对话三位“养虾人”：普通人玩转OpenClaw的实用指南
今年开年以来，一股名为“养龙虾”的AI热潮在互联网快速席卷。
短短几天内，各大科技公司纷纷加入这场“养龙虾”狂欢：阿里巴巴接连推出CoPaw、HiClaw、JVCClaw；腾讯与字节跳动在3月9日同一天上线QClaw、ArkClaw；百度、华为等企业也迅速跟进，各类云平台开始提供“一键部署”服务，试图将开源Agent带来的庞大流量转化为新的平台入口。
然而，和所有技术狂欢一样，热闹背后也暗藏着不安。随着OpenClaw需要获取电脑深度权限的问题被放大，关于隐私风险、系统安全以及“AI是否会抢走工作”的讨论逐渐蔓延。3月10日，国家互联网应急中心发布风险提示，多家国企与银行也陆续限制在办公电脑中部署这类Agent工具。在社交平台上，因使用OpenClaw而出现“文件被删”“系统瘫痪”等负面案例也开始增多。
那么，OpenClaw到底是下一代生产力工具的雏形，还是一场被过度炒作的技术狂欢？
最近，带着这些疑问，壹览商业与三位来自不同行业的OpenClaw深度使用者进行了交流。通过他们的真实经历，我们尝试还原一个真实的OpenClaw：它究竟能做些什么，距离真正融入普通人的工作生活，还有多远。
我的“AI投研团队”：效率堪比本科实习生
OpenClaw爆火后，投资人向海在电脑里搭建起了一支“AI投研团队”。
作为一家早期投资机构的负责人，他每天要面对海量信息：创业公司融资动态、技术突破进展、行业研究报告、市场趋势变化……如果依靠人工筛选，大量时间会被消耗在信息检索上。
今年2月，他在X平台第一次看到OpenClaw的相关信息。但由于早期版本主要针对Mac环境开发，而他日常使用的是Windows系统，所以并未立即尝试。直到国内厂商推出适配版本后，他才真正开始体验这套工具。
起初，他使用的是月之暗面推出的云端版“龙虾”——KimiClaw，每月只需支付199元基础会员费，平台就会提供一台40GB的云服务器和模型调用额度，无需本地安装。
这对非技术背景的投资人来说，是进入Agent世界最便捷的方式。但很快，向海就不满足于此。他在本地电脑上又部署了一套OpenClaw，并将两套系统同时接入飞书，做成两个机器人。为了方便管理，他还分别给它们取名：本地的叫Oracle，云端的叫Scott。
两者的分工很明确：Scott负责执行层面的工作，每天自动爬取新闻媒体的融资信息，整理到飞书多维表格；同时抓取国内高校科研项目信息，生成每日投融资日报。Oracle则更像“战略顾问”，持续读取向海电脑中的历史文件，从几千份商业计划书（BP）和研究资料中学习他的投资逻辑，定期生成战略分析报告。
每天早上，向海打开飞书，就能看到Scott生成的融资动态和行业情报；Oracle则会周期性输出战略层面的总结。
最让他惊喜的是OpenClaw在尽调流程中的应用。过去，投资机构做项目初筛时，需要花费不少时间查询公司背景、行业规模、团队履历和技术路线。现在，他只需把一份创业公司的BP发给OpenClaw，几分钟后就能得到一份初步尽调报告，其中不仅包含行业情况和市场规模分析，还会自动去天眼查获取专利数量、股权结构等信息。
“水平大概和本科实习生差不多，”向海表示，“但规范性甚至更好一些。”
最近，他又开始尝试更大胆的操作——让OpenClaw学习自己电脑里几十GB的历史资料。“也许有一天，它能像一个没有情绪波动的我，帮我做一些判断。”
“龙虾军团”的短板：稳定性与可控性待提升
飞轨是一名深耕B2B领域的创业者，目前运营的项目叫DaretoB2B（敢于桥接），主要帮助ToB项目创始人梳理战略和品牌叙事。
更早之前，他在某企业负责品牌市场工作，由于公司涉及算力和AI业务，他接触AI的时间不算晚。但那时，AI在他工作中的角色比较传统：用于营销脑暴、梳理文字、润色内容，像一个反应迅速的助手，还远谈不上“融入工作流程”。
飞轨算是国内第一批“养虾人”。1月24日，他用字节旗下的AI编码工具TRAE搭建了早报系统；1月27日又用ClawdBot重构，将早报流程迁移到OpenClaw。
除了早报系统，他还部署了论文速记与热门论文推文生成系统，以及B2B行业雷达。三套项目每天要梳理约50个海外信源、20篇论文，整体时间成本压缩到约2小时。
“模型会员与API充值一年约5000元，加上三台VPS（两台1核2G、一台2核4G）一年约4000元。”谈及成本，飞轨算了一笔账。
在他看来，OpenClaw目前最大的短板是稳定性和可控性。
稳定性方面，与一些会将任务拆分成明确步骤的AI IDE不同，OpenClaw往往一口气执行到底，交互轮次增多后，可能会忘记之前的要求，用户也难以在中途插手纠正。
可控性方面，OpenClaw仍存在一定“漂移”。比如同样的任务，即使调试成固定模板，隔一天再运行，输出结果仍可能出现细微变化。
目前，飞轨共维护着五台运行OpenClaw的机器：两台在本地电脑，三台部署在云端VPS。他的主工作环境是苹果笔记本，所有核心资料和完整工作流程都保存在本地。云端服务器更像简化版工作区，主要负责运行自动化项目。
这些自动化项目的代码存放在GitHub仓库，只需从仓库拉取代码，就能按既定流程执行任务。相比本地环境，云端机器的上下文信息少得多，但对于标准化任务来说已足够。
飞轨也曾尝试过更激进的设想——打造“龙虾军团”，即让多个OpenClaw协同工作：一个负责规划，一个负责内容生成，一个负责修改和美化。比如给客户做提案时，不同Agent可分别负责框架设计、PPT填充和语言润色。
飞轨的龙虾bot
理论上，每个环节甚至可以调用不同的大模型。
例如做结构规划时使用推理能力更强的模型（如DeepSeek Reasoner）；文字润色和编辑环节换成更擅长语言表达的模型；涉及长文阅读和资料整理时，再用另一类模型处理。
但这套多Agent协作体系目前还处于实验阶段。
降低门槛：“开箱即用”成用户新需求
“可以把Floatboat.ai理解为开箱即用的OpenClaw。”显然，部署OpenClaw有一定门槛，而少卿想做的，正是让普通人也能轻松“养龙虾”。
2025年12月，少卿与团队开发了Floatboat.ai产品，OpenClaw的走红让外界更易理解这款产品的定位。
在少卿看来，OpenClaw的爆火很大程度上源于其想象力，但在实际工作场景中仍存在明显局限。
首先是交互方式问题。当前很多用户调用OpenClaw需借助飞书、Telegram等聊天工具下达指令，工作流程被切割成一段段消息：AI生成文件后发回聊天窗口，用户下载、打开、编辑，还需切换到WPS或Office继续处理。
“这种方式更像‘聊天’，而非真正工作。”少卿说。
他认为，人类本质是视觉型动物，大部分信息通过界面理解和处理。如果用户看不到文件组织方式、浏览器操作过程、任务执行阶段，就难以真正参与和管理整个流程。
其次，任务复杂时，用户难以中途介入、调整甚至终止流程，限制了Agent在复杂工作流中的应用。
基于这些观察，Floatboat.ai在产品设计上选择了不同路径：将Agent直接嵌入用户工作环境。
Floatboat.ai
在少卿的设想中，Agent不应只是聊天机器人，更应是可直接嵌入电脑的软件。用户可在同一界面查看文件、浏览网页、编辑内容，Agent在同一环境协助处理任务，而非通过聊天窗口传递文件。
最后，安全问题也是团队重点考虑的部分。与OpenClaw完全开放权限的设计不同，Floatboat.ai采用更细致的权限管理机制：高风险操作默认受限，只有用户明确授权后，Agent才能访问相关数据或执行操作。
正因为OpenClaw存在各种“翻车”情况，围绕它的“平替龙虾”生态迅速发展。越来越多类似Floatboat.ai的开发者尝试降低部署门槛：有的将复杂本地部署封装成“一键安装”，有的直接提供云端托管服务，用户无需配置模型和服务器，就能在电脑或手机上调用Agent能力。KimiClaw、MaxClaw、ArkClaw等产品相继出现，本质上都是解决同一个问题——把原本属于极客的工具，变成普通人也能使用的软件。
结语
无论是将OpenClaw作为生产力工具的投资人，还是试图将其能力产品化的创业者，他们的判断相当一致：这只“龙虾”确实展现了AI Agent的潜力，但距离成熟工具还有一段距离。
同时，安全问题也越来越受用户重视。工信部网络安全威胁和漏洞信息共享平台（NVDB）监测发现，默认或不当配置下，OpenClaw可能存在指令诱导、信息泄露和系统受控等风险。
一些安全机构也披露，部分部署实例存在远程代码执行漏洞，意味着配置不当可能导致攻击者获取系统控制权。对于需要获取系统深度权限的AI Agent来说，信任边界始终是绕不开的话题。
从更长时间尺度看，这场“养龙虾”热潮释放出清晰信号：AI正从“回答问题”转向“直接做事”。开源社区、云厂商与创业团队几乎同时涌入这一赛道，本身就说明Agent技术的吸引力。
但目前来看，OpenClaw能发挥多大价值，很大程度取决于使用者本身。所以，不必神化OpenClaw，也不必因技术变化过早焦虑。让子弹先飞一会儿，未尝不是好事。
本文来自微信公众号 “壹览商业”（ID：yilanshangye），作者：李彦，36氪经授权发布。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com