ARTICLE · 1000971
OpenClaw 没死,但属于它的「全民养虾时代」已经过去了
几个月前，如果你混 AI 圈，大概率听过一句话：
“你养虾了吗？”
这里的“虾”，当然不是海鲜。
而是 OpenClaw。
一只红色龙虾，在 2026 年年初突然席卷整个 AI 圈。
有人买 Mac mini 专门养虾。
有人花几百块找人上门装虾。
有人研究怎么给龙虾接微信、飞书、邮箱。
有人折腾 Skill、MCP、浏览器、Terminal。
甚至还催生出了一个非常魔幻的新职业：
上门养虾。
一时间，好像不在电脑里养一只龙虾，都不好意思说自己在玩 AI Agent。
但几个月过去。
今天再打开朋友圈、公众号、技术社区，你会发现：
讨论怎么“养虾”的人，明显少了。
取而代之的是什么？
Claude Code.
Codex。
各种 Coding Agent。
以及最近越来越频繁出现的一个词：
Harness。
所以一个很有意思的问题出现了：
OpenClaw 怎么突然没那么火了？
是 Agent 不行了吗？
恰恰相反。
Agent 比几个月前更火了。
只是属于 OpenClaw 自己的“全民养虾时代”，可能真的已经过去了。
现在回头看 OpenClaw 年初那波热度，还是挺夸张的。
它第一次让很多完全不懂 Agent 的普通人意识到：
AI 原来真的可以替我干活。
ChatGPT 出现之后，我们习惯的是：
我问。
AI 答。
OpenClaw 给大家展示的却是另一套逻辑。
你告诉它：
“帮我每天早上整理昨天的重要邮件。”
然后它自己去执行。
或者：
“每天帮我收集 AI 新闻，整理完发给我。”
它可以自己访问网络、调用工具、整理信息，再把结果推送回来。
你甚至可以在飞书、Telegram 等入口里直接和它交互。
于是 AI 第一次从：
聊天框里的聪明人
变成了：
电脑里的数字员工。
这也是为什么 OpenClaw 会突然爆火。
它卖的并不是一个更强的大模型。
真正让大家兴奋的是：
AI 开始有手有脚了。
OpenClaw 火了之后，事情很快开始魔幻起来。
因为它并不像 ChatGPT：
注册账号，打开网页，直接使用。
想真正把 OpenClaw 玩起来，你得折腾不少东西。
部署环境。
配置模型 API。
配置 Token。
安装 Skill。
接各种服务。
处理权限。
配置消息渠道。
对于程序员来说，这些东西还能接受。
但大量普通用户根本搞不定。
于是：
代装 OpenClaw 的生意出现了。
有人远程安装。
有人上门安装。
甚至一度出现排队装“龙虾”的场景。
“养虾”这个词也就这么火了起来。
那段时间，整个 AI 圈有一种非常奇怪的气氛：
所有人都觉得自己应该拥有一个 Agent。
OpenClaw 最大的问题，恰恰也来自它最吸引人的地方：
什么都能干。
要什么都能干，就意味着它必须拥有很多权限。
浏览器权限。
文件权限。
Terminal 权限。
账号权限。
第三方服务权限。
于是安全问题开始出现。
今年 3 月，多家机构和安全专家开始对 OpenClaw 的权限和数据安全问题发出警告。
部分机构甚至开始限制员工在办公设备上安装。
但安全还只是一个问题。
另一个更直接的问题是：
贵。
因为 Agent 和普通聊天完全不是一个 Token 消耗量级。
你问 ChatGPT 一个问题，也许几千 Token 就结束了。
但让 Agent 完成一个任务，它可能需要：
读取文件；
搜索资料；
调用工具；
执行命令；
检查结果；
失败；
重新执行；
再次检查。
一次任务背后可能发生几十轮甚至上百轮模型调用。
很多第一批“养虾人”很快发现：
龙虾是真的能干活。
但它吃 Token 也是真的猛。
今年 3 月，网上出现了一个非常有戏剧性的现象。
几周前：
花钱安装 OpenClaw。
几周后：
花钱卸载 OpenClaw。
二手交易平台甚至出现了专门的 OpenClaw 卸载服务。
部分上门卸载报价达到 299 元。
到了 5 月，有媒体采访了多位第一批“养虾人”。
大家给出的理由高度相似：
配置复杂。
Token 成本高。
Bug 多。
记忆不稳定。
安全风险。
效果没有达到预期。
相关报道甚至提到：
OpenClaw 的微信搜索热度一度跌到了最高峰时期的约 3%。
从全民养虾到全民卸虾。
只用了几个月。
但如果故事到这里就结束，然后得出一句：
“OpenClaw 失败了。”
那就完全低估它了。
这是整个故事最有意思的地方。
OpenClaw 热度下降以后：
Agent 没有降温。
反而更火了。
只不过大家开始使用：
Claude Code.
Codex。
以及各种新的 Agent 产品。
以前大家讨论：
怎么给 OpenClaw 装 Skill。
怎么接 MCP。
怎么给它 Terminal 权限。
怎么让它访问浏览器。
现在越来越多这些能力：
直接变成了 Agent 产品的默认能力。
你不需要自己“攒”一个 Agent 了。
这可能是理解 OpenClaw 今天处境最简单的比喻。
早期 PC 时代，很多电脑玩家会：
自己买 CPU。
自己买主板。
自己买显卡。
自己装系统。
自己装驱动。
然后把所有东西拼起来。
这件事情很有乐趣。
但绝大多数普通人真正需要的是：
打开电脑，然后开始工作。
Agent 也正在经历类似的变化。
OpenClaw 更像：
Agent 时代的攒机。
你自己选模型。
自己配置工具。
自己接 MCP。
自己配 Skill。
自己管理权限。
自己解决环境问题。
自己维护。
这对于极客非常有吸引力。
但对于普通用户来说：
太麻烦了。
现在 Codex、Claude Code 这些产品正在做的事情，就是：
把这些东西全部装进机器里。
用户只需要做一件事情：
告诉 Agent：
“我要干什么。”
8 月 19 日，OpenAI 发布了一篇很值得关注的文章：
Codex as a platform: build on the open agent harness.
其中有一个词出现得越来越频繁：
Harness。
如果把大模型理解成 Agent 的“大脑”，Harness 可以理解成包裹在模型外面的那整套系统。
它负责什么？
给模型寻找上下文。
让模型调用工具。
管理任务状态。
控制权限。
处理审批。
执行命令。
让一个任务持续运行下去。
你会发现：
这不就是我们当初折腾 OpenClaw 时一直在配置的东西吗？
只不过现在 OpenAI 把它正式抽象成了一层：
Agent Harness.
而且 Codex 的 Harness 已经开源。
这件事情的重要性，可能比发布一个新模型还大。
过去几年，我们讨论 AI，几乎全部注意力都放在模型上。
GPT-5。
Claude。
Gemini。
DeepSeek。
谁 Benchmark 更高？
谁推理更强？
谁上下文更长？
但 Agent 真正开始工作以后，你会发现：
只有一个聪明的大脑，根本不够。
你给世界上最聪明的人一个任务。
但不给他电脑。
不给他浏览器。
不给他文件。
不给他公司系统权限。
不给他工具。
他什么都做不了。
Agent 也是一样。
模型负责：
思考。
Harness 负责：
让思考真正变成行动。
这就是为什么现在 AI 行业开始越来越关注 Harness。
现在回过头看 OpenClaw，会发现一个很有意思的事情。
它真正牛的地方可能从来都不是：
模型。
因为 OpenClaw 本身并不需要拥有世界最强的大模型。
你可以给它接不同模型。
它真正解决的是：
怎么让一个模型进入真实世界工作。
接工具。
接消息。
接系统。
接 Skill。
调用浏览器。
执行命令。
保存记忆。
长期运行。
这整套东西，其实就是一个 Agent Harness。
所以某种意义上：
OpenClaw 提前把 Harness 的价值展示给了所有人。
只不过当时普通用户不知道这个词。
大家只知道：
“我的龙虾会自己干活。”
这就是 OpenClaw 今天面临的真正问题。
当 Agent 还是一个新鲜概念时：
OpenClaw 的自由度非常迷人。
但当 OpenAI、Anthropic 这些公司真正开始做 Agent 后，它们可以直接把：
模型。
Harness。
工具。
权限。
沙箱。
上下文。
IDE。
云端执行环境。
全部打包在一起。
这时候对于普通用户来说：
为什么还要自己部署？
为什么还要自己维护？
为什么还要自己处理各种兼容问题？
为什么还要担心 Token 突然失控？
原厂 Agent 最大的优势，不一定是能力更强。
而是：
省心。
最近 OpenAI 还在测试 Codex 的一个新方向：
Persistent Mode.
简单理解：
以前你给 Codex 一个任务。
它完成。
结束。
未来可能变成：
Agent 一直在那里。
它可以持续工作。
可以根据之前的任务产生后续任务。
甚至在特定权限范围内主动执行一些事情。
你有没有觉得这个方向非常眼熟？
因为这恰恰就是 OpenClaw 当初最让大家兴奋的地方：
一个长期存在的 AI 助手。
所以 Agent 的方向并没有变。
真正变化的是：
谁来提供它。
我觉得没有。
恰恰相反。
OpenClaw 可能已经完成了一个非常重要的历史任务。
ChatGPT 在 2022 年让普通人第一次理解：
什么叫大模型。
而 OpenClaw 在 2026 年让很多普通人第一次理解：
什么叫 Agent。
以前我们觉得 AI 是：
问它一个问题。
现在越来越多人知道 AI 还可以：
打开网页。
操作电脑。
处理文件。
执行任务。
连接各种软件。
甚至长期替你工作。
这种认知一旦建立，就回不去了。
所以 OpenClaw 最重要的贡献可能不是留下多少“养虾用户”。
而是：
它把 Agent 这个概念真正带出了程序员圈子。
因为用户最终想要的，并不是：
养一只龙虾。
用户真正想要的是：
有一个 AI 替自己干活。
以前，实现这个目标最有意思的方法叫 OpenClaw。
所以大家愿意：
部署。
配置。
研究 Skill。
研究 MCP。
折腾各种插件。
但如果有一天：
Codex 打开就能干。
Claude 打开就能干。
甚至操作系统自带的 Agent 也能干。
绝大多数普通用户不会关心：
底层 Harness 是怎么搭的。
他们只关心：
事情有没有做完。
这就是技术产品从极客走向大众几乎必经的一步。
所以现在再看各种“Claw”产品，其实会发现一个问题。
如果只是：
换一个 Logo。
换一个模型。
做一个一键部署。
然后告诉用户：
“我们也有一只龙虾。”
可能已经不够了。
因为真正的竞争已经进入下一层。
谁的 Harness 更稳定？
谁的上下文管理更好？
谁能让 Agent 工作几个小时不跑偏？
谁的权限系统更安全？
谁的工具生态更丰富？
谁能在出错的时候自己恢复？
谁能用更少的 Token 完成同样的任务？
谁能让 Agent 真正进入企业系统？
这些问题的重要性，已经远远超过：
谁还能做一个 OpenClaw。
这可能才是这几个月真正发生的变化。
第一阶段：
模型战争。
GPT、Claude、Gemini、DeepSeek 拼命让模型变聪明。
第二阶段：
Agent 战争。
大家开始让模型调用工具、执行任务。
而现在可能正在进入第三阶段：
Harness 战争。
模型能力越来越接近以后，真正决定 Agent 好不好用的，很可能是包裹在模型外面的那一整套工程系统。
同一个模型。
放进不同 Harness。
最终表现可能完全不同。
一个能连续工作三个小时。
一个十分钟以后就开始跑偏。
一个能自己发现错误并修复。
一个执行失败以后直接停在那里。
一个只需要很少的人工确认。
一个每一步都要问你：
“是否允许？”
这些差距不会体现在模型 Benchmark 上。
但它们会直接决定：
你愿不愿意每天真的用它。
所以我并不觉得 OpenClaw 的故事结束了。
开源、可控、自部署、高自由度，这些优势依然存在。
对于开发者、极客以及一些有特殊部署要求的企业来说，它依然有自己的价值。
但那种：
买一台 Mac mini。
找人上门安装。
朋友圈晒自己的龙虾。
研究怎么给它喂 Token。
所有人突然开始“全民养虾”的时代——
大概率不会再回来了。
因为 OpenClaw 已经成功把一个原本非常极客的东西，变成了所有 AI 公司都必须回答的问题：
你的 AI，能不能真的替用户干活？
当所有大厂都开始回答这个问题以后，
OpenClaw 就不再是唯一的答案。
这可能就是所有先锋产品最终都会面对的命运。
它们最大的成功，
有时候恰恰意味着：
整个行业都开始变得像它。
所以如果几年后我们再回头看 2026 年初那场“全民养虾”，可能会发现：
那并不是一次短暂的 AI 狂欢。
而是普通用户第一次真正摸到 Agent 时代。
OpenClaw 把门撞开了。
接下来进门的，
是整个 AI 行业。
引用链接：
1. OpenAI：Codex as a platform / Open Agent Harness[1] 2. OpenAI：Codex Harness 技术介绍[2]
引用链接
[1] OpenAI：Codex as a platform / Open Agent Harness: https://unmasked.goodfriends.workers.dev/megan-https-developers.openai.com/blog/codex-as-a-platform[2] OpenAI：Codex Harness 技术介绍: https://openai.com/index/unlocking-the-codex-harness/