最近一段时间,如果要问最火的是什么?全民养虾(即OpenClaw部署热)热无疑是其中的佼佼者,一时间几乎所有的社交媒体和朋友圈都在交流养虾经验,OpenClaw的火爆可见一斑,但是就是这个全民养虾的热潮之中,为什么我们说养虾对于普通人并不友好?
一、全民养虾成热潮?
3月初,深圳腾讯总部楼下,腾讯的工程师们像赶集一样,在大厦北广场摆起摊位,免费为用户安装“龙虾”OpenClaw。队伍绵延不绝,有人抱着NAS,有人带着MacBook,还有人拎着迷你主机,像极了十年前刷安卓系统的极客聚会。
事实上,不少大厂们都在密集推进自己的“龙虾”。小米则开始内测MiclawAgent,希望把AI代理嵌入小米“人车家全生态”的系统里,让手机、汽车、电视和家电都成为AI的执行节点。更早的春节前夕,百度App支持一键调用OpenClaw,用户在百度智能云完成部署后,通过搜索框或消息中心即可调用。云厂商开始下场“摆摊”,当终端大厂开始把Agent塞进操作系统,这场“龙虾”风暴,已经拉开了大模型下半场的帷幕。
在GitHub上,OpenClaw突破250K+的Star,成为了GitHub上面获星最多的软件项目。社交媒体上,用OpenClaw开「一人公司」、靠OpenClaw日入斗金的消息被不断转发,仿佛2026年的财富密码就藏在这儿。不同于豆包代表的Chatbot,OpenClaw是一套可本地运行、开源免费的AI Agent框架,核心在于「让AI真正动手干活」。
二、为什么说养龙虾对普通人并不友好?
近年来,“全民养虾”成为科技圈乃至大众舆论中一个颇具魔幻现实主义色彩的现象,然而,在这股热潮背后,我们必须冷静地认识到,养虾虽热,但对普通人而言,却远非一场普惠的技术红利,反而更像是一场高门槛、高成本、高风险的“技术冒险”。
首先,OpenClaw所代表的AI Agent方向确实具有划时代意义。不可否认,OpenClaw的出现标志着大模型技术迈入了一个新阶段。过去的大模型,无论多么聪明,本质上仍是“被提问者”,你问一句,它答一句;你推一下,它动一下。而OpenClaw则试图赋予AI“主动性”:它可以理解任务目标,拆解步骤,调用工具,甚至在失败后自我修正。这种从“对话智能”到“行动智能”的跃迁,确实是技术演进的必然方向,也预示着未来AI将深度嵌入人类的工作流与生活流之中。从产业经济学角度看,这不仅是效率工具的升级,更是生产关系的重构,当AI能独立完成诸如数据整理、邮件撰写、日程安排、代码调试等重复性劳动时,人类的生产力边界将被极大拓展。
然而,理想很丰满,现实却骨感。当前的OpenClaw仍处于早期实验阶段,其设计逻辑高度偏向开发者与技术极客,而非终端用户。它的核心价值在于“可编程性”和“可组合性”,但这恰恰意味着普通用户必须具备相当程度的技术素养才能驾驭。对于绝大多数不熟悉命令行、不懂API调用、甚至对操作系统底层毫无概念的普通人来说,OpenClaw不是助手,而是一座难以逾越的技术高墙。
其次,部署与使用OpenClaw的门槛极高,远超普通人的技术能力边界。但是当我自己费了很大的劲去部署上手了OpenClaw之后,几个显著的问题,却不得不让人感叹,养虾看上去很美,但是对于普通人并不友好。必须清醒地认识到,理想与现实之间存在着巨大的鸿沟。当普通用户满怀期待地想要拥有一个专属的AI管家时,现实往往会给予沉重的一击。
一是部署起来非常复杂,技术门槛将绝大多数普通人拒之门外。对于大部分的技术小白来说,目前的“养虾”环境远未达到傻瓜式操作的程度。你如果不会编程甚至也不会装系统,就别折腾OpenClaw养龙虾了。不同于下载一个APP即插即用,OpenClaw的部署涉及环境配置、依赖库安装、API接口调试等一系列复杂的计算机操作。其部署过程中的一系列调试要求真的非常高,哪怕是报错一个代码行,对于没有技术背景的人来说都如同天书。这种技术壁垒,直接导致了“养虾”成为极客和程序员的狂欢,而普通人只能在门外望洋兴叹。
二是OpenClaw看上去很美,但是其并不是一个商业化产品,用户体验极其“硬核”。很多用户误以为只要安装好就可以像雇佣一个廉价劳动力一样派活干活,这完全是一种误解。目前的OpenClaw更多是一个开源项目的雏形,而非成熟的商业软件。因为缺乏足够的体验优化,其用户体验的感知度是并不好的。在执行任务过程中,AI Agent可能会陷入死循环,可能会误解指令,甚至可能因为无法调用某个工具而卡壳。用户需要花费大量时间去“调教”它,甚至需要像管理一个不懂事的实习生一样去纠错。这种极高的人力维护成本,与人们想象中“甩手掌柜”的轻松场景大相径庭。
三是OpenClaw的使用成本是真的高,这是一场持续的“烧钱”游戏。这是最容易被忽视的隐形成本。虽然现在网上铺天盖地宣传OpenClaw开源免费云云,但这只是表象。开源的是代码框架,但支撑AI思考的“养料”,Token却不是免费的。我们姑且不说OpenAI那些昂贵的Token收费标准,即使是国产的DeepSeek、Kimi、MiniMax、GLM的Token消耗也是天文数字。
AI Agent的工作原理决定了它是一个“话痨”,它需要内部大量的自我对话、推理、反思才能完成一个任务。笔者仅仅中午测试了两个小时,也就下达了几个非常简单的任务,就燃烧了大几十元。这就像开着一辆油耗惊人的跑车,虽然车可能是免费送的,但油费却足以让你破产。对于普通个人用户而言,一个月动辄几百上千的成本,仅仅是为了完成一些本可以手动完成的基础工作,这种投入产出比显然是极不划算的,足以让普通人望而却步。而且,除了token成本之外,为了让OpenClaw能够更好地完成各种任务,还需要购买海量的其他应用的付费程序供其调用。这些额外的成本加起来,对于普通人的经济状况来说,无疑是一个沉重的负担。这就好比养一只宠物,不仅要买宠物本身,还要购买各种宠物用品、食品,还要支付医疗费用等,对于一些经济条件有限的人来说,根本无力承担。
如果你是专业技术人员,而且日常工作中有大量需要重复劳动去做的事情,那么OpenClaw无疑是一个非常有效的帮手。对于这类人群,技术门槛不存在,调试过程甚至是一种乐趣,而Token成本相对于他们高昂的人力成本而言,是可以忽略不计的。他们能够利用OpenClaw自动化处理数据、编写脚本、测试程序,效率提升是指数级的。
如果你平时有定期全方位记录自己工作,甚至形成可供训练的批量工作文档,那么你也非常合适。OpenClaw可以有非常多的机会去学习你的思维逻辑和工作流。对于拥有结构化知识库的专家型用户,AI Agent能够迅速复刻他们的工作模式,成为真正的数字分身。这类人群具备“驯化”AI的能力与资源,是真正的受益者。
但是,如果你是一个技术小白的普通人,OpenClaw至少目前对你并不友好。你不仅需要花费大量的金钱购买Token,更需要购买海量的其他应用的付费程序给OpenClaw调用(例如API接口费、专业软件授权费等),这样的成本不是一个普通人可以负担的。更重要的是,你还需要付出巨大的时间成本去学习如何与机器沟通,去处理它带来的各种意外状况。
可以说,全民养虾的热潮,本质上是技术变革浪潮下,人们对智能未来的迫切向往与商业利益的共同驱动,但技术的进步从不会一蹴而就,更不会普惠所有人群。OpenClaw所代表的AI Agent,无疑是未来的方向,但当前的它仍带着鲜明的精英属性,技术门槛与成本门槛的双重壁垒,让普通人难以真正参与其中。因此,养虾虽火,却并不适合每个人。
