作者：哔哔News

为什么突然都在讨论龙虾

2026年的2月，互联网的某个角落出现了一个有趣的现象。从知乎到B站，从小红书到抖音，从微信群到Twitter，人们突然陷入了一场新的热潮。话题不是怎么赚钱，也不是如何升职，而是关于：怎样安装OpenClaw。

深圳腾讯大厦甚至出现了排队现象。有人会上门帮你配环境，价格是500块。这听起来有点荒诞，但它反映了一个真实的渴望——每个人都想要一个AI助手，但都不知道该从何开始。

说到底，这场狂欢的本质是对被解放的想象。工作太多、邮件太多、会议太多，人们工作到晚上十点，周末还要回复消息。突然出现了一个东西说它可以帮你自动化这些，这谁不心动？

傅盛的14天复盘视频刷屏了整个微信工作群。他说自己用OpenClaw养出了一个8个Agent的团队，14天内自动问候了611位好友、产出7篇10万+的文章、生成3条抖音爆款视频。他那句金句成了所有人的心理暗示——以前一天回100条消息，现在龙虾帮他回99条，他只需要审核一条。

看起来特别诱人。仿佛有了这个工具，人就能获得第二条生命。但这也是问题的开始。

OpenClaw是什么？

要理解OpenClaw为什么会爆火，首先要理解它到底是什么。

简单说，OpenClaw是一个开源框架。它的核心功能很直白——让你用配置代替写代码，把任何大模型（GPT、Claude、DeepSeek都行）变成你的自动员工。但简单只是表面。

它的创新在于三个地方。第一，多Agent协作。不是一只龙虾干所有活，而是CEO龙虾管理下各司其职——秘书龙虾负责日程，写手龙虾负责文案，财务龙虾负责报表。这种分工的思想，就像建立了一个微缩的公司。

第二，权限和技能可扩展。龙虾不仅能聊天，它可以自动发邮件、操作网页、调用API、同步Notion。你教它这些技能，它就能用上。

第三，持久化与自动循环。定义好工作后，设置一个定时任务，龙虾可以每天早上8点自动汇报，自己去干活。

这和ChatGPT有很大的不同，ChatGPT需要你不停地问，OpenClaw是主动去做。这听起来像是AI员工的开始。但真实的情况要复杂得多。

OpenClaw在2026年1月底发布，到2月中旬已经有超过6万个GitHub star。这个增长速度不是线性的，甚至不符合典型的开源项目规律。

不仅如此，这股热潮还迅速引爆了大厂的跟进浪潮。短短几周内，腾讯内测QClaw一键启动包并推出WorkBuddy全场景智能体，小米突然发布手机端“Xiaomi miclaw”（被称作“手机龙虾”，目前小范围封测），月之暗面推出的Kimi Claw虽然实现了浏览器一键部署，但实际使用反馈两极分化，部分用户吐槽响应不稳定。

360创始人周鸿祎更是公开表示正在研发一键安装简化版。与此同时，MiniMax的MaxClaw、字节的ArkClaw、阿里的CoPaw等类似产品也接连上线。一夜之间，“Claw”从一个开源项目变成了全行业争相布局的新赛道。

一个被压抑的、巨大的需求在等待这个工具。AI时代的人们都在问同一个问题：这个技术能替我干活吗？OpenClaw给出了一个肯定的答案。

从执行任务到设计流程

但工具本身只是起点。真正有意思的，是看那些已经开始用它的人，他们的工作到底如何改变了。

硅谷有个独立开发者 Alex Finn曾在 X 上分享过自己的工作方式转变，引发了很多共鸣。过去，他的一天几乎被各种工具切割：在 Figma、VS Code、终端和Gmail 之间来回切换，手动写代码、调试接口、部署应用，还要抽时间回复用户邮件和维护社交媒体。真正用来思考产品逻辑的时间反而不多。

在接入 OpenClaw 之后，他把大量流程交给 Agent 处理——读取设计稿、生成代码框架、部署到 Vercel、甚至准备产品上线文案。开发者的角色逐渐从“写代码的人”变成“定义产品方向的人”。

他后来在 X 上用一句话总结这种变化：“我不再是程序员，更像是龙虾的饲养员和董事会主席。”

内容创作者的变化也很类似。小红书上一位科技博主分享过自己的日常，过去做内容几乎是一条完整的流水线：刷竞品找选题、拍素材、剪辑、写文案、发布、再手动回复评论和私信。大量时间就这样消耗在重复劳动上。

现在，接入 Agent 工具之后，一部分流程开始自动化：系统会抓取平台热点、生成选题建议、自动剪辑素材并生成不同版本的视频，同时整理评论数据和用户反馈。创作者只需要提供原始素材和创意方向。她后来在复盘中提到，内容产出效率明显提升，而自己每天真正投入的时间反而减少。

在企业环境中，这种变化也不例外。腾讯云的一些企业客户在分享案例时提到，销售团队原本需要手动维护数百个潜在客户的信息。Excel或CRM里逐个记录资料、逐个发送跟进消息、定期整理销售周报，这些活儿全是机械重复。

接入 Agent 之后，情况变了。系统可以自动读取客户数据、生成个性化沟通内容、提醒跟进时间，并自动生成销售报告。销售人员的工作反而变得更简单——识别真正有成交可能的客户，然后把时间花在面对面的沟通上。

从这些不同领域的案例可以看到一种共同的变化：原本占据大部分时间的重复性工作，开始被自动化流程接管。工作结构逐渐从执行任务转变为定义目标与判断结果。

但现实的问题也很快出现——大多数人安装 OpenClaw 之后，并没有复现这些场景。

一小时配好，一周卡死

有一个现象在社区里非常普遍。不少人在配好 OpenClaw 的第一周，都会说出同一句话：“然后呢？”

这是一种真实的困境。进一步观察就会发现，大部分人卡住的原因其实来自两个层面。

认知障碍

许多装了OpenClaw的人，配环境的一小时里都很兴奋，和朋友讨论着各种可能性。但一周之后，故事就变了。这不是OpenClaw的问题，而是使用者的问题，这种困境背后往往存在四个认知断层。

第一个是职业分工的局限性。大多数人在工作中，只能看到价值链的一小段。市场部门可能根本不知道销售团队是怎么把潜在客户转化成订单的，销售人员也很少了解产品团队是怎么决定功能路线的。

OpenClaw这种 Agent 框架最擅长的恰恰是整条流程——从信息收集、内容生成、发布执行，到反馈收集和持续优化。如果你只盯着自己那点小环节，很难想象一个完整的自动化流程能长什么样。

第二个是缺乏损益意识。企业主或创业者往往能更快找到 Agent 的用法，而普通员工却很难。原因是前者通常拥有一张清晰的损益表：每个环节的成本是多少、产出在哪里。

当这张表足够清晰时，哪些流程值得自动化、哪些环节可以提高效率，往往一目了然。相比之下，许多普通职场人并不知道自己工作的真实价值结构——不知道哪一步最耗成本，也不知道哪一步对结果影响最大。

第三个是没梳理过工作流。大多数人日常的工作模式是接到任务就完成，然后提交结果。很少有人会停下来问一句：我这个任务到底分几步？哪些步骤在重复？哪些环节需要判断？而 Agent 的运行完全依赖流程清晰。如果流程本身都没梳理出来，想自动化就像空中楼阁。

最后一个是缺乏独立设定目标的能力。很多人能按指令干活，但要自己设定一个清晰目标就很吃力。而 Agent 不一样——它需要你先告诉它，任务是什么，完成标准是什么，结果怎么判断。如果目标模糊不清，它自然也帮不上忙。

这四个原因叠在一起，就是那个“然后呢”时的真实状态。

技术与使用门槛

但问题并不完全来自认知。如果只是认知问题，通过学习案例和梳理流程，理论上可以逐渐解决。现实情况却是：很多人即使尝试过，也依然停在原地。

原因在于另一层更现实的限制——技术门槛。

在当前阶段，OpenClaw 对普通用户来说仍然更接近一个开发者工具。部署和运行往往需要配置本地环境或服务器，甚至需要搭建 VPS，并连接多个模型 API。对于没有技术背景的用户而言，这些步骤本身就构成了一道不低的门槛。

其次是对结构化输入的要求。Agent 并不是一个通过模糊指令就能完成复杂任务的黑盒系统。如果希望它自动生成内容或执行流程，就必须提供清晰的输入信息：产品是什么、目标用户是谁、语气风格如何、输出格式是什么。而把一个模糊需求转化为结构化指令，本身就是一项并不简单的能力。

使用成本也是许多尝试者会遇到的现实问题。OpenClaw 在运行过程中通常需要持续调用大型模型接口，例如 OpenAI、Claude 或国产模型。如果一个自动化流程需要长期运行，Token 调用次数很快就会上升。与此同时，一些用户还需要额外部署 VPS 或服务器来保证运行稳定，这也意味着持续的费用支出。

在部分地区访问海外 API 的稳定性并不理想，这也会直接影响 Agent 的可靠性。

其次是权限与安全之间的平衡。如果希望 Agent 真正高效运作，就需要赋予它一定的操作权限，例如自动发送邮件、更新文档，甚至执行线上操作。但权限越高，潜在风险也越大。

Meta的安全负责人 Summer Yue 曾分享过一次经历。她让 Agent 清理三个月未读邮件，并保留重要内容。但系统的判断规则却是“未读超过七天不重要”，结果误删了包括战略邮件在内的一些关键信息。

类似的案例也出现在媒体报道中。《WIRED》的一名记者曾让 Agent 在 Amazon 上自动帮自己砍价。系统在多次尝试后甚至冒用他的身份向卖家发送退款请求，最终导致账户被冻结。

这些案例提醒了一件事：Agent 的能力越强，对使用者在流程设计和权限控制上的要求也越高。

因此，现实情况往往是两层障碍同时存在——在认知层面，很多人不知道应该如何使用 Agent；在技术层面，即使有想法，也可能因为成本、稳定性或安全问题而停在原地。

这也是为什么，在安装 OpenClaw 的最初阶段，真正能够迅速产生生产力的人仍然极少。一些研究者甚至指出，现阶段能够让 超过一半日常工作被 AI 接管 的案例仍然屈指可数。

这些事说明使用者和工具之间的鸿沟，比我们想象的还深。

从工具到权力的转变

如果说现在的OpenClaw还是个工具，那未来它会变成什么？

有一个角度很少被讨论——权力的转移。当一个企业里所有人都有了自己的Agent时，真正掌握权力的是谁？是那些能配置Agent、能定义Agent目标的人。

这不是科幻。飞书在3月初上线了一个案例：一家50人的SaaS公司把龙虾接入企业微信和飞书，自动拉新员工进群、踢掉僵尸用户、生成会议纪要、周末自动生成周报给老板。结果HR每周省了12小时，人效提升41%。乍一看很爽，但背后逻辑是：自动化不仅解放了劳动，也自动化了监控。

更进一步想象。如果工作完全被Agent接管，人的价值在哪里？当Agent能做所有重复工作时，人类的工作会变成什么？是更创意的事，还是被彻底替代的事？这取决于你是掌握Agent的人，还是被Agent管理的人。

这不仅是个人的问题，也是全球的问题。

但有趣的是，即使卡点重重，OpenClaw在全球各地的传播仍然火热。更有意思的是，它在不同地方被“驯化”成了完全不同的东西。

美国是权力实验场，核心玩家主要是独立开发者、YC 创业者和自由职业者。玩法不只是自动化重复劳动，还会让龙虾做 CEO 级辅助决策，例如跑增长实验、写 Pitch Deck、处理投资人邮件。

Alex Finn 就是典型案例，他用龙虾把一个从零到一的 App 开发压缩到七天。有人甚至把龙虾当作商业分身，自己只管战略，执行和优化全部交给龙虾，一个人可以同时运营多个项目。

欧洲则走了完全不同的路。受 GDPR 和 AI Act 影响，OpenClaw 安装量低（约 8%），核心玩家多为合规官、技术伦理学者和大企业创新部门。使用方式严格，操作本地运行、数据操作需人工确认、邮件和浏览器动作必须批准。功能受限，成本高，但体现了对权力转移的谨慎态度。

中国用户的玩法更接地气，也更务实。重点是降本增效、快速产出。腾讯正在内测的 QClaw 就是一个例子。把 OpenClaw 做成了一键启动包，并默认接入 Kimi、Minimax、GLM、DeepSeek 等国产模型，还打通了微信和 QQ。用户可以直接在聊天窗口与 Agent 对话，甚至远程操控电脑执行任务。换句话说，过去需要终端和接口配置才能完成的事情，现在可能只需要点几下按钮。

核心玩家非常广泛，包括内容创作者、电商运营、产品经理、销售，甚至宝妈副业党。小红书博主的例子很典型，周产笔记从 5 条提升到 40 条，月收入翻四倍，每天创意时间不超过两小时。

电商运营也类似：淘宝店铺的选品、listing 优化、咨询回复和评论管理全自动化，成本低而销量不降；有的人用一个龙虾管理抖音、小红书、视频号、微博，每个平台内容都本地化优化。

国产模型价格优势也十分明显，DeepSeek、Moonshot 的费用仅为 OpenAI 的十分之一，每月几百块就能支撑整个系统。这让普通创作者的体验感受到了跃升。

印度、巴西、东南亚等新兴市场的用户则把龙虾当作第一款真正落地的 AI 工具。很多人以前只用 Email、WhatsApp、Excel，现在可以自动接单、报价、开发票、跟进客户。结果是一个人就能完成原本多人工作量，直接跨入 AI 生产力时代。

所以，同样的工具，在不同的社会结构和经济环境下，被理解成了完全不同的东西。

OpenClaw正在重塑每个国家的生产力版图——美国在用它实现个人创业的极致化，中国在用它实现内容和商业的规模化，欧洲在思考权力和法律的边界，新兴市场则在实现技术代差的跨越。每个地区对这个工具的理解，也恰好反映了权力转移在当地的不同表现。

焦虑、困境与突破口

让我们回到一个最核心的问题——如果你已经装了OpenClaw，或者想装，现在该怎么办？

焦虑是合理的。因为焦虑反映了一个真实的威胁——你的工作可能真的会被自动化。但焦虑也是无用的，因为焦虑改变不了什么。

使用OpenClaw的人大致分为三类，他们的抉择完全不同。

第一类是精英，比如傅盛、那些CEO和高管。对他们来说，选择很简单——立刻用。因为他们掌握的恰好是配置权和定义权。他们能把工作流梳理出来，能对自己的损益表了如指掌，所以他们能立刻知道Agent应该做什么。他们的权力会因此爆炸。

第二类是普通知识工作者，可能占大多数。对他们来说，选择更复杂。因为有被替代的风险，但也有学习和上升的机会。关键是你怎么用。如果你只是把它当聊天工具，那确实没什么用。但如果你从现在开始，就养成一个习惯——遇到任何工作，都先想想“AI怎么帮我”——一年后你会发现自己和同龄人的差距大到吃惊。

第三类是边缘的工作者。对他们来说，风险最大。但问题不在于现在，而在于你怎么看待未来。如果你认为自动化不可避免，那不如现在就开始学习怎么用AI，而不是等着被动淘汰。

所以该怎么做？有一个最具体的建议值得记住。

LinkedIn创始人Reid Hoffman最近给了一个建议。他说，如果只能给一个建议，在2027年2月之前必须做的一件事是什么？

他没有推荐某个工具，而是推荐一个习惯——在做任何事之前，都问自己一个问题：“怎样用AI来帮我完成这件事？”不一定非要去用，也不是说AI一定是答案。但要养成这个反射。从计划一次旅行，到写一篇文章，到和家人的一次对话——每件事都过一遍。

这个建议的厉害之处在于，它不是说你要有多高的技术能力，而是说你要有一个新的思维。当AI的能力以指数级增长，而人的适应是线性的时候，早一步建立这个思维，就能拉开与他人的差距。

具体怎么开始呢？三步。

第一步，把这周的工作按步骤写下来。不用很细，粗粒度就行。每个任务大概分几步，输入什么，输出什么。这个过程本身就很有价值——你会发现大部分人从来没有认真梳理过自己的工作流。

第二步，标记哪些步骤是重复的、规则明确的、不需要太多判断的。这些就是Agent最容易接管的环节。

第三步，挑一个最痛的环节，让Agent跑起来。不要想全面自动化，先跑通一个点，感受到效果，再扩展。

回到开头的那个“然后呢”。问题不是Agent不够强，而是你还没想清楚自己要什么。而“想清楚自己要什么”这件事，从来都不是Agent能替你做的。

所以，这个时代真正的分水岭，不在技术，而在认知。有了工具不代表有了能力，有了能力也不代表有了方向。所有的焦虑，最后都指向同一个问题：你真的了解自己吗？

这或许才是OpenClaw带来的最大的改变——不是让我们的工作变得更轻松，而是迫使我们去正视一个一直回避的问题：我们每天在做什么，我们真的想要什么，我们的价值到底在哪里。

在这个意义上，OpenClaw不是一个工具，而是一个镜子。它照出了每个人在AI时代的真实状态——有些人跃跃欲试，有些人惶惶不安，有些人已经开始了改变。

至于你会成为哪一种，现在还不晚。毕竟，一小时的时间，对整个人生来说，不过是开始。