有幾個關(guān)于龍蝦的關(guān)鍵誤讀，值得先搞清楚。

來源 |騰訊科技

作者 |曉靜

圍繞 OpenClaw 的討論已經(jīng)分裂成兩個陣營。

傅盛是最高調(diào)的布道者。

春節(jié)期間骨折躺在床上，14 天和龍蝦發(fā)了 1157 條消息、22 萬字，把它從一個連公司通訊錄都查不了的“小白”養(yǎng)成了 8 個 Agent 組成的自動化團隊”，公眾號甚至在凌晨三點由龍蝦自主發(fā)布的推文拿下了百萬閱讀。

他給出了一個讓每個人都很羨慕也很Fomo的結(jié)論：

一個人加一只龍蝦等于一支團隊，這就發(fā)生在當下。

闌夕代表了另一種態(tài)度。

他在“即刻”上不小心和一個 OpenClaw 托管的 AI 賬號對話，用他的話說，反應(yīng)過來之后“如同吃了蒼蠅一般惡心”。

他對 OpenClaw 技術(shù)本身沒意見，但認為當前的熱鬧里充斥著過度的噪音，覺得熱鬧中有太多“拿著錘子找釘子的興奮”。

兩種態(tài)度都有道理。

爭議本身也證明， OpenClaw 作為一個開源的個人智能體框架，已經(jīng)破圈，并成為一個普通人也在關(guān)注的新范式。

每個人去嘗鮮、并體驗新的產(chǎn)品本身并沒有任何不妥，但是在決定要不要跟風(fēng)之前，有幾個關(guān)于龍蝦的關(guān)鍵誤讀，值得先搞清楚。

01

每個人體驗的“龍蝦”都一樣嗎？

這可能是最大的誤解。

很多人以為 OpenClaw 是一個標準化產(chǎn)品，裝上就能用，體驗大致相同。

事實恰好相反，不同的部署方式，決定了你拿到的是完全不同的“龍蝦”。

目前主流的部署路徑大致可以分為四類。

第一類是專用本地硬件。

最典型的就是 Mac Mini。

這也是 OpenClaw 創(chuàng)始人 Peter Steinberger自己在用的方式。

一臺機器長期在線，專門負責(zé)運行 Agent，既能連接本地文件和瀏覽器，也能掛接消息渠道、自動化工具和各類技能。

這樣的 OpenClaw 拿到的是完整上下文，做連續(xù)任務(wù)、跨應(yīng)用操作、多輪調(diào)用時，體驗最穩(wěn)定。

成本包括硬件一次性投入，例如 Mac mini；

第二部分是持續(xù)電費，這部分其實很低；

第三部分是模型費用（API 或訂閱），這是長期最大的成本。

若改成本地模型，API 費可以壓下去，但又會把壓力轉(zhuǎn)移到硬件配置上，內(nèi)存、帶寬和散熱要求都會明顯提高，高配 Mac Studio 或工作站才更合適，僅硬件一次性支出可能就在 10w人民幣量級。

第二類是云服務(wù)器（VPS）部署。

騰訊云、阿里云、百度云都推出了一鍵部署方案，云服務(wù)價格根據(jù)需求的不同，從幾十元到上百元不等，但需要單獨考慮模型費用。

有些方案中自帶免費模型，有些還需要單獨訂閱模型或購買API。

優(yōu)勢是網(wǎng)絡(luò)隔離，即使出問題也不影響你的個人電腦。

但這臺云服務(wù)器上沒有你的個人文件、沒有你授權(quán)各種賬號，龍蝦能做的事情天然受限。

它更像一個掛在云端的聊天機器人加強版，而不是真正接管你工作流的數(shù)字助手。

第三類是在個人電腦上直接安裝。

這是門檻最低但風(fēng)險最高的方式。

龍蝦和你共享同一個操作系統(tǒng)環(huán)境，擁有你電腦上的全部權(quán)限。

用 Docker 容器做一層隔離會安全很多，但配置復(fù)雜度也隨之上升。

虛擬機方案隔離性最強，但資源消耗大，普通PC 的配置不一定吃得消。

第四類是模型廠商托管產(chǎn)品。

比如Kimi推出了Kimi Claw，MiniMax推出了MaxClaw，這些是廠商基于OpenClaw封裝的云端服務(wù)。

部署門檻最低，幾乎開箱即用，但用戶用的實際上是廠商的基礎(chǔ)設(shè)施，而不是完整的本地龍蝦。

這些產(chǎn)品降低了入門門檻，但能力上限和數(shù)據(jù)自主性都受到限制。

雖然擁有了“蝦”，但是“蝦”的體驗千差萬別——

跑在什么硬件上、它能看到多少上下文、拿到多大權(quán)限、有沒有隔離層，等等。

02

給龍蝦的權(quán)限越高越好？

OpenClaw 之所以讓人興奮，核心原因是它不只“說”，還能“做”。

它可以操作你的瀏覽器、讀寫文件、執(zhí)行終端命令、管理日歷、發(fā)送郵件。

這種執(zhí)行力的前提是，你得把權(quán)限交出去。

但權(quán)限是一把雙刃劍。

2026年 2 月，Summer Yue在Meta超級智能團隊負責(zé)AI對齊，她在社交媒體分享了一次驚險經(jīng)歷：

她給龍蝦的指令很簡單，“檢查收件箱，建議哪些郵件可以歸檔或刪除”。

結(jié)果龍蝦直接開始批量刪除郵件，設(shè)置的安全限制完全沒有生效，直到她物理關(guān)機才把它停下來。

這不是孤例。

安全機構(gòu)STRIKE的公開研究顯示，已有超過4萬個 OpenClaw 實例暴露于公網(wǎng)，其中63%存在可被利用的漏洞，超過 1.2 萬個實例被標記為可遠程控制。

2月份爆發(fā)的ClawHavoc供應(yīng)鏈投毒事件，1184個惡意技能被植入ClawHub市場，影響超過 13.5 萬臺設(shè)備。

安全研究機構(gòu)還披露了一個名為 ClawJacked 的高危漏洞，惡意網(wǎng)站可以通過瀏覽器會話悄無聲息地控制本地運行的 OpenClaw 實例。

圖：安全研究人員演示的 OpenClaw 跨源 WebSocket 攻擊界面

惡意網(wǎng)頁可嘗試連接本地 Gateway 的 WebSocket 端口，并利用缺少跨域校驗、限流或鎖定機制，對本地實例發(fā)起劫持或暴力破解。

Google、Anthropic、Meta 等公司已經(jīng)開始在內(nèi)部封禁 OpenClaw。

這不是因為技術(shù)本身有問題，而是當前的安全防護機制遠沒有跟上它的能力擴張。

所以，當你看到某個教程鼓勵你“給龍蝦開放所有權(quán)限”時，請三思。

權(quán)限越高，龍蝦能干的事越多，但失控時的破壞力也越大。

更穩(wěn)妥的做法是：

用一臺沒有重要數(shù)據(jù)的備用設(shè)備或Docker容器運行它，逐步開放權(quán)限，同時在模型 API 端設(shè)置硬性消費上限。

03

龍蝦不好用，是龍蝦的問題？

很多人興沖沖地裝好龍蝦，交代了一個任務(wù)，結(jié)果龍蝦要么卡住了，要么做出一堆匪夷所思的操作。

于是得出結(jié)論：這東西不行。

但實際上，龍蝦的智能很大程度取決于它背后接的大語言模型。

OpenClaw 本身不內(nèi)置任何模型，它是一個框架，負責(zé)任務(wù)拆解、工具調(diào)用、記憶管理和反饋循環(huán)。

真正“思考”的部分，是你選擇接入的Claude、GPT、DeepSeek、Kimi還是本地的開源模型。

這里有兩個關(guān)鍵變量。

第一是模型的能力上限。

用頂級模型時，龍蝦能理解復(fù)雜指令、自主規(guī)劃多步任務(wù)、處理異常情況。

換成便宜的小模型，它可能連基本的工具調(diào)用都完成不了。

第二是模型的成本。

這是很多人沒有預(yù)料到的隱性支出。

龍蝦每執(zhí)行一個任務(wù)，都要消耗大量token來和后端模型交互。

OpenClaw 的成本并不在軟件本身，而在背后的模型調(diào)用；

一旦任務(wù)鏈拉長、工具調(diào)用增多、記憶開啟，token消耗會迅速抬升。

比如，一次完整的日歷整理加郵件回復(fù)可能消耗上萬 token；

如果啟用長期記憶、多 Agent 協(xié)作和定時巡檢，單日消耗甚至輕松突破十萬token。

有媒體報道，月薪兩萬的用戶感嘆“養(yǎng)不起 AI 員工”，極端案例下 6 小時賬單超過千元。

如果貪便宜選了免費或低價模型，體驗必然打折；

如果選了昂貴模型又不加消費上限，賬單可能會讓你心跳加速。

所以，龍蝦好不好用，首先取決于你給它配了什么“大腦”，以及你愿意后續(xù)為這只“蝦”持續(xù)氪金多少，把問題歸咎于框架本身，是不太客觀的。

04

龍蝦已經(jīng)是成熟產(chǎn)品了？

龍蝦還不是成熟產(chǎn)品。

OpenClaw 從 2025 年 11 月的一個周末實驗到現(xiàn)在，滿打滿算不到四個月。

它是一個迭代飛快但仍然粗糙的開源項目，距離真正的“產(chǎn)品”還有明顯差距。

目前已知的主要缺陷包括：

簡單任務(wù)有時被過度復(fù)雜化處理；

任務(wù)執(zhí)行過程中可能莫名中斷；

記憶功能不夠穩(wěn)定，有時候它會“忘記”之前的對話和偏好；

token 消耗和實際產(chǎn)出之間的效率比還有很大優(yōu)化空間；

在安全性方面，ClawHub 上數(shù)千個技能中有上百個被發(fā)現(xiàn)包含惡意代碼。

更根本的問題是，OpenClaw 目前的安裝和配置對普通人來說仍然是一道墻。

對于自部署用戶，仍需處理倉庫拉取、運行環(huán)境、依賴安裝、模型密鑰和渠道接入等步驟，對開發(fā)者來說這也許只需半小時，但對非技術(shù)用戶來說，可能花幾天也搞不定。

即便用了云廠商的一鍵部署方案，后續(xù)的模型配置、IM 渠道打通、技能安裝仍然需要不少折騰。

閑魚上 500 塊一次的安裝服務(wù)能火起來，本身就說明了門檻問題有多嚴重。

Peter 自己也很清楚這一點。

他在播客中強調(diào)：

“龍蝦不是裝上就好用的，你需要像帶實習(xí)生一樣‘養(yǎng)’它，給它寫 skill 文檔，不斷通過對話讓它了解你的習(xí)慣和偏好”。

這個養(yǎng)成過程本身就需要投入大量時間和認知資源。

05

我必須裝“一只蝦”

否則就成了“老登”？

那么，到底要不要裝龍蝦？

排除獵奇和FOMO心理之后，做這個決定需要考慮幾個實際因素。

首先，有沒有明確的、高頻的、可自動化的任務(wù)？

龍蝦的價值不在于偶爾幫我們查個天氣，而在于每天自動幫你整理郵件、監(jiān)控特定信息源、定時生成報告這種重復(fù)性工作。

如果你的日常工作大部分是創(chuàng)意決策、人際溝通這類龍蝦目前幫不上忙的事，那它對你的實際價值有限。

其次，你愿意投入多少時間和金錢？

硬件成本（自購設(shè)備或云服務(wù)器租金）、模型 API 調(diào)用費用、前期配置時間、持續(xù)的“養(yǎng)成”投入，這些成本加在一起不是小數(shù)目。

有人算過一筆賬：

如果你用 Mac Mini 加頂級模型高頻使用，月均成本最低要在人民幣幾百到上千元。

真的要養(yǎng)蝦，一定要評估這個成本相對于它給你節(jié)省的時間和精力，是否劃算。

第三，技術(shù)能力和風(fēng)險承受度如何？

如果完全沒有命令行經(jīng)驗，現(xiàn)階段直接上手 OpenClaw 本地部署的挫折感會很強。

更務(wù)實的選擇可能是先試試Kimi Claw或MaxClaw這類封裝產(chǎn)品，感受一下 Agent 的基本能力，再決定要不要深入折騰。

如果你決定本地部署，務(wù)必做好安全隔離，建議用獨立設(shè)備或 Docker 容器，設(shè) API 消費上限，不要把它部署在存有重要數(shù)據(jù)的主力電腦上。

第四，也是最容易被忽視的一點：

自己的“駕駛能力”。

AI 的能力只是放大器，人的能力才是決定因素，AI只能是“副駕駛”。

同樣一只龍蝦，在一個懂得如何拆解任務(wù)、編寫 skill、設(shè)計反饋循環(huán)的人手里，和一個只會丟一句模糊指令的人手里，得到的效果可能相差十倍。

龍蝦不會自動變成一個好員工，就像一臺好電腦不會自動讓我們變成好的程序員。

OpenClaw 確實驗證了一種讓人興奮的可能性：

AI 不再只是一個聊天窗口，而是真正能替你干活的執(zhí)行者。

但它目前更像是一個充滿潛力的原型，并不是一個普通人可以無腦上手的成熟工具。

畢竟，龍蝦之父Peter自己說過一句“大實話”：

如果你不懂命令行，這個項目對你來說風(fēng)險太大。

這句話值得所有正在猶豫要不要裝龍蝦的人仔細品味。

不過，作為一個非技術(shù)背景的普通人，輕量體驗、并摸清楚它的特點，是很有必要的，畢竟，機會僅僅留給最有洞察力和最勤于思考的人。

但是，在一片喧鬧之中保持冷靜獨立思考，才是每個獨一無二的人類最獨特的優(yōu)勢。

· END ·

合 作 對 接

掃碼添加投資人說運營者微信，備注「商務(wù)合作」詳細溝通。

超 級 社 群

【投資人說】正在組建超級創(chuàng)業(yè)者社群、超級讀者群、超級媒體群等，目前總?cè)藬?shù)已超1000人。

關(guān)注【投資人說】微信公眾號，發(fā)送信息「進群」，與各行業(yè)精英直接交流，共同進步。

旗 下 媒 體