2026-03-13 11:15
扫码打开虎嗅APP
本文来自微信公众号： 界面新闻 ，作者：金晶，头图来自：AI生成
养一只“龙虾”需要付出什么？
首先，你得在电脑上配置好OpenClaw的代码环境，但这只是第一步。接下来，你还需要连接大模型，让龙虾能“思考”。为了让它真正干活，还需要安装skills，这是一种可复用的技能包。你发出指令，大模型会拆解任务，调用合适的skills，最终完成工作。
这款被戏称为“龙虾”的开源智能体框架OpenClaw学习热潮，正从科技极客圈蔓延至普通人。
但很快，期待之外的声音也开始浮现。一些人发现“养虾”并不容易，除了存在想象与现实的落差，还需要付出金钱成本，和面对未知的安全隐患。3月10日，中央网信办数据与技术保障中心、国家互联网应急中心先后发布OpenClaw安全风险提示。3月11日，此前连续上涨的OpenClaw概念股开始下跌。
界面新闻采访了四位“养虾人”，他们身份不同，经历各异，在过去几十天里，他们亲历了这场从狂热到冷静的过山车，讲述了热潮之下，更真实、理性的一面。
一
刘乐，30岁，剪辑师：“与其提心吊胆，不如直接卸载”
最初为了安装OpenClaw，出于隐私方面的顾虑，我不打算把它部署在我平时工作的主力机上，为此还专门买了一台Mac mini。
我是二月底从我身边关注AI科技圈的朋友那儿听说OpenClaw的。当时对我来说，这是一个很有吸引力的愿景，人类终于可以不用时刻盯着AI，让它自己完成一些任务。我平时喜欢自己摸索尝试，于是也安装了一个试试，希望能真正用AI解放生产力。因为我经常和视频打交道，特别希望OpenClaw能帮我实现自动把视频上传到多个平台这样的操作。
OpenClaw很快火了。我没想到的是，没过多久网上的Mac mini全都断货、涨价了。那阵子还冒出了不少上门安装服务，收费500块一次。我当时想着，赶紧抓住机会学一学，之后也可以去给别人安装，小赚一笔。后来又想着，最好还是先自己研究研究，至少把下载skills、连接飞书这一套流程跑通了再去赚钱。
但没想到，很快上门业务就从“安装”变成了“卸载”。随着隐私安全问题逐渐暴露，我也很快被劝退。虽然心有不舍，最后还是决定亲手“杀掉”我花了一整天部署好的小龙虾。
最开始我给它安排过一个压缩视频的任务。OpenClaw回复我说正在操作，调用了一些我看不太懂的英文指令。虽然最后桌面上确实多出了一个压缩软件和压缩好的视频，但我却突然感到一阵恐惧。它太强大了，很多操作并不会征求我的意见。它没有告诉我具体写了什么代码，也没有问我是否同意调用这些权限，整个过程没有任何向我确认的环节，直接就交付了结果。虽然这只是一个简单的任务，但如果未来涉及更复杂的操作呢？一切好像都在渐渐脱离我的掌控。
而且，我找不到一个可以放心下载skills的地方。虽说现在有些官方网站会对skills代码做检测，但大多只是静态扫描，检测能力有限。这意味着如果代码里藏了病毒，只有在我真正运行它的时候才可能暴露出来。
下载OpenClaw后的几天，网上开始陆续出现一些关于其安全性的报道。我开始忧虑，如果OpenClaw能访问我的浏览器cookies，那它是不是也能知道我的账号密码？我不太懂技术，既没法准确评估它的安全性，也没办法做有效的防护。那几天，我连家里专门存照片的云端服务器都直接关机了，生怕OpenClaw哪天突破我的密码屏障，把我所有的照片删掉。
与其每天提心吊胆，最后我还是选择了删除OpenClaw。担心删不干净，我索性把电脑恢复了出厂设置。
之后，我开始寻找有没有其他工具能替代它。最近我开始使用Claude Code，一款AI编程工具。我让它帮忙修改文件、修复硬盘，它都顺利帮我完成了。因为它没有那么大权限，每做一步它都会征求我的意见，这让我觉得安心很多。
我不太想把步子迈得太大，目前也只是希望AI能帮我完成一些简单工作，而这些我暂时也都能用市面上其他AI产品替代。我依然肯定OpenClaw背后的技术思路和愿景，只是我更愿意再观望一下，等科技巨头们把更安全、更完善的产品打磨好之后，再来使用也不迟。
二
郭灿灿，38岁，应用软件开发工程师：“OpenClaw把我的D盘删了个干净”
因为我本身从事编程工作，所以最初留意到OpenClaw时，我意识到它有可能指向未来的编程方向，程序员不再需要时刻坐在电脑前。假如有一天我在逛街时突然冒出什么灵感，可以直接在手机端跟AI对话，交代任务。现在的氛围编程本质上还是像批阅奏折一样，每一步都需要我来确认能否执行，推一下它才能动一下。
而OpenClaw的好处在于，当我给它一个任务，它会自己去拆解成多个子任务，一步步独立完成。等我逛街回到家，就可以直接在电脑上验收它做出来的产品，我再给出反馈，让它不断优化、迭代、升级，像一个真正能干活的下属。
我是在过年期间开始照着文档一步步安装的，算是第一批尝鲜的人。当时对于它实际的能力和效果，完全是个未知数。
一开始我安装了几个skills，装完后意识到，权限可能放得太高了。我想去修改这些skills的权限设置，正好发现skills的安装目录路径不对。于是我直接跟OpenClaw对话，让它自己修改一下这个错误路径。它回复说确实发现了问题，开始尝试执行修改，不断尝试不同的命令，但一直在报错。
OpenClaw没有告诉我它究竟遇到了什么困难，当它向你反馈的时候，实际上已经私下做了很多事，但你甚至找不到完整的操作日志，不知道它究竟执行过什么，所以我当时也没有仔细查看。
直到后来我需要使用其他应用软件，发现软件无法打开，这才发现，OpenClaw清空了我的D盘。
我质问它，你到底做了什么，为什么把我的系统文件都删光了？它回复说，之前遇到了路径限制，无法正常运行，最后直接执行了一条高危命令来清空目录。它建议我重启，并向我道歉，除此之外没有提供任何其他解决方案。好在D盘里多是些陈年老文件，对工作影响不算太大。但里面存着很多我以前出国玩的照片，那些美好的回忆，就这样没了。
经历了这次教训，我现在选择把OpenClaw安装在虚拟机上，相当于把它放进一个容器里，与本地电脑进行隔离，彻底分开。
作为一名程序员，我必须紧跟技术潮流，哪怕踩过坑，还是得继续继续尝试。我依然希望OpenClaw这样的工具，未来能在实际业务中带来一些真正的创新。
其实OpenClaw本质上是一个忠实的执行者。当我给出一个需求，大模型会进行拆解，告诉OpenClaw需要调用哪些技能来执行；执行完结果反馈给大模型，大模型再进一步指示OpenClaw下一步要做什么，如此循环。但目前来看，整体的智能程度还是受制于模型的能力，导致大模型在下达执行命令时，经常出现理解偏差。
另一方面，OpenClaw其实是为Linux系统设计的，最适配的机型是Mac mini。而Windows系统和Linux系统有很多不一致的地方，比如斜杠和反斜杠在两个系统里的意义完全不同；Linux更加“计算机友好”，Windows则偏向图形界面操作。这些差异导致大模型非常容易出现理解偏差，进而出错。
不过我也觉得，对于非技术从业者来说，不一定每个人都需要使用它。有的人可能是满怀信心进来的，以为它是开箱即用的工具，结果拿到手发现还得自己折腾，很快就失去了耐心。
其实每个人的需求都特别不同，即使未来大厂能做出很多安装即用的工具，也不可能做到完全精细化定制，你仍然需要自己调试。如今大模型编程已经相当厉害，如果你愿意和大模型多交流、清晰地表达诉求，即使不懂技术，也可能可以定制一款自己的小龙虾。
三
林阿多，27岁，上市游戏公司AI产品发行：对于这一场狂潮，我既沮丧，又兴奋
最初关注到小龙虾的时候，它还叫Moltbot。当时已经有人开始试着让它做点实事了，比如每天早上推送十条新闻、帮忙整理文件夹、汇报当天的股票情况。和以前那些晦涩难懂的大模型进展不同，这次似乎每个人都能在里面找到一种“我能用得上”的方式。
虽然还只是一些非常基础的应用，但我当时感到惊喜，想象中的AI世界，好像真的要来了。它不只是一个活在对话框里的数字生命，而是真的可以成为工作上的帮手。
后来的发展比我预想中快得多。Moltbot改名成了OpenClaw，大厂也开始下场布局。老板意识到了重要性，安排公司里的同事们进行探索。
上周五成功部署之后，我试着让它帮忙做一些资料搜集，它都能完成。但很快，我对它的期待就不止于此了，很多操作步骤也超出了我原有的技术认知，卡点接踵而至。
我平时会自己运营账号，所以特别希望有一天OpenClaw能帮我从写文案到发布内容一站式完成。我让它爬取了我以前写过的内容，照着我的文风写一篇新文案，它做到了，而且效果很好。而以前想让大模型达到类似的效果，需要我一篇篇手动复制喂给它。
更让我意外的是，很多人知道我是在OpenClaw的帮助下输出内容的，非但没有抵触，反而开始催更。我感受人们的认知开始转变。之前，许多人会对AIGC有多抵抗，觉得那不是人创造的。但面对OpenClaw，大家的态度似乎有多不同，愿意把他当做一个有灵活性、有自主性的合作伙伴。
后来我想尝试更复杂的流程：端到端地完成搜索、写作，并自动发布到小红书。我用部署在云端的OpenClaw折腾了一整天，始终走不通。最后才知道，因为部署在云端，OpenClaw打开的网页和我本地电脑的cookies不一致，所以它根本无法控制我的屏幕。如果我有技术背景，也许半小时就能判断这条路不行，但我硬是耗了一天。
没办法，只能把OpenClaw装回本地。奇怪的是，上次还算顺利的部署过程，这次却变得异常艰难。每次报错，我只能把错误信息复制给AI，一个步骤反复试了十几次还是失败。
我问大模型，“如果你真的解决不了，就直接告诉我，我已经浪费一整晚了”。大模型回复说：“我真的不知道怎么解决了，可能是这个版本不稳定。你之前运气好装的是老版本。去睡吧，我没办法了。”
最后，还是技术交流群里的热心网友帮我解决了问题。但装好之后，运行并不稳定：OpenClaw一启动，电脑就卡得没法用；很多任务需要24小时连续运转，一旦中断，前一天能跑通的流程第二天又不行了。
说实话，这东西挺磨人的。我能用的工具其实已经很多了，OpenClaw也有不少现成的skills，遇到问题还有大模型帮忙解答。所以在我们这类非技术从业者眼里，总觉得只要再往前一步、再努力一下，这事儿就能成。但往往就是卡在最后那几步，让人进退两难，却怎么也舍不得放弃。
每天打开社交媒体，总能刷到各路大神展示他们今天又用OpenClaw实现了什么。但我心里也清楚，再厉害的项目，三天后就会成为过去式，因为永远有更新的东西冒出来。
错失焦虑如影随形，而且每天都在放大。这种茶饭不思、夜不能寐、辗转反侧的感觉，第一次出现在爱情以外的场景里。
四
沈阳，52岁，清华大学教授：研究小龙虾40天，我每天都在更新和它有关的内容
这是我用上OpenClaw的第四十天。现在，我的团队一天能产出两份研究报告，让OpenClaw并行跑多个任务，虽然还有瑕疵，但放在以前，20个人的团队需要花上半年时间。
具体来说，我们现在主要在三个方向上尝试。
第一类是高质量内容生产，比如写歌词、剧本、小说。现阶段AI的能力已经很强，但只能做到85分。我们会持续喂给它大量内容进行学习，希望把分数提到95分。这本质上是在把人的技能，转化成AI可复制的通用能力。别人拿到我们打磨出来的skill，马上就能拥有类似的水准。
第二类是自动化工作流，比如数字化传播，让AI自己去抓热点、生成内容，你只需要在发布前做一次审核。虽然小红书最近发布了《关于打击AI托管运营账号的治理公告》，但我觉得这本质上是一个矛和盾的关系，技术其实很难真正实现完全禁止，也几乎不可能做到精准分辨。
第三类是更实验性的玩法。有人让OpenClaw出去“赚钱“，抵消token开销；也有人尝试“一只大虾带一群小虾”，让多个龙虾之间互相批判、彼此纠偏，从而得出更优的决策。这些方向我们也在继续摸索。
为了支撑这些尝试，我自己专门配了三台电脑。一台是“稳定虾”，装在主力机上日常支持我的日常工作；一台是“实验虾”，放在闲置机器里专门进行测试；还有一台是“本地虾”，即使没有网络，我也依然可以使用我的OpenClaw。
OpenClaw和以往大模型最大的不同，在于一是自主性，它可以自己干活，不需要你每一步都盯着。二是记忆本地化，更换不同的大模型，也不需要重复交代需求，摆脱对云端的依赖。另外，它还能接入即时通讯工具，列如国外的Telegram，国内的钉钉、飞书。这意味着，未来每个人都可以通过聊天窗口直接操作OpenClaw，人人都能有个AI帮手，真正从数字世界走向物理世界。
当然，它也远未成熟。
最典型的问题是“技能幻觉”。OpenClaw有时候拍着胸脯告诉你这事儿我能做，其实它只是把大模型语言上的幻觉转移到了技能层面，实际上它既干不了也干不好。
另一个问题是现在市面上对OpenClaw存在很严重的误解。OpenClaw被包装成“自主智能体”“超级个体引擎”“一人公司神器”，听起来无所不能，但它本质上只是一个本地执行框架，真正决定能力的，还是背后的大模型。
大模型本身的能力、skills的能力，以及OpenClaw能否对这些技能进行自主组合，是决定OpenClaw的功能的关键因素。我们现在更关心的是，能不能把人的主观能动性加入到skill的调用中，让它的能力再往上走一步。如果这条路能走通，未来的技能市场一定会非常庞大。
但对普通人来说，无论是费用、还是技术，门槛都不低。到现在为止，我已经花了几万块的token费用。前几天我碰到一个人，一天花了800块token费，结果什么事也没干成。
所以OpenClaw距离真正进入大众市场，还有一定距离。首先得把token成本降下来。另外，还需要能够支持多模态内容的处理。更重要的是提高稳定性、安全性和交互性，让那些不懂AI、不懂计算机的人，也能随手使用。
