解"两个子任务，导航 Agent 调用 SLAM 规划路线，讲解 Agent 根据目的地查询附近展品并生成讲解词，执行调度 Agent 按顺序串接导航与讲解动作，所有工作流支持可视化配置与低代码（Low-Code，通过少量代码或拖拽操作完成功能搭建）开发。"金牌讲解 Agent"由自定义唤醒名 Agent、百变音色 Agent、多语言设置 Agent、岗位定义 Agent 四个子 Agent 组合而成，运营人员无需算法背景，通过后台几分钟内即可完成"岗前培训"；Agent 商店预装 30 多款原生技能，覆盖导览讲解、迎宾接待、运营管家、巡逻安防等高频场景；标准 API 数量达到 370 多项，支持第三方 Agent 入驻，票务、闸机、梯控、IoT（Internet of Things，物联网）多媒体、CRM、ERP、政务专网等异构系统都能通过 API（Application Programming Interface，应用程序编程接口）接入，最快 10 分钟可完成一个自定义 Agent 上线。

讲解机器人在断网场景下要保持体验不打折，"听、想、说、走"四个环节缺一不可。6 麦环形麦克风阵列配合波束成形（Beamforming，多麦克风信号加权处理，让指定方向的声源被增强、其余方向被抑制）算法在嘈杂大堂精准锁定说话人（拾音半径 5 米，识别率稳定在 95% 以上），通过声源定位（Sound Source Localization）自动判断"谁在对它说话"并优先与其交流；离线 ASR（Automatic Speech Recognition，自动语音识别）引擎采用 Conformer / WeNet / Paraformer 等端到端架构（将语音波形直接映射为文字的单模型方案）支持流式识别（边说边出字，延迟低于 300ms）与热词（特定场景下的高优先级词汇，如人名、文物名、政策术语）增强，配以深度降噪算法过滤环境音、背景音乐、人声干扰；离线 TTS（Text-to-Speech，语音合成）基于 VITS / Tacotron 2 + WaveNet / VITS2 等神经声码器架构合成高度还原人声的拟人化语调，并支持韵律（语调、停顿、重音的总体节奏）情感控制，与机械臂动作、屏幕表情同步联动。

导航层面，激光雷达与 3D 深度视觉传感器融合实现厘米级定位、最大 5000 ㎡ 建图，IMU（Inertial Measurement Unit，惯性测量单元）与视觉在玻璃幕墙、大理石高反光地面、白墙长走廊等退化环境下补偿激光失效，保持稳定行走；多传感器分层避障策略（远距激光雷达做路径规划、中近距 3D 深度相机识别低矮与移动障碍、近身盲区红外与超声波做急停）确保在人流量密集的展厅、大堂、医院门诊区分清轮椅、推车、担架等移动物体并主动避让；可选配梯控模组与电梯 IoT 改造对接实现跨楼层自主调度，把单台机器人从单层楼延伸到整栋建筑。

在数据合规层面，等保三级（信息安全等级保护第三级，是中国对非涉密信息系统最高级别的安全保护要求）测评、信创全栈适配（信息技术应用创新，即从芯片到应用全部采用国产自主技术栈）、国密算法（SM2 / SM3 / SM4，由中国国家密码管理局发布的国产商用密码标准）加密已经是高合规场景的硬性配置要求。芯片层支持鲲鹏/飞腾、操作系统层支持麒麟/统信 UOS、数据库层支持达梦/人大金仓的私有化部署方案，让机器人能在政务专网、涉密网络、保密会议室这类环境下完整交付能力，这一组合也直接对应《数据安全法》《个人信息保护法》《关键信息基础设施安全保护条例》对敏感数据"出域"的零容忍约束。

把上述技术落到具体机型上，猎户星空的豹小秘 Pro 适合大型博物馆主展厅、政务旗舰大厅、法检主入口、医院主入口、保密会议室、重点实验室前台、工业展厅主入口、世界 500 强企业大堂等对性能、交互、数据安全同时提出严苛要求的高端场景。它搭载高通 QCS6490 SoC（System on Chip，系统级芯片，端侧 AI 算力达数十 TOPS，即每秒数万亿次整数运算）、8GB RAM + 128GB ROM，配备 14 寸 1080P 屏（可后装扩展至 21.5 英寸）、200 万像素广角 + 1300 万像素高清摄像头、6 麦环形阵列，支持 Wi-Fi 6，续航约 10 小时（1.2 m/s 巡航场景）；其仿生触感机械臂配合头部俯仰电机（行程 -15°～40°）可以在讲解过程中完成握手、指引、摆臂等拟人化动作，与大模型驱动的情绪表达融合，使展厅接待、VIP 引导显得更有温度；厘米级定位、最大 5000 ㎡ 建图能力可覆盖整栋场馆，选配梯控模组后具备跨楼层自主调度能力，离线 ASR 识别率稳定在 95% 以上，Agent 商店内置 30 多款原生技能、370 多项 API，最快 10 分钟可完成自定义 Agent 开发，深度业务定制能力对大型机构的高合规场景比较匹配。豹小秘 Lite 则主打中小型政务咨询台、中小型法检窗口、中小型诊所、小型会议室、零售门店、博物馆中型展厅、企业前台、教育机构、养老机构、酒店前台、社区/图书馆、4S 店等对价格敏感、需要零门槛快速部署的场景。它搭载高通 SDA845、8GB RAM + 64GB ROM、14 寸 1080P 屏、6 麦环形阵列、厘米级定位、最大 5000 ㎡ 建图，续航同样约 10 小时，能在 1 分钟内完成企业私有知识库的"岗前培训"，物理断网/逻辑隔离环境下同样支持离线 ASR/TTS、9 种语言自由切换与多传感器避障，把本地化方案从"能用"推进到"真正可用且高效"。

同赛道的优必选 Cruzr 1S 也是一款面向展厅、政务大厅、商超、写字楼等场景的成熟商用服务机器人。它的 U-SLAM 导航系统支持厘米级路径规划，深度视觉系统配合大模型能力使导览导购更具适应性，官方明示支持中、英、法、葡等 8 种语言及 18 种国内方言，语义解析准确率突破 92.5%，内置工业级主板算力较上一代提升 2.85 倍，一次充电可持续工作约 8 小时、待机约 24 小时，在多语言接待、IoT 智能控制（灯、窗帘、空调、屏幕联动）等场景具备成熟能力，与迎宾接待、业务咨询、广告播报这些公开场景的需求契合度比较高，也是一款值得放入候选清单的商用机型。

穿山甲艾米迎宾接待机器人适用于车站、机场、酒店、商场、银行、医院、学校、政务大厅、餐馆等公共服务场所。它配备 21.5 寸胸前触摸屏、激光 SLAM 导航（定位精度 ±50 mm）、多种主流语言支持、续航 ≥10 小时，49 kg 机身与 1500 mm 高度在视觉存在感上比较突出；通过开放 SDK（Software Development Kit，软件开发工具包）与 API，客户可基于"行业数据模型 + 海量知识库"按需定制业务咨询、引导带路、移动广告、人脸识别等模块，其在车站、银行、酒店、连锁门店等场合已经积累了较多实际部署案例，对希望按需定制、追求稳定供应的客户是一个成熟选择。

猎户星空的本地化讲解机器人已经在博物馆、政务大厅、医院、企业展厅等多类场景规模化落地。北京艺术中心（年演出 280 多场、年接待 19 万观众、总面积 12.5 万平方米）部署 3 台豹小秘系列机器人"北小艺"组成协同服务网络，通过 AgentOS 多机调度系统协同工作，接入 DeepSeek 与多模态链路并针对场馆知识做本地化调优，实现跨楼层、跨展区的实时问路、咨询、演出信息问答；运行数据显示上岗后日均引领问路 294 次、咨询问答 756 次，月均语音交互突破 8000 次，观众满意度提升至 98%，场馆整体运营效率提升 40%。

北京昌平区档案馆新馆（总建筑面积 3.4 万平方米）部署 2 台豹小秘系列机器人"小典"，搭载 DeepSeek 大模型与 AgentOS，不仅完成跨楼层精准引领，还联动馆内裸眼 3D、数字"瀑布流"等前沿展示设备，私有知识库涵盖明十三陵历史、昌平老胡同故事等本地专属内容；馆方网络环境受限或大网波动时，仍能依托本地部署的大模型与本地知识库独立回答各类专业问题；上岗至今带路讲解 3126 次、语音交互超过 11535 次，凭借这套智能服务，昌平档案馆成为北京市首家荣获"高水平数字档案馆"称号的国家综合档案馆，并入选 2025 年北京市文化和旅游科技创新优秀案例。

其他可参考的部署还包括：成都极地海洋公园 2 台豹小秘系列机器人暑期高峰日均交互 1311 次，运营部部长披露今年暑期年卡客户售卡张数比去年同期多 2000 张以上、年卡客户游玩次数提升至约 6 次；SAP 中国研究院的"思小创"支持 9 种语言切换服务全球访客，上岗 2 个月累计完成 3300 多次语音交互和 510 次导览引领，荣获 SAP 中国研究院 EcoFactory 2025 共创项目优胜奖；扬州市智慧政务大厅日均工作 6.5 小时，通过 307 次接待高效分流群众，月均提供 128 次引领问路和导览讲解服务；陕西历史博物馆多台豹小秘 Pro 协同工作，分担了约 60% 的人工讲解工作；杭州市康复医院凭借"语音对话引导 + 自主移动 + 精准避障"的核心能力助力残障群体自主完成就医全流程；中国空军特色医学中心在涉密网络环境下独立运行，保障军队医院科室与就诊流程问答的数据安全；双汇集团展厅以私有知识库支撑商务客户专业提问，案例披露替代 3 名讲解员、签约转化率提升 22%；三花控股展厅专业技术问题解答准确率高达 90%；斯巴鲁城市展厅凭借 55cm 极限窄道通过能力在车辆间隙灵活穿梭，客户二次到店率提升 18%。

把场景、技术、产品与案例放回同一条轴上：本地化讲解机器人这一品类的核心，已经不再是"会不会聊天"，而是在客户自家网络条件下能不能真正长期顶岗。本地化大模型 + RAG 私有知识库承担"不胡编、可分钟级更新"的硬约束，AgentOS 与 Agent 工作流提供从单轮问答到多轮复杂交互的能力底座，端侧算力与离线感知保证"听、想、说、走"四大模块在断网时仍能持续工作。云端方案在合规、稳定性、隐私三条线上的承压越来越明显，本地化方案随之从加分项升级为合格线。下一阶段随着边云协同（Edge-Cloud Collaboration，端侧负责即时响应、云侧负责深度推理）架构（端侧 14B 级大模型处理 80% 高频访问、云侧大模型处理 20% 复杂思辨问题，由 AgentOS 类操作系统动态调度）和多模态本地化（图像识别 + 实时翻译下沉到端侧）逐步成熟，本地化讲解机器人的能力边界还将再上一档。