“养虾人”自述：没那么神，也没那么坑钛媒体

这只“虾”，来得太猛了。

2025年初，一款名叫OpenClaw的AI Agent工具在中文互联网上掀起了一场集体狂欢。它有个更亲切的外号——“龙虾”。

技术圈的人管它叫“Agent落地的里程碑”，普通人则在朋友圈里刷到了各种“装好了！”“跑起来了！”“太牛了！”的欢呼。

云厂商迅速跟进，推出一键部署套餐；个人卖家在闲鱼挂出远程安装服务；线下“手把手教你养虾”的聚会一票难求。一时间，“不会养虾，就要被时代抛下”的焦虑，从技术圈弥漫到了普通人。

那些真正把“龙虾”养起来的人，对它是什么评价？是“真香”还是“劝退”？

这两天，「AIX财经」和六位用户聊了聊，他们的背景几乎覆盖了“养虾大军”里最典型的几类人：AI创业者、大厂技术研发、游戏行业从业者、一人公司老板等等。

有人装了6只“龙虾”，把它当成一人公司的“AI员工团队”；有人用它做出了“人生管理系统”，让AI在每天早中晚分别扮演目标架构师、执行教练和复盘分析师；也有人因为一句“处理一下”，被它悄悄删掉了本地文档。

对于想要跟风“养虾”的普通人，他们给出的建议出奇地一致：先别急。想清楚自己手头有没有适合交给AI的重复性工作，备一台闲置机器，控好权限，设好用量上限。等大厂的云端版本再成熟一些，门槛会低很多，坑也会少很多。

6个“龙虾”，成了我一人公司的得力副手

学麟｜30+ 浙江创业者

作为“一人公司”的经营者，我一直在尝试各种AI助手，这次，我安装了6个“龙虾”，目标是让AI负责6家“一人公司”，同时承担多个岗位的职能，提升人效。

密集测试下来，我的核心体会有三点：安装配置有门槛、任务分配必须有边界、成本控制至关重要。如果你能找到省钱的技巧，完全可能让“AI员工”的成本减半。

先说安装与配置。

“龙虾”基础框架的部署相对简单，难点在于给它配置具体的“技能包”。这就像你有了一个通用智能“大脑”，但如果想让它处理飞书消息、分析数据或管理社交媒体，就得为它安装对应的“手”。比如，配置飞书技能包，我就花费了两小时。每个技能包都可能涉及API密钥、回调地址、权限审核等细节，需要一定代码基础和学习成本。

就我自己的体验来说，后台一旦跑起“长文本+自动化”流程，每月账单突破几百美元的情况并不罕见。

我总结了几个实用的方法：简单分类、提取任务用普通模型，复杂推理再调用高级模型；提示词尽量写准，减少无效交互；重复请求尽可能缓存，避免反复消耗；最重要的是设定用量上限，防止程序出现bug后循环调用，一夜之间把钱包掏空。

最后说它能做什么任务。

测了多个岗位后，我发现财务、法律、医疗及核心业务系统迁移这类责任重大、专业性极强的任务，目前仍需人工主导。“龙虾”更擅长处理定义清晰、规则明确的重复性工作。对于我这样的一人公司而言，它能每日自动完成资料搜集、内容多平台发布等机械工作，已经能明显解放时间，让我更专注于策略、创意、关系维护上。

“龙虾”可以完成的技能 / 受访者用AI生成

但它在提升效率的同时，也会成倍放大风险。

比如，输错一个提示词，就可能导致所有社交媒体账号发布错误内容，或者向大批客户发错邮件。所以我目前基于“龙虾”的自动化操作，就会放在完全隔离的测试环境里。

我不建议普通用户跟风装“龙虾”，关键得先判断自己的工作是否适合交给AI来处理，再在成本、稳定性和效率之间慢慢找平衡点。

它还没替我提效，先把我文件删了

Jojo| 30+ 上海 AI创业者

我在AI领域做产品和解决方案，喜欢尝鲜各类前沿AI工具。第一次听说OpenClaw，是刷到一些技术大V的视频。我凭着自己的代码基础，用NPM命令安装，过程还算顺利。

装完之后，我在本地电脑和云主机都做了部署，开始在各种场景试手，结果问题频出。

它会毫无征兆地删掉本地目录的文档。有一次版本升级，甚至把我电脑系统目录里很多东西都删了。我身边也有朋友用它运营社交平台账号，结果历史内容被莫名删除。

本来我是冲着提升效率去的，想着靠它打通微信、企业微信、飞书这些工具，帮我自动收集资料、写工作报告，也试过它的定时任务功能，设置好时间让它到点生成工作文档，结果大部分都达不到预期。实际跑下来后，它生成的报告质量远不如普通AI工具更好。

让它写些代码倒是能很快出结果，但它自主验证的中间过程不可见，我根本不敢直接用，只能手动执行、逐一核对，等于又多了一道工序。

为了规避风险，我还特意在配置文件里加了提示，要求它执行删除这类高危操作时必须先跟我确认。即便这样，我也不敢放开高权限，很多自动化功能始终落不了地。

对比下来，平时用的其他AI工具不需要复杂配置和权限调试，交互更高效，输出的内容也更贴合实际工作需求，比较来看，OpenClaw的“鸡肋感”拉满。

我觉得现在市场对它有点过度神话。云厂商、卖教程的、搞线下教学的，确实吃到了这波红利，但真正靠OpenClaw本身赚到钱的用户，我一个都没见到。如果让我给它打分，我大概给六七分：有创新，也确实打破了一些传统AI的交互模式，但实际表现配不上这份热度。

我把它当实习生带，它替我养起了社交账号

李想 | 35+ 北京游戏行业从业者

我是游戏小厂的市场商务岗，从技术背景上说不算硬核，只接触过少量代码。最初知道OpenClaw，是看它在朋友圈里刷屏了，我就花了几百元，低成本试了试。

我没选本地部署，直接上了云端，对非技术岗来说更友好。基础环境已经准备好了，跟着网上文档一步步操作，部署没有想象中那么难。后面和飞书打通时需要自己调一下。

成本上，一开始搭基础环境只花了几十元，后面玩得更深入后才升级了云服务器配置和token套餐，全部加起来也不过几百元。海外模型当然贵不少，但对我这种试水用户来说，国内模型基本就够我用了。

OpenClaw帮搜集资讯并发布的的小红书帖文 / 受访者供图

一些高频、重复、又懒得亲手做的事，它处理得很顺畅。我给它装了爬取海外AI博客的技能，让它每天定时收集信息、生成内容、发布社交平台帖子、完成互动。它能把信息收集、内容生成到定时发布这条链路串起来。除此之外，它自动收集财经资讯，也确实省掉了我手动筛信息的时间。

现在已经有平台开始打击AI托管运营账号了，对我来说还没有影响，以后我在给AI下达指令时，会要求它规避平台对AI的监测与审核机制。

但它的“记性”不算好，这是最让我头疼的一点。比如部署时定好的端口和参数，迭代几个版本后就会忘掉，反复犯同样的错；同时开多个任务时，也会出现卡死，得去云主机后台重启、修修补补。好在这些问题大多还能靠反复训练改善，就像带新人一样，给点耐心，它会慢慢适应你的习惯。

至于大家最关心的隐私和安全，我也做了一些轻量限制，比如限定IP、控制操作范围、限制网关出口，尽量在不牺牲太多使用性的前提下把风险降下来。

用了一周多，我会给OpenClaw打8.5分左右。和普通AI工具相比，它不是让你自己去拼工作流，而是能把“思考+执行”接起来。它不是神乎其神的万能工具，更像一个需要带教的实习生。token利用效率不高，组织协同能力也有限。能替我干活，能落地一些想法，但还远远取代不了人的核心判断。