「全民养虾」50 天:OpenClaw 退潮之后,Agent 真正的问题才刚开始
> 三月还在排队找人代安装，四月就已经退坑。OpenClaw 的热度就像一场过山车。3 月初，OpenClaw 的 GitHub 星标快速冲高，微信指数飙升，“24 小时数字员工”的叙事席卷中文 AI 圈，“全民养虾”成为继 DeepSeek 之后又一个现象级 AI 文化符号。许多人第一次意识到，AI 不再只是聊天窗口里的回答机器，它可以打开文件、执行命令、调用软件、跨应用完成任务。这也是 OpenClaw 最吸引人的地方。它不是一个单纯的聊天工具，而是一个真正会“动手”的 Agent。用户可以让它整理文件、处理表格、写代码、查资料、发邮件、跑流程。对很多人来说，这种体验足够新鲜，也足够有想象力。但热度退得同样快。到了 4 月，OpenClaw 的访问量开始明显下滑，一些国产“龙虾”产品也出现了流量回落。开发者社区里，开始有人说：“OpenClaw 已死。”这种说法当然有些夸张。OpenClaw 的退潮，并不等于 Agent 这个方向失败。更准确地说，它让行业第一次认真面对一个问题：AI Agent 到底应该如何运行、由谁控制、又该如何收费？很多复盘会把 OpenClaw 的爆火归结为产品力。比如它支持多种集成，能连接不同模型和工具，能把原本分散的软件操作串成自动化流程。这些都对，但还不是全部。真正推动它病毒式传播的，是访问权限和低成本调用。当用户发现自己可以用相对低的成本，调用强模型去完成复杂任务时，“养虾”就变成了一种近乎套利的行为。近乎免费的算力，是这场增长神话的燃料。但大规模使用之后，问题也开始集中暴露。**首先是可靠性。**Agent 很酷，但也很脆弱。多步骤任务里，它可能前半段做得很好，后半段突然跑偏；同一个流程，在不同电脑、不同权限、不同网页环境下，表现也会完全不同。演示视频里一分钟完成的任务，真实使用时可能要来回修正很多次。**其次是门槛。**对非技术用户来说，安装、配置、接 API、授权工具、处理报错，并不轻松。OpenClaw 最火的时候，国内甚至出现了代安装服务。一个需要找人远程部署和调试的工具，本身就说明它离真正大众化还有距离。更大的问题是权限风险。普通 AI 聊天工具说错话，最多给你一个错误答案；但 Agent 一旦判断错，可能真的会动你的文件、执行命令、访问账号、操作业务系统。很多用户在没有完全理解风险的情况下，就把工作邮箱、云盘、服务器权限交给了它。于是围绕 OpenClaw 的讨论，从“效率革命”逐渐变成了“风险失控”。热度退潮之后，用户开始分流。一部分重度用户转向更专业的 Agent 工具，因为他们需要更强的记忆、更好的技能沉淀和更稳定的长任务能力。一部分开发者转向专注代码场景的工具，因为它们不追求控制整个桌面，而是把能力收敛在代码环境里，执行更可控。还有一部分企业用户选择垂直行业 Agent，把能力嵌入审批、报表、投研、客服等具体流程中。但最大的一批用户，其实没有迁移到任何新产品。他们只是回到了普通聊天工具。因为对轻度用户来说，Agent 现阶段还是太复杂，成本太高，需求也不够高频。这场退潮最有价值的地方，是它帮大家把热闹和本质分开了。OpenClaw 没有证明 Agent 不行。它证明的是：如果模型能力不够强，任务链路就容易断；如果调用成本不可控，热情很快会变成账单焦虑；如果配置入口太复杂，普通用户很难长期坚持使用。所以 OpenClaw 的退潮，本质上不是“大家不需要 Agent”，而是用户开始重新计算两件事：• 第一，Agent 到底能不能稳定完成复杂任务。• 第二，完成这些任务的模型成本是否可持续。这两个问题，最后都会落回大模型本身。**Agent 是外壳，工具是手脚，大模型才是大脑。**模型越强，越能理解复杂需求、拆解步骤、调用工具、观察结果、纠错并继续执行。模型越弱，Agent 就越像一个会点按钮但经常迷路的助手。这也是为什么很多人重新配置 OpenClaw 时，会优先考虑更强的模型，比如 gpt-5.5。它更适合复杂推理、长上下文、多步骤规划和工具调用，也更适合 Computer Use 这类需要连续观察与执行的场景。但只接强模型还不够。因为强模型通常也意味着更高成本。如果所有任务都走同一个高阶模型，很快就会遇到 token 压力。真正可持续的方式，是把模型入口统一起来：复杂任务走强模型，日常任务走更便宜的模型，备用模型随时切换，日志和额度集中管理。这就是第三方 API 网关的价值。以OpenAI 兼容入口为例，它适合放在 OpenClaw 和模型之间，做统一的模型接入、Key 管理、额度控制和调用分层。OpenClaw 仍然负责执行任务，模型入口交给 API 网关来管理。配置时可以按 OpenAI 兼容接口填写：> baseURL: https://apitoken.fun/v1apiKey: 控制台创建的令牌model: gpt-5.5这样做的意义，不是简单“换一个地址”，而是让 OpenClaw 的使用方式更接近长期可运营状态。复杂任务用更强模型，保证成功率；轻任务切到低成本模型，控制消耗；多个模型统一入口，减少反复改配置的麻烦。OpenClaw 的故事没有结束。只是“全民养虾”的第一阶段结束了。下一阶段，大家不再只问“Agent 能不能动手”，而会问：它能不能稳定动手？能不能便宜地动手？能不能在可控范围内动手？谁能同时解决模型能力和调用成本，谁才更接近真正可持续的 Agent。
夜雨聆风
