把AI當寵物養3個月，我的錢包和電腦差點一起崩潰

「養蝦」成了今年AI圈最上頭的黑話。

一只「龍蝦」能替你寫代碼、訂機票、整理會議紀要，聽起來像養了個電子寵物。但真把Agent接進工作流的人很快發現：這寵物吃Token比吃飼料狠多了，發起瘋來還能把你電腦拆了。

從「能跑起來」到「敢長期用」，中間隔著成本、穩定性、安全性三座大山。InfoQ《極客有約》最近拉了兩位一線玩家——OneOneTalk CTO彭超、火山引擎林澤韜——聊了聊「專業養蝦」的避坑指南。

新手養蝦，先踩這三個坑

彭超的總結很直白：成本失控、需求模糊、期待過高。

Agent執行任務時要反復調用工具、讀取記憶文件、多輪推理，復雜場景下單次消耗數百萬Token是常態。更隱蔽的是「模糊指令陷阱」——一句「幫我做個App」，Agent可能跑偏到西伯利亞，產出既無法復用也難以維護。

他的解法是把人定位成「工頭」：自己拆解需求、設計流程，讓Agent當執行者。具體玩法分三路：

? 網站開發：主Agent拆需求，分發給多個Coding Agent并行開發，PRD生成作為質量卡點

? AI播客流水線：信息抓取、腳本生成、語音合成全自動，定時推送到飛書

? 夜班經濟：夜間自動整理記憶、優化風格、執行長周期研究，第二天直接取結果

核心心法：Agent不是替代你，而是吃掉重復勞動，讓你留在「設計」和「驗收」的高價值環節。

Sub-agent是過渡形態嗎？

林澤韜認可彭超的「主從架構」，但拋了個更激進的判斷：這可能是過渡方案。

火山引擎做安全智能體時深有體會——過去需要復雜Workflow分析安全日志，現在直接把原始事件丟給大模型，輸出質量反而超越人工設計的流程。模型能力進化越快，「拆分多個子Agent」這種工程技巧就越可能被淘汰。未來普通人用自然語言指令，或許就能搞定今天需要架構設計的復雜任務。

龍蝦經濟的野路子

海外社區已經玩出了實體服務業的味道：

加拿大開發者搞了個「Roofclaw」，專接屋頂除雪訂單。7×24小時智能客服接單，自動給維修工打電話派單，還能主動給業主發「師傅已出發」的進度更新——傳統行業的工作流被徹底重構。

更狠的是跨境電商團隊：運營輸入賣點，Agent自動出腳本、調Sora生成分鏡、剪輯配音，過去六七人團隊的工作量現在一人搞定，「一人公司」從概念變成賬本上的數字。

火山引擎后臺的數據更魔幻：20%-30%的ArkClaw用戶在搞量化投資，把交易心得寫成策略讓Agent 24小時盯盤；白帽黑客用10個Agent實例并行挖漏洞，近期平臺提交的有效漏洞中80%-90%有AI深度參與。

成本管控：別為省Token浪費人生

Token賬單是養蝦人的集體焦慮。彭超的策略是「分級診療」：

? 練手階段：Lite Plan + 小模型，200ms響應，快速驗證想法

? 價值輸出：Pro Plan + 中堅模型，保證播客生成、夜班任務的穩定性

? 極限探索：Seed 2.0 Pro旗艦模型，長上下文能力是「不忘事」的底線

他的原話是：「人的注意力才是最稀缺的資源，別為省一點Token費用，把自己困在糾錯和等待里。」

林澤韜從用戶類型拆解：嘗鮮黨用免費額度發朋友圈，專業用戶算ROI解放三天重復勞動，企業用戶直接對比「Token費用vs人力成本」。大模型作為AI時代的水電，單位成本只會持續下降——能力漲了，價格沒漲，甚至在某些場景更便宜。

安全紅線：你的龍蝦可能是特洛伊木馬

本地部署OpenClaw的硬核玩家，在林澤韜眼里是在「養蠱」。

三層架構處處是雷：大腦層存著你的聊天記錄、密碼、API Key；技能層超過30%的公開Skills被掃描出安全風險，黑客熱衷「投毒」；執行層的高權限一旦全開，Agent就是潛伏在電腦里的高智能木馬。

ArkClaw的云端方案做了多層兜底：高危命令強制觸發人工確認，非官方技能先過沙箱掃描，企業級客戶能把黑盒執行過程變成可審計的白盒。即便你勾選了所有權限，系統依然在后臺攔著災難發生。

彭超補了兩條實操：本地運行務必用WSL2或Docker隔離，核心資產操作必須保留人工審批——這是最后的安全閥門。

林澤韜劃了三條絕對紅線：絕不共享個人龍蝦實例（等于交出日記本鑰匙），警惕基于AI記憶泄露的精準詐騙，不碰來源不明的技能包和「優化腳本」。

直播尾聲，彭超提到一個細節：他的夜班Agent有次凌晨三點自動修復了一個腳本bug，第二天他看到飛書消息時才想起這事——那種「時間被折疊」的感覺，大概是養蝦最上癮的部分。