“养龙虾”爆火之后：别把技术幻想当成生产力现实

当所有人都在谈论「数字员工」时，我们需要冷静下来问一句：它真的准备好为我们工作了吗？

一场史无前例的技术狂热

2026年初春，互联网世界被一个名词彻底点燃——“小龙虾”。这不是什么水产养殖的新品种，而是一个名为OpenClaw的开源AI智能体项目。从程序员到普通上班族，从科技媒体到两会会场，几乎所有人都在讨论这个能“替自己干活”的数字助手。社交媒体上，“养龙虾”成为最新的社交货币，相关话题频繁冲上热搜榜单。在GitHub上，OpenClaw短短三个月便突破了25万Star，一举成为该平台历史上获星最多的软件项目。

这场狂热的背后，是一根极具诱惑力的技术叙事线索：每个人都可以在自己的电脑上拥有一个“数字分身”，它能替你看网页、点按钮、跑流程，甚至像一个不知疲倦的员工那样去赚钱。这种想象与当年无人驾驶最流行的幻想如出一辙——白天送我上班，空闲时自己去跑网约车。技术叙事总是如此诱人，它描绘的未来让人心潮澎湃，难以抗拒。

然而，当我们从狂热中抽身出来，用冷静的目光审视这一切时，一个不得不面对的问题浮现出来：技术叙事的感染力，是否真的等于技术价值的成熟度？

被误解的“周末项目”

OpenClaw的诞生本身就是一个充满戏剧性的故事。它由奥地利退休程序员彼得·斯坦伯格（Peter Steinberger）在2025年11月发起，最初只是一个用来打发周末时间的“周末项目”。然而，正是这个看似随意开始的项目，在短短几个月内掀起了AI领域的新浪潮。5

从技术架构来看，OpenClaw的核心使命非常明确：打破大模型“只说不做”的困局。我们熟悉的ChatGPT、豆包等对话AI再强大，也只能在对话框里提供文字建议，而OpenClaw试图让大模型获得本地操作系统的权限，能够直接操作电脑和手机，执行各种实际任务。这听起来确实令人振奋——一个能够真正“干活”的AI，仿佛科幻电影中的人工智能助手已经触手可及。6

春节前夕，在OpenClaw还没有完全出圈时，不少技术爱好者就已经在Linux、Windows和Mac三套系统上完成了部署，并投入真金白银进行测试。他们想要验证一个核心问题：这个所谓的“数字员工”，到底能不能进入真实的交付场景？5

测试结果或许并不如预期那般美好。

理想与现实之间的鸿沟

经过深入的使用和观察，许多早期测试者得出了一个并不复杂的结论：OpenClaw是一个有趣的开源项目，但远没有到可以被普通人当成生产工具的程度。如果说得更直接一点，在当前阶段，它更像AI时代的“气功热”——演示视频里惊艳，社交媒体上热闹，但真正进入日常工作流之后，成本、失误和不稳定很快就会把美好的滤镜打碎。

让我们正视当前所谓电脑Agent（智能体）的技术瓶颈。从技术路线来看，大体分为两条：一条是视觉路线，让模型看懂屏幕，再模拟人类去点击和操作；另一条是工具路线，把模型接到浏览器、软件和各种API上，在沙盒里调用外部能力。5

前一条路线依赖足够强、足够便宜的多模态模型，但现实是，今天的大模型还没有好到既可靠又低成本的程度。后一条路线则高度依赖软件生态是否开放、接口是否统一，所以它在Unix环境里往往更顺手，但在Windows和国内封闭软件生态里就会明显受限。换句话说，OpenClaw最容易被传播的能力，和普通用户最需要的能力，往往并不是一回事。

被忽视的风险与成本

在这场全民狂欢中，有一个重要维度被有意无意地忽略了，那就是风险与成本。

首先是资金成本。OpenClaw运行过程中需要消耗大量Token（词元），有博主发帖称，周末在自己电脑上部署了OpenClaw，“一晚上就问了几句好，帮我查了一些数据，100万token就没了，还欠费了”。这并非个例。国金证券的分析指出，OpenClaw爆热带动了Token消耗的爆发式增长。在实际使用中，很多非技术用户甚至很难判断问题出在哪里，更别说及时介入和止损。

其次是安全风险。一个拥有较高操作权限的Agent，一旦判断错误，轻则改乱文件、误触流程，重则造成难以恢复的系统和数据损失。社交媒体上，“删光邮件”、“自主购物付款”等翻车事件频发，给兴冲冲的“养虾人”当头浇了一盆冷水。许多开发者对权限、日志、沙盒、回滚有基本认知，但普通用户未必具备这些安全意识。

更值得关注的是安全问题本身。有安全研究人员指出，OpenClaw的安全边界几乎不存在，社区技能库里有现成的提示词注入攻击面，运行时直接跑在宿主机的shell里。一个心怀不轨的PR提交者完全可以通过社区技能库将恶意代码注入用户的本地环境，而维护者根本没在仔细审代码。

狂欢背后的推手们

当我们审视这场“龙虾热”时，会发现一个有趣的现象：整个链条上几乎人人都有动力把这团火烧得更旺。

创业者需要新的故事来获得投资，模型厂商需要持续消耗Token来维持收入，上市公司需要AI概念来提升估值，卖课的博主需要新概念来吸引流量，硬件厂商也乐见用户为了跑Agent再购买一台性能更强的机器。各方势力推波助澜，共同制造了这场规模空前的技术狂欢。5

真正承担试错成本的，反而是最末端的普通用户。他们被美好的技术叙事所吸引，投入时间和金钱去部署、调试、学习，最后发现现实与预期相去甚远。这种体验，像极了一句话：“买家秀”与“卖家秀”之间的巨大落差。

我们应该如何理性看待

判断一个AI方案值不值得追，标准其实并不玄乎。无非两条：第一，它是不是让原本做不到的事情变得能做；第二，它是不是让原本就要做的事情，以更低成本、更高效率完成。

以这个标准来看，OpenClaw对绝大多数普通上班族并没有提供足够清晰的价值。它当然能做一些操作，偶尔还能给人一种“快要成了”的兴奋感，但这种兴奋感并不等于可持续的生产力。很多时候，任务还没完成，Token已经先烧掉一笔钱，而结果却未必比人工操作更稳、更快。

这背后不是用户不会用，而是技术路线本身还没有跨过门槛。

写在最后

笔者并不否认OpenClaw是一个优秀的开源实验。对于开发者研究Agent能力、验证工具调用链路，它当然具有启发意义。但如果你并不懂开发，也没有明确、刚性的任务需求，那么仅仅因为它“很火”就把它部署到自己的主力电脑上，甚至专门为此购置设备，多半不是拥抱未来，而是在为一场被过度包装的技术幻觉付费。

AI真正值得期待的，不是看上去像人在忙，而是能稳定、低成本地创造真实价值。在这一点上，OpenClaw离一场现象级传播很近，离一个成熟的生产力产品，还很远。

当“养龙虾”成为一种社交潮流时，我们或许应该保持一份冷静：不要让技术幻想掩盖了真正的价值创造，也不要让盲目跟风取代了独立思考。毕竟，真正有用的AI工具，应该是在你需要它的时候默默为你工作，而不是在社交媒体上刷屏喊你“养虾”。

在拥抱新技术之前，先问问自己：它真的准备好了吗？你真的准备好了吗？

‍