龙虾之父Peter自己说过一句“大实话”：如果你不懂命令行，这个项目对你来说风险太大。这句话值得所有正在犹豫要不要装龙虾的人仔细品味。
文章作者：晓静、徐青阳
文章来源：腾讯科技
三八节这个周末，我们真的很难躲开“龙虾”。深圳腾讯大厦楼下近千人排队公益安装，闲鱼上 500 块一次的上门部署服务供不应求。
围绕 OpenClaw 的讨论甚至已经分裂成两个阵营。
傅盛是最高调的布道者，春节期间骨折躺在床上，14 天和龙虾发了 1157 条消息、22 万字，把它从一个连公司通讯录都查不了的“小白”养成了 8 个 Agent 组成的自动化团队”，公众号甚至在凌晨三点由龙虾自主发布的推文拿下了百万阅读。他给出了一个让每个人都很羡慕也很Fomo的结论：一个人加一只龙虾等于一支团队，这就发生在当下。
阑夕代表了另一种态度。他在“即刻”上不小心和一个 OpenClaw 托管的 AI 账号对话，用他的话说，反应过来之后“如同吃了苍蝇一般恶心”。他对 OpenClaw 技术本身没意见，但认为当前的热闹里充斥着过度的噪音，觉得热闹中有太多“拿着锤子找钉子的兴奋”。
两种态度都有道理，争议本身也证明， OpenClaw 作为一个开源的个人智能体框架，已经破圈，并成为一个普通人也在关注的新范式。
每个人去尝鲜、并体验新的产品本身并没有任何不妥，但是在决定要不要跟风之前，有几个关于龙虾的关键误读，值得先搞清楚。
这可能是最大的误解。
很多人以为 OpenClaw 是一个标准化产品，装上就能用，体验大致相同。事实恰好相反，不同的部署方式，决定了你拿到的是完全不同的“龙虾”。
目前主流的部署路径大致可以分为四类
第一类是专用本地硬件，最典型的就是 Mac Mini。这也是 OpenClaw 创始人 Peter Steinberger自己在用的方式。
一台机器长期在线，专门负责运行 Agent，既能连接本地文件和浏览器，也能挂接消息渠道、自动化工具和各类技能。这样的 OpenClaw 拿到的是完整上下文，做连续任务、跨应用操作、多轮调用时，体验最稳定。
成本包括硬件一次性投入，例如 Mac mini；第二部分是持续电费，这部分其实很低；第三部分是模型费用（API 或订阅），这是长期最大的成本。若改成本地模型，API 费可以压下去，但又会把压力转移到硬件配置上，内存、带宽和散热要求都会明显提高，高配 Mac Studio 或工作站才更合适，仅硬件一次性支出可能就在 10w人民币量级。
第二类是云服务器（VPS）部署。腾讯云、阿里云、百度云都推出了一键部署方案，云服务价格根，月薪两万的用户感叹“养不起 AI 员工”，极端案例下 6 小时账单超过千元。如果贪便宜选了免费或低价模型，体验必然打折；如果选了昂贵模型又不加消费上限，账单可能会让你心跳加速。
所以，龙虾好不好用，首先取决于你给它配了什么“大脑”，以及你愿意后续为这只“虾”持续氪金多少，把问题归咎于框架本身，是不太客观的。
龙虾还不是成熟产品。OpenClaw 从 2025 年 11 月的一个周末实验到现在，满打满算不到四个月。它是一个迭代飞快但仍然粗糙的开源项目，距离真正的“产品”还有明显差距。
目前已知的主要缺陷包括：简单任务有时被过度复杂化处理；任务执行过程中可能莫名中断；记忆功能不够稳定，有时候它会“忘记”之前的对话和偏好；token 消耗和实际产出之间的效率比还有很大优化空间；在安全性方面，ClawHub 上数千个技能中有上百个被发现包含恶意代码。
更根本的问题是，OpenClaw 目前的安装和配置对普通人来说仍然是一道墙。对于自部署用户，仍需处理仓库拉取、运行环境、依赖安装、模型密钥和渠道接入等步骤，对开发者来说这也许只需半小时，但对非技术用户来说，可能花几天也搞不定。
即便用了云厂商的一键部署方案，后续的模型配置、IM 渠道打通、技能安装仍然需要不少折腾。闲鱼上 500 块一次的安装服务能火起来，本身就说明了门槛问题有多严重。
Peter 自己也很清楚这一点。他在播客中强调，“龙虾不是装上就好用的，你需要像带实习生一样‘养’它，给它写 skill 文档，不断通过对话让它了解你的习惯和偏好”。这个养成过程本身就需要投入大量时间和认知资源。
图片来源于网络
那么，到底要不要装龙虾？
排除猎奇和FOMO心理之后，做这个决定需要考虑几个实际因素。
首先，有没有明确的、高频的、可自动化的任务？龙虾的价值不在于偶尔帮我们查个天气，而在于每天自动帮你整理邮件、监控特定信息源、定时生成报告这种重复性工作。如果你的日常工作大部分是创意决策、人际沟通这类龙虾目前帮不上忙的事，那它对你的实际价值有限。
其次，你愿意投入多少时间和金钱？硬件成本（自购设备或云服务器租金）、模型 API 调用费用、前期配置时间、持续的“养成”投入，这些成本加在一起不是小数目。
有人算过一笔账：如果你用 Mac Mini 加顶级模型高频使用，月均成本最低要在人民币几百到上千元。真的要养虾，一定要评估这个成本相对于它给你节省的时间和精力，是否划算。
第三，技术能力和风险承受度如何？如果完全没有命令行经验，现阶段直接上手 OpenClaw 本地部署的挫折感会很强。更务实的选择可能是先试试Kimi Claw或MaxClaw这类封装产品，感受一下 Agent 的基本能力，再决定要不要深入折腾。如果你决定本地部署，务必做好安全隔离，建议用独立设备或 Docker 容器，设 API 消费上限，不要把它部署在存有重要数据的主力电脑上。
第四，也是最容易被忽视的一点：自己的“驾驶能力”。AI 的能力只是放大器，人的能力才是决定因素，AI只能是“副驾驶”。
同样一只龙虾，在一个懂得如何拆解任务、编写 skill、设计反馈循环的人手里，和一个只会丢一句模糊指令的人手里，得到的效果可能相差十倍。
龙虾不会自动变成一个好员工，就像一台好电脑不会自动让我们变成好的程序员。
OpenClaw 确实验证了一种让人兴奋的可能性：AI 不再只是一个聊天窗口，而是真正能替你干活的执行者。但它目前更像是一个充满潜力的原型，并不是一个普通人可以无脑上手的成熟工具。
毕竟，龙虾之父Peter自己说过一句“大实话”：如果你不懂命令行，这个项目对你来说风险太大。这句话值得所有正在犹豫要不要装龙虾的人仔细品味。
不过，作为一个非技术背景的普通人，轻量体验、并摸清楚它的特点，是很有必要的，毕竟，机会仅仅留给最有洞察力和最勤于思考的人。
但是，在一片喧闹之中保持冷静独立思考，才是每个独一无二的人类最独特的优势。