微信都开始养虾了,我花3天测完4款AI工具,发现了这些秘密

当微信都开始养虾了

2026 年 3 月 22 日，微信做了一件十多年来从未做过的事：向第三方 AI 工具开放了个人用户级的原生通道。ClawBot 插件正式上线，OpenClaw 这只开源“小龙虾”终于游进了微信的生态池。

一个以封闭著称的超级应用，居然向一个安全性备受争议、需要开放系统权限的 AI Agent 敞开了大门。

现在在 AI 带动下，各行各业的节奏快到什么程度？快到你还在研究上周的技术方案，可能你的竞对已经在用最新的产品来优化工作流了。

我一般会在办公桌上弄两个显示器。一个在播放讨论 AI 的播客，另一个也在播放讨论 AI 的播客。

看着这些自动化工具的演示，我突然意识到：如果连微信都在拥抱 AI 自动化，那些还在手动整理资料、手动追踪信息、产出一些基础代码的工作方式，还能撑多久？

这个念头让我开始认真考虑转型，从技术岗转向售前工程师。

所以现在，我得先搞清楚，市面上这么多“小龙虾”工具，这么热，到底哪个能真正帮我提效？

我为什么没选 OpenClaw

OpenClaw 确实很火。GitHub 上 35 万星标，被称为“数字员工”，能自动执行各种任务。但当我真正准备部署的时候，发现了几个问题。

第一个问题是门槛。OpenClaw 需要配置 Node.js 22+环境，租一台 VPS 服务器，花 30-60 分钟做各种配置。

第二个问题是成本。VPS 服务器每月 $50-200，再加上 AI 模型的 API 调用费用，一个月下来至少几百块。

第三个问题是安全性。OpenClaw 的 43 万行代码里，存在主机级 shell 访问和明文存储 API 密钥的问题。

所以当我看到腾讯的 WorkBuddy 和字节的飞书系列产品时，我决定认真对比一下这些“国产小龙虾”。

四款产品深度对比：谁才是真正的“工作伙伴”

我花了几天时间，把市面上主流的四款产品都试了一遍：WorkBuddy、QClaw、飞书 aily、飞书妙搭 OpenClaw。

WorkBuddy

核心优势

零代码、开箱即用，这是它最大的卖点。下载安装，扫码绑定微信小程序，10 分钟就能跑起来。支持 Plan 模式（重规划）和 Craft 模式（重执行），可以根据任务类型切换，但模式切换仅在 pc 端。

多模型支持也是亮点。内置 GLM-5、Kimi-K2.5、MiniMax-M2.5 等主流大模型，可以根据任务自动或手动切换。

内置 140+垂直领域专家，就是提示词，类似豆包的智能体，覆盖多种专业场景需求。

支持 MCP 协议扩展第三方技能，像手机装 APP 一样简单。

积分制付费模式，新用户赠送 5000 积分，轻度用户基本不用花钱，单次任务低至 0.15 元。

核心劣势

复杂任务处理能力有限。多步骤复杂任务（如“数据分析+可视化+结论”全流程）容易崩溃或执行超时，需要人工拆解成多个子任务。

小程序功能受限。可以对话，但文件无法传输处理。同时，pc 端的对话，自动化任务等，在小程序无法看到，没有同步。在我理解，小程序暂时是一个噱头。

同时，虽然送的积分多，但高峰期间可能无法使用的，所以还是得自己配 API 合适。

系统资源占用也是个问题。需要常驻电脑运行，占用一定系统资源，低配电脑可能出现卡顿现象。

QClaw

核心优势

无缝接入微信是最大的优势，对于习惯用微信沟通的人来说很方便。每天有高达 4000 万的 Token 额度，对于日常简单任务来说基本够用，性价比很高。可以操作本地电脑，执行一些本地任务，比如读取文件等。

核心劣势

稳定性是硬伤。QClaw 经常无故崩溃、闪退，或者任务执行到一半就中断了，而且没有清晰的日志提示，很难排查问题。反应迟钝，响应速度很慢。

智商感人。自带的大模型不够聪明，像“人工智障”，稍微复杂一点的任务就无法处理，甚至会吞掉对话记录。定时任务等功能也不稳定。

简单测试到小红书搜索自己相关的帖子，得到的内容不正确。

飞书 aily

核心优势

无缝接入，开箱即用。最大的优势是与飞书生态深度融合。

激活后会直接出现在你的通讯录里，无需复杂配置，就能读取你授权范围内的文档、日历、多维表格等信息。

企业级安全与权限管理。作为飞书原生产品，它在数据安全和权限管理上比第三方工具更有优势。所有操作都在飞书的安全框架内，敏感操作需要你的确认，数据不会被外部存储，这对于企业用户来说是核心考量点。

强大的自动化潜力。它被设计用来串联飞书的各种功能，能完成创建文档、整理资料、数据分析、定时汇报等复杂任务，目标是成为一个能直接替你干活的“AI 同事”，而不是简单的问答工具。

核心劣势

成本高昂，且消耗极快。也是大家吐槽最多的地方。

免费额度非常有限，用户反映稍微处理一些复杂任务，点数就迅速耗尽，需要付费购买 69 的会员，且点数不多，不能接入第三方 api。吞金兽～

例如下面示例，消耗 40 点额度，按 1000 点 69 元，就花了 2.76 得到一份文档。

有时候抽风，权限开启过程繁琐，有时需要逐个授权，影响使用体验。

飞书妙搭 OpenClaw

更多测评内容可以看上一篇内容：养虾一个月后，我发现只有飞书妙搭版值得推荐

核心优势

零门槛，一键部署。这是它最大的优点。相比传统 OpenClaw 需要自己折腾服务器和代码，飞书妙搭提供了“一键云端部署”功能，几分钟就能搞定，对技术小白非常友好。

原生打通飞书，能干“正事”。部署后，它可以像一个真正的同事一样，在飞书里帮你操作云文档、多维表格、写日报、整理资料，实现一些自动化工作流。飞书云文档打通，真的能干活。创建文档、创建表格都很方便。

核心劣势：

Token 额度小，消耗极快。因为它能处理文档或写长文，所以 Token 会以惊人的速度消耗。十几分钟就能用光一天的免费额度，或者一个月的会员额度。所以需要自己配第三方会很好。不然：

“一个多小时，我的啥也没干，会员购买的 token 就没了，又提示我继续充钱；部署很快，聊不了 10 句话，就超出免费额度了。”

模型“智商”不稳定。虽然比 aily 的原生模型评价稍好。

四款产品对比总结

从对比来看，如果你是微信重度用户，尝尝鲜的，WorkBuddy 和 QClaw 是首选；

如果你的工作高度依赖飞书，工作资料在飞书的，飞书 aily 和妙搭 OpenClaw 更合适。

但无论选哪个，都要做好“不完美”的心理准备。

我的转型计划

作为一个计划转型做售前工程师的人，我到底需要 AI 帮我做什么？

售前工程师的工作，说白了就是“用技术语言打动客户”。这个过程需要三个能力：

信息收集能力（知道竞品在做什么、行业在发生什么）、

需求理解能力（听懂客户真正要什么）、

方案呈现能力（把复杂的技术方案讲清楚）。

前两个能力，恰好是 AI 最擅长的“机械重复劳动”。我设计了四个场景，来验证这些工具能不能真正帮我提效。

场景一：竞品情报自动化

售前工程师必须对竞品了如指掌。

客户问“你们和 XX 产品有什么区别”，你不能说“我不太了解”。

但每天花 1 小时刷竞品网站，这种工作既机械又必要。

我给 WorkBuddy 设置了一个定时任务：每天早上 6 点，8 点，10 点（防止失败），自动访问 5 个主要竞品的官网、技术博客和 GitHub 仓库，抓取更新内容，整理成结构化的日报推送到我的微信。

这个过程完全自动化。AI 会打开浏览器，访问每个网站，识别“新闻”“博客”“发布”等关键区域，提取标题、时间、摘要和链接。然后按照“产品更新”“技术动态”“市场活动”分类整理，过滤掉广告和无关内容，最后生成一份 500 字左右的简报。

AI 会做两件事：筛选和解读。

它会判断哪些更新对售前工作有影响，比如竞品发布了新功能、降价了、拿到了某个行业的标杆客户。

然后用一句话总结“这个更新意味着什么”。

这种信息密度，比我自己刷一小时整理出来的还要高。因为 AI 能同时处理几十个信息源，而我只能一个个看。

场景二：客户需求自动提取

售前工程师最怕的就是“理解偏差”。

客户说的和你听到的，往往不是一回事。一场两小时的需求沟通会，会产生大量零散的信息：客户说“我们希望系统能支持 XX 功能”，过了十分钟又说“对了，还要考虑 XX 场景”，最后临走时补充“预算大概是 XX”。

会后你要把这些信息整理成结构化的需求文档，分类成“功能需求”“性能需求”“预算约束”“时间要求”。这个过程既费时又容易遗漏。

现在我会把会议录音或聊天记录发给飞书 openclaw，让它自动提取关键需求。AI 会识别出所有带有“需要”“希望”“必须”“最好”等关键词的句子，按照需求类型分类，标注优先级，写到多维表格内进行项目管理。

场景三：售前素材库的自动管理

售前工程师的专业度，很大程度上体现在“能不能快速拿出相关案例”。

客户突然问“你们有没有 XX 行业的案例”，然后你开始疯狂翻文档、找截图、问同事“那个项目的方案还在吗”。

问题不在于没有素材，而在于素材散落各处：有的在共享盘，有的在个人电脑，有的在聊天记录里。每次找资料都像考古。

飞书多维表格搭建一个自动化的素材库管理系统。每当团队完成一个项目，我会把方案文档、客户反馈、实施截图统一丢给 AI，它会自动提取关键信息：客户行业、业务场景、解决方案、技术架构、项目周期、客户评价。然后按照行业、场景、技术标签分类存档进去。

下次客户问“有没有金融行业的案例”，我只需要在飞书里问一句，AI 就能从素材库里找出所有相关案例，附上方案摘要和关键截图。整个过程不超过 30 秒。

这种体验的差别在于：以前是“我记得有个案例，但我得找找”，现在是“有，我马上发给你”。这种响应速度，直接决定了客户对你的专业度判断。

场景四：群聊总结

售前工作是典型的团队协作。

你需要知道产品有什么更新、竞品有什么动作、哪些客户在跟进、哪些方案在准备。但这些信息散落在产品群、销售群、项目群里，每天光是刷群消息就要花半小时。

更要命的是，群聊信息的特点是“碎片化+高噪音”。产品群里，技术讨论、Bug 反馈、版本发布混在一起；销售群里，客户吐槽、订单进展、内部八卦交织；项目群里，方案讨论、进度更新、临时通知此起彼伏。

对于刚转型的售前工程师来说，这种“被动信息同步”尤其重要。你不可能主动去问“今天有什么更新”——这会显得你不专业。但如果错过了关键信息，客户问起来你一脸茫然，那就更尴尬了。

WorkBuddy 和飞书 aily 来解决这个问题。WorkBuddy 可以定时读取企业微信群聊记录，飞书 aily 可以直接读取飞书群消息。

AI 会做三件事：过滤噪音（排除闲聊、表情包、无关讨论）、提取关键信息（只保留对售前工作有价值的内容）、结构化呈现（按照“产品”“竞品”“客户”“方案”分类）。最后生成一份 300 字左右的简报，推送到我的微信或飞书。

对 AI 自动化的三点思考

体验完这四款产品，搭建完自己的自动化系统，我的一些思考。

AI 不是来“替代”你的，而是来“解放”你的

AI 抢走的，不是我们的工作，恰恰是那些“我们不应该花时间做”的工作。

竞品情报、需求整理、素材管理、信息同步，这些工作重要但机械。

它们消耗你的时间，但不产生独特价值。

真正产生价值的，是你基于这些信息做出的判断：这个客户的真实需求是什么？我们的方案哪里能打动他？竞品的弱点在哪里？怎么设计一个让客户无法拒绝的方案？

这些判断需要经验、直觉、创造力，需要你真正理解客户的业务和痛点。而这些，AI 做不到。

售前工程师的价值，从来不在于“整理了多少资料”，而在于“打动了多少客户”。

工具的价值不在于“能做什么”，而在于“能稳定做什么”

对比这四款产品，我发现一个规律：功能最多的，不一定是最好用的；最便宜的，不一定是最划算的。

真正决定工具价值的，是“稳定性”和“可预期性”。如果一个工具今天能用，明天崩溃，后天又能用，那它的实际价值接近于零，因为你无法把关键工作交给它。

我最终选择 飞书openclaw 。

转型的本质不是“换工作”，而是“换思维”

我计划转型做售前工程师，因为在 AI 时代，“纯技术岗”的价值正在被重新定义。

以前，技术能力是稀缺的。你会写代码、会配服务器、会调系统，就能拿高薪。

但现在，AI 可以写代码、可以配环境、可以调参数。技术能力不再是“稀缺资源”，而是“基础能力”。

真正稀缺的，是“把技术转化成商业价值”的能力。

这需要既懂技术，又懂客户；既能写代码，又能讲故事。这恰恰是售前工程师的核心能力。

多了解 AI 自动化工具，让转型变得更容易。以前需要花大量时间积累“信息优势”（知道竞品在做什么、行业在发生什么），现在 AI 可以帮你做这些。只需要专注于“判断优势”（基于这些信息做出正确的决策）。

未来不是去和 AI 竞争“谁能做更多事”，而是去思考“AI 做不了的事，我怎么做得更好”。