20000月薪养得起“龙虾”吗？
编辑￣徐青阳三八节的这个周末，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Al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”。
https://hostloc.com/static/image/filetype/unknown.gif
C6E9k2mvzlaAThHRAAGlomA7Aqk47.jpeg
(22.97 KB, 下载次数: 0)
前天 11:17 上传
点击文件名下载附件
每个**验的“龙虾”都一样吗？
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MacMini。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，云服务价格根据需求的不同，从几
十元到上百元不等，但需要单独考虑模型费用。有些方案中
自带免费模型，有些还需要单独订阅模型或购买API。
优势是网络隔离，即使出问题也不影响你的个人电脑。
但这台云服务器上没有你的个人文件、没有你授权各种账
号，龙虾能做的事情天然受限。它更像一个挂在云端的聊天
机器人加强版，而不是真正接管你工作流的数字助手。
第三类是在个人电脑上直接安装。这是门槛最低但风险最高
的方式。龙虾和你共享同一个操作系统环境，拥有你电脑上
的全部权限。
用Docker容器做一层隔离会安全很多，但配置复杂度也随
之上升。虚拟机方案隔离性最强，但资源消耗大，普通
PC 的配置不一定吃得消。
第四类是模型厂商托管产品。比如Kimi推出了KimiClaw，
MiniMax推出了MaxClaw，这些是厂商基于OpenClaw封装
的云端服务。部署门槛最低，几乎开箱即用，但用户用的实
际上是厂商的基础设施，而不是完整的本地龙虾。这些产品
降低了入门门槛，但能力上限和数据自主性都受到限制。
虽然拥有了“虾”，但是“虾”的体验千差万别，跑在什么硬件
上、它能看到多少上下文、拿到多大权限、有没有隔离层，
等等。
https://hostloc.com/static/image/filetype/unknown.gif
C6E9k2mvzlaAThHRAAGlomA7Aqk47.jpeg
(42.27 KB, 下载次数: 0)
前天 11:19 上传
点击文件名下载附件
02
给龙虾的权限越高越好？
OpenClaw之所以让人兴奋，核心原因是它不只“说”，还能
“做”。
它可以操作你的浏览器、读写文件、执行终端命令、管理日
历、发送邮件。这种执行力的前提是，你得把权限交出去。
但权限是一把双刃剑。
2026年2月，SummerYue在Meta超级智能团队负责AI对
齐，她在社交媒体分享了一次惊险经历：她给龙虾的指令很
简单，“检查收件箱，建议哪些邮件可以归档或删除”。结果
龙虾直接开始批量删除邮件，设置的安全限制完全没有生
效，直到她物理关机才把它停下来
https://hostloc.com/static/image/filetype/image.gif
C6E9n2mvzlWAYvXBAAipqpNxmEo229.png
(114.32 KB, 下载次数: 0)
前天 11:20 上传
点击文件名下载附件
所以，当你看到某个教程鼓励你“给龙虾开放所有权限”时，
请三思。权限越高，龙虾能干的事越多，但失控时的破坏力
也越大。更稳妥的做法是：用一台没有重要数据的备用设备
或Docker容器运行它，逐步开放权限，同时在模型API端
设置硬性消费上限。
03
龙虾不好用，是龙虾的问题？
很多人兴冲冲地装好龙虾，交代了一个任务，结果龙虾要么
卡住了，要么做出一堆匪夷所思的操作。于是得出结论：这
东西不行。
但实际上，龙虾的智能很大程度取决于它背后接的大语言模
型。OpenClaw本身不内置任何模型，它是一个框架，负责
任务拆解、工具调用、记忆管理和反馈循环。真正“思考”的
部分，是你选择接入的Claude、GPT、DeepSeek、Kimi
还是本地的开源模型。
这里有两个关键变量。
第一是模型的能力上限。用顶级模型时，龙虾能理解复杂指
令、自主规划多步任务、处理异常情况。换成便宜的小模
型，它可能连基本的工具调用都完成不了。
第二是模型的成本。这是很多人没有预料到的隐性支出。龙
虾每执行一个任务，都要消耗大量token来和后端模型交
互。
OpenClaw的成本并不在软件本身，而在背后的模型调用；
一旦任务链拉长、工具调用增多、记忆开启，token消耗会
迅速抬升。
比如，一次完整的日历整理加邮件回复可能消耗上万
token；如果启用长期记忆、多Agent协作和定时巡检，单
日消耗甚至轻松突破十万token。
有媒体报道，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”持续氟金多少，把问题归咎于框
架本身，是不太客观的。
04
龙虾已经是成熟产品了？
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Q。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。
05
我必须装“一只虾”，否则就成了“老登”？
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MacMini 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KimiClaw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”。
页:
[1]