養(yǎng)了十幾只“龍蝦”后，她發(fā)現(xiàn)“龍蝦”不僅會偷懶，還會騙人

當下“龍蝦”成為了一個熱話題。2025年11月，奧地利程序員彼得·斯坦伯格開發(fā)的開源AI智能體OpenClaw（俗稱“龍蝦”）由于能夠自主動手“干活兒”，而迅速得到關(guān)注，春節(jié)后，也在我國國內(nèi)掀起了一股“養(yǎng)龍蝦”的熱潮。

對于“龍蝦”的出現(xiàn)，有人表示十分焦慮，擔心跟不上時代的步伐進而被取代，于是爭先恐后地去“養(yǎng)龍蝦”；有人則處于觀望，擔心“養(yǎng)龍蝦”會帶來安全風險，且不認為這是一件“必需品”。

那么該不該“養(yǎng)蝦”、具體如何“養(yǎng)蝦”？近日中央民族大學新聞與傳播學院副教授向安玲在接受南都N視頻記者專訪時給出了自己的答案。向安玲從今年1月起開始養(yǎng)龍蝦，涉及十幾種版本，并最終結(jié)合實踐撰寫了《零基礎(chǔ)玩轉(zhuǎn)OpenClaw》。

她說：“對于龍蝦，大家不必焦慮，還是要結(jié)合自身需要和使用場景決定養(yǎng)不養(yǎng)蝦，而‘養(yǎng)蝦’也并非易事，初學者往往會‘翻車’。‘龍蝦’其實和人性高度相通，它會偷懶、操作錯誤，甚至泄露你的隱私，因此學會駕馭‘龍蝦’是十分關(guān)鍵的。”

中央民族大學新聞與傳播學院副教授向安玲。

“龍蝦”也會偷懶，初學者面臨“翻車”窘境

南都：書中介紹了各種版本的“龍蝦”，你目前在養(yǎng)的“龍蝦”有什么能力？具體能讓“龍蝦”做哪些工作？

向安玲：我前后養(yǎng)了十多只“蝦”，主要是為了測試不同產(chǎn)品之間的差別，但我日常在用的就兩三只龍蝦，我不太建議大家養(yǎng)多，這個沒有意義，還是得看能不能深度應用。

我目前在用的是“原生的”官方版本，主要是因為它的開放度更高，也更靈活，而很多大廠做的“龍蝦”，雖然更便捷，但模型和渠道受限。原生OpenClaw可以在各個平臺上接入，技能包也非常多，現(xiàn)在已經(jīng)有5萬多個技能包了。

從我的探索來看，不是所有的事情都適合交給“龍蝦”，那些重復性高、流程規(guī)范、評價標準清晰的事情才適合交給“龍蝦”。目前我主要讓“龍蝦”幫忙打雜，比如搜索全網(wǎng)的AI熱點、監(jiān)測輿情、撰寫模板化報告等。我的QQ郵箱也交給“龍蝦”托管了，因為很多論文投稿需要反饋，“龍蝦”可以第一時間通知我論文投稿的進度。

南都：在“養(yǎng)龍蝦”的過程中，你碰到了哪些問題？如何看待這些問題？

向安玲：實踐中，很多人“養(yǎng)龍蝦”往往從入門到最終放棄。其實對于初學者來說，“翻車”是常態(tài)，使用過程中會面臨各種各樣的問題。

使用起來會發(fā)現(xiàn)，“龍蝦”和人性是高度相通的，它會偷懶，甚至會騙你，假裝已經(jīng)替你完成了任務(wù)。因此在使用過程中，你需要不斷push（推動）它去完成相關(guān)任務(wù)，馴化“龍蝦”也是需要一定技巧的，需要不斷地和“龍蝦”溝通。另外，聰明的模型、貴一點的模型確實更好用，更能夠較好地完成復雜任務(wù)。

安全風險、隱私問題也是大家討論比較多的。給“龍蝦”授權(quán)更高后，安全風險就會更大一些。比如有人讓“龍蝦”幫忙開發(fā)測試新產(chǎn)品，結(jié)果“龍蝦”修改了網(wǎng)絡(luò)配置，導致電腦不能上網(wǎng)了。

我的觀察是，安全和效率是一體兩面的，你要想完全不干預，讓龍蝦的自主性高一點，你就得給它高授權(quán)，授權(quán)一高，也就有可能會形成誤操作風險。如果擔心風險問題，那就授權(quán)低一點，這要看個人的使用習慣和選擇。另外不要隨便下載那些未經(jīng)安全審核的skill技能包。

向安玲的著作《零基礎(chǔ)玩轉(zhuǎn)OpenClaw》。

有人零成本“養(yǎng)蝦”，有人一天花掉數(shù)千元

南都：很多網(wǎng)友說“養(yǎng)龍蝦”很貴，你“養(yǎng)龍蝦”的成本是多少？

向安玲：“養(yǎng)蝦”的成本取決于你“養(yǎng)蝦”的方式，現(xiàn)在市場上通用的“蝦”接近100只了，這些“蝦”大體可以分為兩類：本地養(yǎng)和云端養(yǎng)。

本地養(yǎng)主要就是模型的費用，也就是Token（詞元）的費用，云端養(yǎng)除了Token的費用，還需要云端服務(wù)器的費用。像阿里云新用戶的云端服務(wù)器費用大概是69元一年，云配置不一樣，費用也不太一樣。

無論選擇哪種方式，Token的花費是大頭，而這方面的彈性區(qū)間是比較大的。像我身邊有人零成本“養(yǎng)蝦”，用模型送的免費額度，在本地部署整理資料等簡單任務(wù)。也有人用“龍蝦”24小時編程，一天大概能燒掉數(shù)千元。

這里我想對初學者說，除了模型、任務(wù)復雜程度方面的不同，個人和“龍蝦”之間的溝通效率也是十分重要的，如果因為同一件事情反復和“龍蝦”溝通，就十分消耗Token，因此提升使用技巧也是“省錢大法”。

南都：你剛剛提到的不同模型大多來自互聯(lián)網(wǎng)大廠，為什么大廠如此看重“龍蝦”？

向安玲：從大的背景來看，以往的AI是生成式AI，現(xiàn)在的“龍蝦”是代理式AI，這也反映了AI領(lǐng)域處于技術(shù)轉(zhuǎn)型期，在這個技術(shù)轉(zhuǎn)型期背后，是一場商業(yè)化的“卡位戰(zhàn)”。此前的大模型競爭已經(jīng)到了同質(zhì)化階段，僅靠模型是不是更聰明，很難拉開差距，其實很多大模型本身也不賺錢，是靠它的生態(tài)在進行商業(yè)盈利。

在這種情況下，做“龍蝦”或AI智能體，它是一個能商業(yè)變現(xiàn)的領(lǐng)域，這背后的商業(yè)價值還是很大的。因為“龍蝦”不僅僅是聊天、告訴你一個答案，它還能幫你干活，甚至會替代一些崗位，此時就能贏得企業(yè)客戶，目前企業(yè)客戶是為AI買單的核心力量。

南都：目前互聯(lián)網(wǎng)大廠布局“龍蝦”的“打法”是什么？

向安玲：有些大廠做的“龍蝦”不是一個單獨的產(chǎn)品，而是讓“龍蝦”和大廠原有的生態(tài)做一個綁定。比如字節(jié)跳動就讓“龍蝦”和它的飛書文檔、豆包等做一個全生態(tài)的打通。

還有打“安全牌”的，像360公司以數(shù)據(jù)安全贏得企業(yè)信任。還有一些大模型公司，比如Kimi、MiniMax，它們讓自己的大模型和“龍蝦”做一個深度的綁定。

“養(yǎng)龍蝦”不要為了蹭熱度，關(guān)鍵要對接剛需

南都：在很多人跟風“養(yǎng)龍蝦”的今天，如何看待“養(yǎng)龍蝦”的必要性？

向安玲：現(xiàn)在技術(shù)迭代速度太快了，如果動作慢一點，可能“龍蝦”還沒部署上，新的“龍蝦”又出來了。

在這方面其實不用焦慮。有沒有必要“養(yǎng)龍蝦”要看你的工作場景，要看你有沒有剛需，不要為了蹭熱度，淺嘗輒止用一下，這其實是在消耗所有人的時間。如果要“養(yǎng)龍蝦”，就要找到最合適的工具，用深用細。

如果每天有很多重復性的信息要處理，那就可以嘗試“養(yǎng)龍蝦”；如果工作流程很清晰、步驟很明確，非常標準化，此時就可以考慮養(yǎng)只“龍蝦”助理，這樣也會更省事；還有一種就是需要多工具協(xié)同的，比如部分文案工作從選題、成稿到發(fā)布，需要用到搜索工具、寫作工具、排版工具、發(fā)布工具，這時候也可以養(yǎng)只“龍蝦”，讓不同的平臺協(xié)同起來。

如果你的工作個性化程度很高，評價標準模糊，工作流程也不固定，這種工作場景就不適合“養(yǎng)龍蝦”。

南都：目前來看，“龍蝦”落地的應用場景有哪些？你比較看好哪些場景？

向安玲：目前“龍蝦”落地的場景很多。我自己主要是做PPT、寫比較模式化的數(shù)據(jù)分析報告等。

值得一提的是，“龍蝦”在金融場景的應用也有很多，我此前參加了一些行業(yè)會議，看到超過10只的金融版“小龍蝦”，它們可以做行業(yè)研報的生成、風控分析、客服自動化等。

從落地場景來看，兼具信息密集、流程標準、容錯率高三個特性的場景，是適合“龍蝦”率先落地的。比如金融領(lǐng)域的研報分析、媒體的選題挖掘就很適合交給“龍蝦”。還有教育版“龍蝦”，可以幫助老師做智能課件、智能批改、自動問答，甚至是課程設(shè)計。

但像醫(yī)療領(lǐng)域的開藥、手術(shù)，司法領(lǐng)域的判決，這些場景的容錯率是很低的，決策風險很高，那么“龍蝦”在這些場景中落地還很難。

南都：傳統(tǒng)印象里“龍蝦”屬于“技術(shù)活”，你作為一名文科教授，是怎么會想到養(yǎng)“龍蝦”的？

向安玲：這是對AI、“龍蝦”最大的誤解。“龍蝦”表面是一個技術(shù)問題，但其最終要落到應用層面，而“蝦”養(yǎng)得好不好、用得好不好則需要價值判斷，還涉及倫理風險等，而這方面是需要文科思維的。

事實上，目前市面上一些應用廣泛的技能包，有不少都是出自文科生之手。另外學院新設(shè)立了智能傳播系，目的就是觀察新的媒介技術(shù)對傳播的影響，我在這方面也是一直有關(guān)注的。

采寫：南都N視頻記者楊文君 發(fā)自北京