第一批体验 OpenClaw 的人，已经开始清醒了

开年至今，OpenClaw 的热度愈演愈烈，「养龙虾」潮从 AI 圈扩散至各行各业。在 GitHub 上，OpenClaw 突破 250K+ 的 Star，成为了 GitHub 上面获星最多的软件项目。 社交媒体上，用 OpenClaw 开「一人公司」、靠 OpenClaw 日入斗金的消息被不断转发，仿佛 2026 年的财富密码就藏在这儿。 不同于豆包代表的 Chatbot，OpenClaw 是一套可本地运行、开源免费的 AI Agent 框架，核心在于「让 AI 真正动手干活」。 风口之下，全球 AI 巨头们接力做出了自家的「OpenClaw」，云计算服务厂商们纷纷推出一键部署服务，试图将开源 Agent 的泼天流量，转化为自家平台的长期订阅收入。 但喧嚣的另一面，OpenClaw 有一定门槛，普通人光是配置就能折腾好久。而 OpenClaw「删光邮件」「自主购物付款」等翻车事件频发，养一只 OpenClaw 也意味着真金白银的投入——电费、API 调用与存储成本叠加，每月开销并不低。 《降噪 NoNoise》近日访谈了多名来自不同行业的深度使用者——从技术极客到传统行业的 AI 尝鲜者，试图回答一个问题：对于普通人而言，OpenClaw 是场短暂的产品狂欢，还是值得长期氪金的 AI 助手？ 01 从律师到淘宝店主 全民「养虾」潮来了？ 杨明锋没想到，躺在床上发号施令就能赚钱的日子来得这么快。 作为「一人公司」的老板，他的工作是替客户完成软件开发——更准确地说，是「指挥」不同 AI 协作完成开发流程：他负责与客户沟通了解需求，随后将其喂给 AI 生成需求文档，再监督不同模型分工完成架构规划与代码落地。 OpenClaw 出现后，他很快注意到这个能替人「干活儿」的 AI 助手，当天便在自己的工作电脑上完成了部署。 第二天早上，他的手机照常弹出客户的修改需求。以往遇到这种情况，他必须起床坐到电脑前处理。但那一刻，一个念头突然冒出来：能不能让 OpenClaw 来做？ 「帮我找到电脑某个目录下的项目，根据这些需求做一下修改。」 不久，OpenClaw 回复：修改完成。 「运行一下项目，把局域网地址发给我。」 片刻后，一个链接弹了出来。 「把修改好的版本直接推送到线上发布。」 几分钟后，线上版本成功更新。 那一刻，兴奋感几乎压过了困意，他意识到 AI 员工正在成为现实。 很快，作为软件开发者的他意识到 OpenClaw 对一些中文用户不太友好，便向官方提交了汉化的代码，但石沉大海。随后，他便有了开发 OpenClaw 中文分支版的念头。 这对有开发基础的他来说并不复杂，他用了一天来做界面汉化，一天搭建网站。随后，他继续补齐一系列本地化基础设施，比如集成了飞书扩展集，使用户可以直接接入飞书平台——这部分代码后来也被 OpenClaw 官方团队采纳。 ▲OpenClaw 中文社区官网首页 OpenClaw 中文社区上线后，30 岁的杨明锋迎来了人生的高光时刻：上线首日网站独立访客破千，次日起破万。短时间内，他运营的社群扩展到了 29 个，几乎每天都能进满一个 200 人的新群。 他没想到，这么多人对 OpenClaw 跃跃欲试。 OpenClaw 创始人 Peter Steinberger 曾在访谈中建议，开发者应以「玩」的心态去接近 Code 和 Agent 工具，去完成那些一直想做却迟迟未动手的项目。 杨明锋观察发现，他的社群中，除了技术与互联网行业从业者，也有行政、律师、财务等传统职业，以及淘宝店主等个体经营者。年龄跨度同样明显，从 05 后大学生到中年企业高管，都在尝试这套新工具。 ▲某受访大学生通过 OpenClaw 制作网站 这意味着，「龙虾热浪」正从极客圈层向更广泛的人群扩散。 本地部署的门槛再高，也压不住用户的热情。电商平台上，售价 198 元到 566 元的远程安装服务，销量已破 900+，成为继安装 DeepSeek 之后的又一热门服务。闲鱼和小红书上，OpenClaw 上门安装的报价从几十元至几千元不等。 ▲电商平台的 OpenClaw 安装服务 由于 OpenClaw 需要接管系统底层权限，大多数用户出于对隐私边界和数据安全的警惕，选择将其部署在不常用的电脑或云端服务器中——常年坐冷板凳的 Mac mini 一下成为当红炸子鸡，出现一机难求、涨价断货。 更多部署门槛低的「Claw」也相继出现，比如 MaxClaw 把原本需要本地部署的 OpenClaw 搬到了云服务器上，KimiClaw 直接在 Kimi 官网或 APP 里就能用。 02 封神与祛魅： 部分好用，但无法替代生产力 对于普通人来说，OpenClaw 最吸引人的点在于：它的记忆能力很强，用户反馈的越多，它越懂你；用户可以通过移动端聊天程序指使它 24 小时不停歇的干活。 作为产品经理的 sensen，每天需要长时间通勤，一直渴望有款产品能让他不带电脑也能稳定调度 AI 模型生成代码。在接入 OpenClaw 后，每天通勤路上，OpenClaw 会自主读取并分析线上数据看板。这样在早会上，sensen 就能根据 Agent 抓取的最新数据，迅速指挥团队进行业务调整。 在日常生活中，sensen 还在 OpenClaw 里养了一支投资「智囊团」。 作为个人投资者，sensen 曾被海量的财报和分析师言论淹没，研究一个标的要几个小时的时间，现在直接把需求丢给 OpenClaw 研究。 在他看来，这就像一个圆桌会议，「我抛出一个目的，看这群 Agent 互相讨论，甚至产生我没想到的问题。而且它的记忆存储能力很强，能够记住个人的投资风格。」 像 sensen 这样的投资者并非个例，在 OpenClaw 的社群里，股票分析、量化交易、投研报告、Crypto 交易、一级市场研究……几乎每个细分的场景，都有人试图用这只「龙虾」撬动更大的信息优势。 ▲OpenClaw 中文社区微信群现已有 29 个 律师邹浩则将 OpenClaw 嵌入业务流程。 在发现 OpenClaw 后，他曾两次尝试本地部署。这对非技术出身的他来说并不轻松：他一边用 Coze 写代码，一边让 GPT 解决 Bug，在屏幕前死磕了 7 个多小时才跑通了程序。 在使用 OpenClaw 的过程中，邹浩尝试用它来抓取网页、分析数据，甚至进行模拟谈判——这是 Chatbot 无法做到的。作为中部三线城市一家律所的负责人，他原本计划春节期间将 AI 嵌入律所的 OA 系统，后来干脆准备开发机器人。 而在一家企业做行政的小贾，直接将 OpenClaw 定位为「文秘」，他计划把写日报、周报、季度总结乃至年度考核材料的工作逐步交给它处理。相比 Chatbot 只能一次性生成内容，OpenClaw 可以调用本地资料、持续迭代修改，更接近真实的工作协作。 算法工程师秋风则将其视为玩具，他通过 OpenClaw 创造了一个名为「Liko」的小红书账号，给它设计了人设，接入了生图模型和多模态能力，还设计了一套心跳机制，让它每 5 分钟自动巡视一遍小红书。 每天，Liko 会自动登录小红书、看通知、回评论，刷别人的帖子并留下评价。如果有人在评论区发恶意代码想「入侵」她的电脑，Liko 还会自动回怼。 ▲Liko 的小红书主页以及在其他网友帖子下面的留言 不过在使用过程中，大家也在逐渐祛魅。 首先，对于没有编程基础的普通人来说，「养龙虾」的门槛依然不低。 部署只是第一步，OpenClaw 的运行高度依赖本地环境，每个人电脑的系统版本、依赖库、网络配置都不同，安装完成并不意味着可以稳定运行。 在与 OpenClaw 沟通的过程中，改个模型 API、加个搜索 API、创个 skill、搬个文件目录、建立新连接等各种原因都可能导致它「死掉」，每次修好需要半小时以上。 刚处理断联问题时，由于缺乏经验且不熟悉命令行，用户更像是那个 24 小时待命的助手。 而 OpenClaw 的能力上限取决于调用的大模型能力。接入了能力差的模型，就像招了一个积极但是极容易惹祸的实习生。律师邹浩在使用的过程中发现，一旦投喂的上下文过多，OpenClaw 就会崩溃；而 sensen 每次都让 OpenClaw 在总结时标注个股的实时报价，方便核查它是否在拿不到数据的情况下「胡说」。 ▲律师邹浩发帖讨论 OpenClaw 使用感受 通常情况，大模型能力的强弱与其价格成正比。目前，sensen 每月支付几百美元的 Token 费，他调侃自己是「贷款上班」。而在大模型出现之前，作为产品经理的 sensen 几乎没有为产品付费的习惯。 作为一个没有通勤焦虑且需要沉浸式工作的科研工作者，Fermi 对 OpenClaw 的初次体验甚至带有几分负面看法。在她看来，这位「AI 员工」虽 24 小时在线，但只能事件驱动，更适合做运营类工作——被动响应而非主动创造。而科研更倾向于一种创造式工作，她习惯自己坐在电脑前，主动推进事情完成。 而杨明锋在深度使用后，他还是退回到了「半自动」模式：人不在电脑旁时，用 OpenClaw 应急改需求；人在电脑旁时，依然选择直接调派大模型。 「正式软件开发需要操作可视化，我需要看到代码是否标准、优雅。但在与 OpenClaw 沟通中，执行过程是不可见的。」这是杨明锋顾虑的地方。 03 OpenClaw 还能火多久？ AI 迭代迅速，每天都有新热点，每月都会出现新工具，试图「革掉」上一个热门产品的命。再叠加地缘动荡和大厂因 AI 效率提升加大优化力度的消息此起彼伏，很容易让人陷入 FOMO 情绪。 不止一位访谈对象向我们表示，「担心跟不上 AI 产品更新的速度」。 在 AI 圈内，OpenClaw 并不算一款成熟的产品。算法工程师秋风认为，OpenClaw 的技术本身并不算惊艳，底层的 Agent Loop（智能体循环）架构是 2025 年行业卷到头的相对共识。而作为一个开源项目，框架因过度堆砌功能而臃肿，使得其内核不能随着技术迭代同步进化。 这种结构问题直接体现在执行机制上：当任务启动后，OpenClaw 无法像人类一样实时接收反馈并修正错误。「你发现指令有误想让它停下来，它不会立刻停，必须先把上一条指令彻底跑完才会处理下一条命令。」 与之相比，秋风所在科技大厂内部构建了类似平台，并在 Agent Loop 范式上做了进一步改造。尽管这些改进尚未在行业内形成共识，但他觉得该平台比 OpenClaw 更加灵活可控。 这些科技大厂为什么不将类似产品推向公众？核心原因之一在于安全风险。OpenClaw 需要系统级权限，一旦被恶意利用或配置不当，可能导致数据泄露、财产损失甚至企业网络被入侵。服务数亿用户的大厂，显然难以承担这样的风险。 ▲OpenClaw 删光 Meta 安全总监邮箱 但正是这种「不安全」，成就了 OpenClaw 的爆火。开源特性使其能被任意爆改、部署、接入各类社交平台，反而在互联网上迅速传播。 随着圈层扩散和一键部署工具的普及，OpenClaw 门槛持续降低，用户群体不断外扩。这也让很多普通人第一次深度接触 AI Agent。 但在实际运用中，人们很快会意识到它的种种局限。并且，OpenClaw 只是一种工具，或者说一种杠杆——它本身不会创造价值，只能放大使用者原有的能力。 ▲OpenClaw 创始人彼得・斯坦伯格 科研工作者 Fermi 仍在持续使用 OpenClaw，她将其视为「下一代 AI OS 的雏形」，愿意反复与这个尚不成熟的系统碰撞，以启发自己的 Agent 思维。 直到下一款真正成熟、开箱即用的 Agent 出现。 （应受访者要求，sensen、Fermi、秋风为化名）