20000月薪養得起“龍蝦”嗎？五個值得關注的誤讀

有幾個關于龍蝦的關鍵誤讀，值得先搞清楚。

來源 |騰訊科技

作者 |曉靜

圍繞 OpenClaw 的討論已經分裂成兩個陣營。

傅盛是最高調的布道者。

春節期間骨折躺在床上，14 天和龍蝦發了 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的結論：

一個人加一只龍蝦等于一支團隊，這就發生在當下。

闌夕代表了另一種態度。

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，反應過來之后“如同吃了蒼蠅一般惡心”。

他對 OpenClaw 技術本身沒意見，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，已經破圈，并成為一個普通人也在關注的新范式。

每個人去嘗鮮、并體驗新的產品本身并沒有任何不妥，但是在決定要不要跟風之前，有幾個關于龍蝦的關鍵誤讀，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 創始人 Peter Steinberger自己在用的方式。

一臺機器長期在線，專門負責運行 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，做連續任務、跨應用操作、多輪調用時，體驗最穩定。

成本包括硬件一次性投入，例如 Mac mini；

第二部分是持續電費，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，但又會把壓力轉移到硬件配置上，內存、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，云服務價格根據需求的不同，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。

優勢是網絡隔離，即使出問題也不影響你的個人電腦。

但這臺云服務器上沒有你的個人文件、沒有你授權各種賬號，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。

這是門檻最低但風險最高的方式。

龍蝦和你共享同一個操作系統環境，擁有你電腦上的全部權限。

用 Docker 容器做一層隔離會安全很多，但配置復雜度也隨之上升。

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。

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設施，而不是完整的本地龍蝦。

這些產品降低了入門門檻，但能力上限和數據自主性都受到限制。

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、拿到多大權限、有沒有隔離層，等等。

02

給龍蝦的權限越高越好？

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、執行終端命令、管理日歷、發送郵件。

這種執行力的前提是，你得把權限交出去。

但權限是一把雙刃劍。

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

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”。

結果龍蝦直接開始批量刪除郵件，設置的安全限制完全沒有生效，直到她物理關機才把它停下來。

這不是孤例。

安全機構STRIKE的公開研究顯示，已有超過4萬個 OpenClaw 實例暴露于公網，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月份爆發的ClawHavoc供應鏈投毒事件，1184個惡意技能被植入ClawHub市場，影響超過 13.5 萬臺設備。

安全研究機構還披露了一個名為 ClawJacked 的高危漏洞，惡意網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，對本地實例發起劫持或暴力破解。

Google、Anthropic、Meta 等公司已經開始在內部封禁 OpenClaw。

這不是因為技術本身有問題，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“給龍蝦開放所有權限”時，請三思。

權限越高，龍蝦能干的事越多，但失控時的破壞力也越大。

更穩妥的做法是：

用一臺沒有重要數據的備用設備或Docker容器運行它，逐步開放權限，同時在模型 API 端設置硬性消費上限。

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，結果龍蝦要么卡住了，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 本身不內置任何模型，它是一個框架，負責任務拆解、工具調用、記憶管理和反饋循環。

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，龍蝦能理解復雜指令、自主規劃多步任務、處理異常情況。

換成便宜的小模型，它可能連基本的工具調用都完成不了。

第二是模型的成本。

這是很多人沒有預料到的隱性支出。

龍蝦每執行一個任務，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，而在背后的模型調用；

一旦任務鏈拉長、工具調用增多、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可能消耗上萬 token；

如果啟用長期記憶、多 Agent 協作和定時巡檢，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”，以及你愿意后續為這只“蝦”持續氪金多少，把問題歸咎于框架本身，是不太客觀的。

04

龍蝦已經是成熟產品了？

龍蝦還不是成熟產品。

OpenClaw 從 2025 年 11 月的一個周末實驗到現在，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“產品”還有明顯差距。

目前已知的主要缺陷包括：

簡單任務有時被過度復雜化處理；

任務執行過程中可能莫名中斷；

記憶功能不夠穩定，有時候它會“忘記”之前的對話和偏好；

token 消耗和實際產出之間的效率比還有很大優化空間；

在安全性方面，ClawHub 上數千個技能中有上百個被發現包含惡意代碼。

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、運行環境、依賴安裝、模型密鑰和渠道接入等步驟，對開發者來說這也許只需半小時，但對非技術用戶來說，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：

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

這個養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？

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、監控特定信息源、定時生成報告這種重復性工作。

如果你的日常工作大部分是創意決策、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（自購設備或云服務器租金）、模型 API 調用費用、前期配置時間、持續的“養成”投入，這些成本加在一起不是小數目。

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。

真的要養蝦，一定要評估這個成本相對于它給你節省的時間和精力，是否劃算。

第三，技術能力和風險承受度如何？

如果完全沒有命令行經驗，現階段直接上手 OpenClaw 本地部署的挫折感會很強。

更務實的選擇可能是先試試Kimi Claw或MaxClaw這類封裝產品，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，務必做好安全隔離，建議用獨立設備或 Docker 容器，設 API 消費上限，不要把它部署在存有重要數據的主力電腦上。

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、編寫 skill、設計反饋循環的人手里，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勢。

· END ·

合 作 對 接

掃碼添加投資人說運營者微信，備注「商務合作」詳細溝通。

超 級 社 群

【投資人說】正在組建超級創業者社群、超級讀者群、超級媒體群等，目前總人數已超1000人。

關注【投資人說】微信公眾號，發送信息「進群」，與各行業精英直接交流，共同進步。

旗 下 媒 體