夜雨聆风
龙虾OpenClaw祛魅之后,才是真正值得聊的问题
今年年初，一只”龙虾”爬上了所有科技人的屏幕。
OpenClaw，开源 AI Agent 框架，GitHub 三个月 20 万 Star，”数字员工”的概念第一次真正走进了普通人的视野。
彼时的讨论充满热气：有人让它给汽车经销商发邮件砍价，硬生生砍下 4200 美元；有人装在安卓手机上控制摄像头和传感器；有人搭起多 Skills 工作流，扬言要用 AI 替代自己所有的重复动作。
然后，热潮退去了。
微信搜索热度跌至峰值的 3%。二手平台多了”龙虾卸载服务”。不少人的 OpenClaw 安静地躺在某个文件夹里，和它一起沉默的，还有当初那些跃跃欲试的期待。
一、那些劝退的理由，是真实的
在重新讨论 OpenClaw 值不值得用之前，我想先认真面对那些批评。
Token 消耗失控。 高强度用户反映，月均 API 费用轻松超过 300 美元；轻度用法，两天也能烧完一周额度。对只是”想尝尝鲜”的人来说，这个隐性成本几乎是隐形炸弹。
稳定性参差不齐。 定时任务频繁失败，重启后失忆，模型有时甚至会编造任务进度，汇报”已完成 65%”，实际什么都没跑。
安全隐患真实存在。 早期版本曾有零认证漏洞，部分用户因误操作导致本地核心文件被永久删除；敏感信息若以明文形式存储，一旦被入侵，几乎无从挽回。
部署门槛不低。 没有一键安装包，命令行配置对非技术用户几乎是一道硬墙。连开发者 Peter Steinberger 本人也坦言：这个工具”不适合非技术用户”。
这些不是炒作者夸大的风险，是真实使用中踩过的坑。
二、但有一类人，从没打算离开
热潮退去之后，留下来的用户反而值得认真研究。他们通常有几个共同特征：
有一个具体的、高频的重复任务要解决。 不是”提升工作效率”这种虚的目标，而是”每天早上我需要整理三个来源的行业资讯，现在要一小时，我要让它变成零”。
有基本的技术背景，或者愿意花时间搞清楚 debug。 OpenClaw 的问题，一半靠配置，一半靠调试，能和报错相处，才能真正用起来。
对 Token 成本有预期和控制意识。 他们通常接的是 MiniMax、Kimi、Qwen 等国产模型，或者申请了 Google AI Studio 的免费额度，把成本控制在可接受范围内，而不是盲目接最贵的模型跑最复杂的任务。
不追求”一次配置、永久运行”的幻觉。 他们理解这是一个还在高速迭代的开源项目，出了问题自己修，或者让 AI 帮自己修，把维护本身也当成一种技能在练。
三、闲置的真正原因，不是你懒
我观察到一个有趣的现象：很多人的 OpenClaw 闲置，不是因为不想用，而是因为”用好它”这件事，被无限推迟了。
等 Token 费用降下来了再用。等它功能更稳定了再用。等我找到一个值得托付的重要任务再用。
但事实是——Token 成本每隔几个月就在下降，现在接国产模型的成本已经非常可控；它的稳定性，也在以”一天一个版本”的速度迭代修复。
你在等的那个”更好的时机”，已经比你装它的那天好多了。
四、重新出发的最小单位
如果你想重新给 OpenClaw 一个机会，我建议从这个问题开始：
你现在每周，有没有一件事，做了不止三次，每次都觉得”这件事不值得我亲自做”？
不用是大事。抓信息、整理文件、起草模板邮件、汇总数据——这些看起来微不足道的事，加起来可能是你每周十几个小时的沉没成本。
找到这件事，只配置这一件事，让它先稳定地跑起来。这比当初打开配置页面、满心期待却不知从何下手，要有效得多。
最后说下：祛魅之后，才是真正的开始
一个工具的生命周期，通常是这样的：
概念爆发 → 全民追捧 → 大规模踩坑 → 热度骤降 → 真正用户留下来 → 工具成熟落地。
OpenClaw 现在正处于第四和第五阶段之间。
热潮退去是件好事。留下来的人，才是真正想清楚了”我要用它干什么”的人。
你的龙虾，还在那里。问题从来不是它值不值得用，而是——你想清楚让它做什么了吗？
你现在还在用 OpenClaw 吗？是什么环节让你停下来的？欢迎留言聊聊。