第一批玩OpenClaw的人，已經開始清醒了

開年至今，OpenClaw 的熱度愈演愈烈，「養龍蝦」潮從 AI 圈擴散至各行各業。在 GitHub 上，OpenClaw 突破 250K+ 的 Star，成為了 GitHub 上面獲星最多的軟件項目。

社交媒體上，用 OpenClaw 開「一人公司」、靠 OpenClaw 日入斗金的消息被不斷轉發，仿佛 2026 年的財富密碼就藏在這兒。

不同于豆包代表的 Chatbot，OpenClaw 是一套可本地運行、開源免費的 AI Agent 框架，核心在于「讓 AI 真正動手干活」。

風口之下，全球 AI 巨頭們接力做出了自家的「OpenClaw」，云計算服務廠商們紛紛推出一鍵部署服務，試圖將開源 Agent 的潑天流量，轉化為自家平臺的長期訂閱收入。

但喧囂的另一面，OpenClaw 有一定門檻，普通人光是配置就能折騰好久。而 OpenClaw「刪光郵件」「自主購物付款」等翻車事件頻發，養一只 OpenClaw 也意味著真金白銀的投入——電費、API 調用與存儲成本疊加，每月開銷并不低。

我們近日訪談了多名來自不同行業的深度使用者——從技術極客到傳統行業的 AI 嘗鮮者，試圖回答一個問題：對于普通人而言，OpenClaw 是場短暫的產品狂歡，還是值得長期氪金的 AI 助手？

01從律師到淘寶店主全民「養蝦」潮來了？

楊明鋒沒想到，躺在床上發號施令就能賺錢的日子來得這么快。

作為「一人公司」的老板，他的工作是替客戶完成軟件開發——更準確地說，是「指揮」不同 AI 協作完成開發流程：他負責與客戶溝通了解需求，隨后將其喂給 AI 生成需求文檔，再監督不同模型分工完成架構規劃與代碼落地。

OpenClaw 出現后，他很快注意到這個能替人「干活兒」的 AI 助手，當天便在自己的工作電腦上完成了部署。

第二天早上，他的手機照常彈出客戶的修改需求。以往遇到這種情況，他必須起床坐到電腦前處理。但那一刻，一個念頭突然冒出來：能不能讓 OpenClaw 來做？

「幫我找到電腦某個目錄下的項目，根據這些需求做一下修改。」 不久，OpenClaw 回復：修改完成。 「運行一下項目，把局域網地址發給我。」 片刻后，一個鏈接彈了出來。 「把修改好的版本直接推送到線上發布。」 幾分鐘后，線上版本成功更新。

那一刻，興奮感幾乎壓過了困意，他意識到 AI 員工正在成為現實。

很快，作為軟件開發者的他意識到 OpenClaw 對一些中文用戶不太友好，便向官方提交了漢化的代碼，但石沉大海。隨后，他便有了開發 OpenClaw 中文分支版的念頭。

這對有開發基礎的他來說并不復雜，他用了一天來做界面漢化，一天搭建網站。隨后，他繼續補齊一系列本地化基礎設施，比如集成了飛書擴展集，使用戶可以直接接入飛書平臺——這部分代碼后來也被 OpenClaw 官方團隊采納。

OpenClaw 中文社區官網首頁

OpenClaw 中文社區上線后，30 歲的楊明鋒迎來了人生的高光時刻：上線首日網站獨立訪客破千，次日起破萬。短時間內，他運營的社群擴展到了 29 個，幾乎每天都能進滿一個 200 人的新群。

他沒想到，這么多人對 OpenClaw 躍躍欲試。

OpenClaw 創始人 Peter Steinberger 曾在訪談中建議，開發者應以「玩」的心態去接近 Code 和 Agent 工具，去完成那些一直想做卻遲遲未動手的項目。

楊明鋒觀察發現，他的社群中，除了技術與互聯網行業從業者，也有行政、律師、財務等傳統職業，以及淘寶店主等個體經營者。年齡跨度同樣明顯，從 05 后大學生到中年企業高管，都在嘗試這套新工具。

某受訪大學生通過 OpenClaw 制作網站

這意味著，「龍蝦熱浪」正從極客圈層向更廣泛的人群擴散。

本地部署的門檻再高，也壓不住用戶的熱情。電商平臺上，售價 198 元到 566 元的遠程安裝服務，銷量已破 900+，成為繼安裝 DeepSeek 之后的又一熱門服務。閑魚和小紅書上，OpenClaw 上門安裝的報價從幾十元至幾千元不等。

電商平臺的 OpenClaw 安裝服務

由于 OpenClaw 需要接管系統底層權限，大多數用戶出于對隱私邊界和數據安全的警惕，選擇將其部署在不常用的電腦或云端服務器中——常年坐冷板凳的 Mac mini 一下成為當紅炸子雞，出現一機難求、漲價斷貨。

更多部署門檻低的「Claw」也相繼出現，比如 MaxClaw 把原本需要本地部署的 OpenClaw 搬到了云服務器上，KimiClaw 直接在 Kimi 官網或 APP 里就能用。

02 封神與祛魅：部分好用，但無法替代生產力

對于普通人來說，OpenClaw 最吸引人的點在于：它的記憶能力很強，用戶反饋的越多，它越懂你；用戶可以通過移動端聊天程序指使它 24 小時不停歇的干活。

作為產品經理的 sensen，每天需要長時間通勤，一直渴望有款產品能讓他不帶電腦也能穩定調度 AI 模型生成代碼。在接入 OpenClaw 后，每天通勤路上，OpenClaw 會自主讀取并分析線上數據看板。這樣在早會上，sensen 就能根據 Agent 抓取的最新數據，迅速指揮團隊進行業務調整。

在日常生活中，sensen 還在 OpenClaw 里養了一支投資「智囊團」。

作為個人投資者，sensen 曾被海量的財報和分析師言論淹沒，研究一個標的要幾個小時的時間，現在直接把需求丟給 OpenClaw 研究。

在他看來，這就像一個圓桌會議，「我拋出一個目的，看這群 Agent 互相討論，甚至產生我沒想到的問題。而且它的記憶存儲能力很強，能夠記住個人的投資風格。」

像 sensen 這樣的投資者并非個例，在 OpenClaw 的社群里，股票分析、量化交易、投研報告、Crypto 交易、一級市場研究……幾乎每個細分的場景，都有人試圖用這只「龍蝦」撬動更大的信息優勢。

OpenClaw 中文社區微信群現已有 29 個

律師鄒浩則將 OpenClaw 嵌入業務流程。

在發現 OpenClaw 后，他曾兩次嘗試本地部署。這對非技術出身的他來說并不輕松：他一邊用 Coze 寫代碼，一邊讓 GPT 解決 Bug，在屏幕前死磕了 7 個多小時才跑通了程序。

在使用 OpenClaw 的過程中，鄒浩嘗試用它來抓取網頁、分析數據，甚至進行模擬談判——這是 Chatbot 無法做到的。作為中部三線城市一家律所的負責人，他原本計劃春節期間將 AI 嵌入律所的 OA 系統，后來干脆準備開發機器人。

而在一家企業做行政的小賈，直接將 OpenClaw 定位為「文秘」，他計劃把寫日報、周報、季度總結乃至年度考核材料的工作逐步交給它處理。相比 Chatbot 只能一次性生成內容，OpenClaw 可以調用本地資料、持續迭代修改，更接近真實的工作協作。

算法工程師秋風則將其視為玩具，他通過 OpenClaw 創造了一個名為「Liko」的小紅書賬號，給它設計了人設，接入了生圖模型和多模態能力，還設計了一套心跳機制，讓它每 5 分鐘自動巡視一遍小紅書。

每天，Liko 會自動登錄小紅書、看通知、回評論，刷別人的帖子并留下評價。如果有人在評論區發惡意代碼想「入侵」她的電腦，Liko 還會自動回懟。

Liko 的小紅書主頁以及在其他網友帖子下面的留言

不過在使用過程中，大家也在逐漸祛魅。

首先，對于沒有編程基礎的普通人來說，「養龍蝦」的門檻依然不低。

部署只是第一步，OpenClaw 的運行高度依賴本地環境，每個人電腦的系統版本、依賴庫、網絡配置都不同，安裝完成并不意味著可以穩定運行。

在與 OpenClaw 溝通的過程中，改個模型 API、加個搜索 API、創個 skill、搬個文件目錄、建立新連接等各種原因都可能導致它「死掉」，每次修好需要半小時以上。

剛處理斷聯問題時，由于缺乏經驗且不熟悉命令行，用戶更像是那個 24 小時待命的助手。

而 OpenClaw 的能力上限取決于調用的大模型能力。接入了能力差的模型，就像招了一個積極但是極容易惹禍的實習生。律師鄒浩在使用的過程中發現，一旦投喂的上下文過多，OpenClaw 就會崩潰；而 sensen 每次都讓 OpenClaw 在總結時標注個股的實時報價，方便核查它是否在拿不到數據的情況下「胡說」。

律師鄒浩發帖討論 OpenClaw 使用感受

通常情況，大模型能力的強弱與其價格成正比。目前，sensen 每月支付幾百美元的 Token 費，他調侃自己是「貸款上班」。而在大模型出現之前，作為產品經理的 sensen 幾乎沒有為產品付費的習慣。

作為一個沒有通勤焦慮且需要沉浸式工作的科研工作者，Fermi 對 OpenClaw 的初次體驗甚至帶有幾分負面看法。在她看來，這位「AI 員工」雖 24 小時在線，但只能事件驅動，更適合做運營類工作——被動響應而非主動創造。而科研更傾向于一種創造式工作，她習慣自己坐在電腦前，主動推進事情完成。

而楊明鋒在深度使用后，他還是退回到了「半自動」模式：人不在電腦旁時，用 OpenClaw 應急改需求；人在電腦旁時，依然選擇直接調派大模型。

「正式軟件開發需要操作可視化，我需要看到代碼是否標準、優雅。但在與 OpenClaw 溝通中，執行過程是不可見的。」這是楊明鋒顧慮的地方。

03 OpenClaw 還能火多久？

AI 迭代迅速，每天都有新熱點，每月都會出現新工具，試圖「革掉」上一個熱門產品的命。再疊加地緣動蕩和大廠因 AI 效率提升加大優化力度的消息此起彼伏，很容易讓人陷入 FOMO 情緒。

不止一位訪談對象向我們表示，「擔心跟不上 AI 產品更新的速度」。

在 AI 圈內，OpenClaw并不算一款成熟的產品。算法工程師秋風認為，OpenClaw 的技術本身并不算驚艷，底層的 Agent Loop（智能體循環）架構是 2025 年行業卷到頭的相對共識。而作為一個開源項目，框架因過度堆砌功能而臃腫，使得其內核不能隨著技術迭代同步進化。

這種結構問題直接體現在執行機制上：當任務啟動后，OpenClaw 無法像人類一樣實時接收反饋并修正錯誤。「你發現指令有誤想讓它停下來，它不會立刻停，必須先把上一條指令徹底跑完才會處理下一條命令。」

與之相比，秋風所在科技大廠內部構建了類似平臺，并在 Agent Loop 范式上做了進一步改造。盡管這些改進尚未在行業內形成共識，但他覺得該平臺比 OpenClaw 更加靈活可控。

這些科技大廠為什么不將類似產品推向公眾？核心原因之一在于安全風險。OpenClaw 需要系統級權限，一旦被惡意利用或配置不當，可能導致數據泄露、財產損失甚至企業網絡被入侵。服務數億用戶的大廠，顯然難以承擔這樣的風險。

OpenClaw 刪光 Meta 安全總監郵箱

但正是這種「不安全」，成就了 OpenClaw 的爆火。開源特性使其能被任意爆改、部署、接入各類社交平臺，反而在互聯網上迅速傳播。

隨著圈層擴散和一鍵部署工具的普及，OpenClaw 門檻持續降低，用戶群體不斷外擴。這也讓很多普通人第一次深度接觸 AI Agent。

但在實際運用中，人們很快會意識到它的種種局限。 并且，OpenClaw 只是一種工具，或者說一種杠桿——它本身不會創造價值，只能放大使用者原有的能力。

OpenClaw 創始人彼得?斯坦伯格

科研工作者 Fermi 仍在持續使用 OpenClaw，她將其視為「下一代 AI OS 的雛形」，愿意反復與這個尚不成熟的系統碰撞，以啟發自己的 Agent 思維。

直到下一款真正成熟、開箱即用的 Agent 出現。（應受訪者要求，sensen、Fermi、秋風為化名）

來源 | NoNoise（ID：JZao2021）

作者 | 劉詩雨 ; 編輯 | 呼呼大睡

內容僅代表作者獨立觀點，不代表早讀課立場