OpenClaw和“养龙虾”火了:当AI开始替人干活,未来教育的底层能力是什么?

在一个几乎所有事情都可以远程完成的时代，人们却像赶集一样排队装AI。

简单来说，OpenClaw是一种AI代理工具。以前我们接触的大模型更像一个聊天窗口，你问一句，它答一句；而这类AI代理可以在电脑上执行任务，比如搜索信息、打开网页、整理文件、填写表格，甚至帮你操作软件。

很多人第一次看到这类工具，都会产生一种直觉：好像真的多了一个“数字助理”。而且我们在睡觉，它也可以24小时工作。

于是各种尝试很快出现。有人让AI帮忙写内容、做运营、整理资料；有人买来几台旧电脑，让AI全天运行，自动发帖、回评论，像一支小团队一样工作。

当然，热潮很快也迎来一些冷静的声音。有用户分享，自己让OpenClaw整理邮件，结果眼睁睁看着它开始误删邮件。微软的安全研究也提醒过，类似的AI代理如果拥有过高权限，可能带来风险。一些媒体开始建议用户谨慎使用，不要把电脑全部权限交给AI。

说到底，这类系统还在很早期阶段。

但如果把热闹放在一边，这个现象背后其实有一个更值得思考的问题。

OpenClaw之所以引起关注，是因为它擅长处理一类任务：流程清晰、步骤明确、可以重复执行的工作。写一封邮件、整理一份资料、搜索信息、生成代码，这些事情都有固定路径和操作逻辑。

而过去几十年，我们的教育体系，某种程度上正是在训练学生完成这类任务。

刷题有固定套路，考试有标准答案，知识点有明确范围。一个孩子从小学到大学，很大一部分时间都在练习如何在既定规则下把事情做对。

当这些任务逐渐被机器接管时，一个问题自然浮现：如果花十几年时间培养的能力，AI几秒钟就能完成，那教育的重点应该放在哪里？

这个问题已经被讨论了很多年，但AI让它变得更加现实。

过去很多家长习惯把孩子的发展简单归为两类：文科或者理科。数学好是理科脑，写作好是文科脑。但在今天，这种划分越来越难解释真实世界的工作。

事实上，在AI行业里，一些关键角色恰恰来自人文学科背景。

AI公司Anthropic负责模型安全和伦理的负责人丹妮拉·阿莫迪，大学读的是英文文学。她的工作是为AI模型制定行为原则，让系统在回答问题时保持合适的边界和判断。团队里还有哲学博士专门研究如何让模型在复杂问题中做出更稳妥的选择。

在硅谷，一些AI企业甚至设立了“首席讲故事官”这样的职位，负责把复杂技术转化为大众能够理解的叙事。这些岗位并不要求写代码，更看重阅读、表达、判断和理解社会的能力。

这也解释了一个看似矛盾的现象：一方面，很多基础文书和行政岗位正在被算法替代；另一方面，AI公司却在寻找语言学、哲学、社会学背景的人才。

技术需要工程师，也需要理解人类社会的人。

当AI越来越擅长执行任务，人真正的价值往往体现在另一层能力上：提出问题、理解复杂情境、判断结果是否合理。这种能力很难简单归为文科或理科，更像是一种综合能力。

观察那些在这波浪潮中真正玩明白的人，会发现他们不一定是最懂技术的，但往往具备几种共同的特质。

第一，是会提问。

AI可以完成很多任务，但前提是有人先想清楚任务是什么。

这种能力其实并不来自刷题，而来自对问题的理解深度。未来真正稀缺的，不是“知道什么”，而是“如何提问”。

第二，是会判断。

AI可以提供大量信息，却不能替人做决定。信息越多，真假越难分辨；选择越多，判断越困难。这种判断力很难通过标准答案训练出来，它更多来自真实情境中的思考和选择。

第三，是会学习。

这里说的不是成绩好，而是学习的速度和迁移能力。今天掌握的一项技能，几年后可能就会过时。能快速进入新领域、快速理解新工具的人，在任何时代都会有空间。

第四，是有热爱。

AI可以执行任务，但很难替代一个人真正投入某件事情时的动力。

人类的创造力、共情能力、审美判断，以及对世界的理解，都来自真实的生活经验。这些东西很难被算法复制。

教育的意义，从来不只是提高效率，而是帮助孩子形成完整的人格、稳定的兴趣，以及对世界的好奇心。