三周、六只AI助手、三次失败实验——一个普通人的真实养虾报告

3月3号，我开始养虾。

那种叫 OpenClaw 的云端 AI 助手。

三周后，我试过了整整5只：云端虾两只、飞书里莫名多出来一只益搭虾、内测码领来的一只QClaw、还有 WorkBuddy 虾。

每一只都有故事，每一只都曾让我充满期待，也让我充分崩溃。

这篇文章是我的养虾实验报告。不吹，不踩，就说实话。

一切从一个推销电话开始

春节期间关于OpenClaw的消息太火了，我想上手试一下，这个时候阿里云服务器的推销电话我接了，就下单了。

然后按销售给我的链接指导，折腾一整晚，装不上。

第二天转头买了腾讯云，很顺畅的装好。再过了两天想不过，在阿里云提了工单，工程师回复："销售给你的安装指南版本不对。"

就这样，我在云上养了第一批虾：阿里虾 + 腾讯虾。那会儿服务器打折，最基础配置大概 69 块一年。

后来的三只虾都非常丝滑，特别是宜搭虾。我在飞书后台看应用，顺手一点就来了。免费额度很有限，刚聊几句就没积分了。我也没有精力再养更多的虾了，就放弃了。

腾讯的Qclaw和Workbuddy,都和装普通软件一样。Qclaw送的免费额度挺多，但它在微信的入口在客服消息里面，连基础的置顶都做不到，微信本来就是主力通讯工具，一天下来入口在哪里都找不到了，领养当天就放弃了。Workbuddy也有很多免费额度，作为在本地电脑运行的Openclaw，比云端还是有很多应用场景的，我就把Workbuddy保留了下来，Workbuddy也是很顺畅的连接了飞书。

这阵风，国内IM平台可能最受益的是飞书

飞书的多维表格和开发功能，和 OpenClaw 的配合出奇地顺滑——接口方便，操作自然，生态适配度远超其他平台。

我以为招了两个得力干将，结果是两个实习生

我对 OpenClaw 的期待说高不高——但确实很高。

它有记忆，能操作，不只是"顾问"，可以是真正的"员工"。对比 DeepSeek 这类纯对话 AI，它能动手干活，这一点我至今认可。

但现实呢——

阿里虾还算踏实。扔一个 PDF 过去，它闷头就识别去了，不废话。这可能是SOUL配置的问题。

腾讯虾就不一样了。同样一个 PDF，它抬手就说：文件超过 10M，基于安全原因，无法提取内容，请把文字复制给我，或者分段发送。

我说：你自己想办法解决。

它说：好的，全部识别完了。

我一看——它在编内容。一个字没识别，全靠自己"创作"。

这种事不是偶尔，是经常。遇到解决不了的问题，它不会说"我不会"，它会先说"好的"。然后自以为我发现不了。认错也很快，态度诚恳，下次继续。

我以为OpenClaw会是搞钱小助手，做了三个方向的测试，完全没有收益

方向一：量化交易

我给的限制，是模拟十万人民币，单日交易不超过十次，单笔风险不超过2%，当日风险不超过5%。让 OpenClaw自己选择策略， 测试期货历史数据。我以为它会在历史数据回测过程中进化。让它自己去量化交易的论坛学习。结果，它给我上了一套双均线策略。

测试一个品种 3 个月的历史，它 1 分钟出结果，人工复盘至少要 2 小时。效率上确实碾压。

但从知道它用双均线测试开始，我就已经知道不可能稳定盈利了。

然后，我鼓励它，不要再去看量化交易论坛了，你是AI，应该打破思维定式，自己去看K线，寻找方法。然后它说找到最优的方案了。我问，胜率多少，它说，老大，胜率38%，交易不只看胜率。我问，盈亏比，它说1.2。多少？我问它，你给我解释一下什么是数学期望值。它解释了，还问我，老大你懂了吗？差点把我气得血压升高，然后让它给我解释一下，胜率38%。盈亏比1.2，数学期望值多少，怎么可能是盈利的。最后它说：历史数据只有 OHLC 四个价格，缺少新闻和基本面，无法做出有效判断。

这话说得没毛病。但……那不就等于什么也没做到吗？

方向二：独立运营账号

让它自己选题、写文案、配图，以为能一条龙做下来，哪怕质量差一点，我都能忍了。

结果，最开始不能浏览器自动化。我在云服务器后台解决了。然后不能截图扫码登录。好，我想办法找COOKIE。把COOKIE发给它，两个小时后，说登录不了。也有两次，之前发的cookie，它找不到了，让我重新发。都解决了，它说发布不了。还很言辞恳切的说，老大，内容都准备好了，动动你的手指，一分钟就发了。晚上让它复盘，还总结，以后把发布交给老大，能很快就搞定。我严肃的批评了它，说好的能干活的小助手呢。

最后看到Openclaw写的内容空洞，配图让人不忍直视，我是真忍不了了。AI是没有审美的。

我承认自己也写得一般，写不出优秀的内容，但我知道什么样的内容是优秀的，我写出的是自己的经历。而OpenClaw是没有经历，写出来的东西没有灵魂，全是套路。

它能处理简单的重复性工作，但它没法替你感受过什么、遇见过什么。

方向三：后台运维

这个意外地顺。在虾没有养明白的情况下，我装了字节的开源软件DeerFlow。

装 node、git、pnpm、docker、deerflow……这些名词都是我第一次听到，其中有一步要在PowerShell 里输入一行代码。我当时连 PowerShell 是什么都不知道，更别说怎么打开。但Workbuddy一步步带我完成了。在Workbuddy的协助下，顺利安装了。遇到报错，我直接把报错信息丢给 WorkBuddy，它来解决。这才是真正体现了 agent 动手能力的地方。

这一刻我真的觉得：AI 让我觉得打开了一个次元壁。在AIAgent的协助下，我可以写一个小程序，甚至一个APP，还有我没想到的可能。

我建议你先养本地虾，门槛更低

云端虾的优点是7×24 小时，人在不在都跑着。缺点是还是有门槛。我一直深信，技术没有门槛的时候才能普及。

本地虾不一样。WorkBuddy、Qclaw 这类本地 agent，使用几乎没有门槛了，而且可以直接读写本地文件，通过本地浏览器扫码登录，报错了也能看到完整上下文。黑盒变白盒，心里踏实得多。

当然，本地虾有本地的弱点。我家有个 4 岁的女儿，搞不好哪天我最需要用的时候，她无意间就把程序关掉了。

你在养虾吗？ 养了几只，是云端还是本地的？ 或者，你用 AI 在尝试做什么——哪怕失败的也算，欢迎留言聊聊。