OpenClaw刷屏,为什么我劝你先别忙着“养龙虾”?

（新课上线欢迎体验）

我最近问我的技术合伙人：咱们要不要试试OpenClaw？

就是那个AI圈里刷屏、被大家戏称为“龙虾”的新框架。朋友圈里“手把手养龙虾”的教程开始冒头，技术群的讨论热点也从vibe coding转了过去，气氛有点像去年这个时候。

合伙人说他自己在试，建议我也考虑一下。

我仔细问了问它的逻辑，然后得出了一个很个人的结论：我暂时用不上。

理由很简单。

以我目前用扣子做vibe coding的水平，加上自己琢磨的Prompt，已经能做出解决我个人需求的助手了。眼下，没有非得“龙虾”才能满足的场景。
也是更关键的一点，以我现在的技术认知，我既评估不了它的安全边界，也判断不了自己能否真正驾驭。一边是路径清晰、收益明确的选项，另一边则充满未知。选那个确定性更高的，对我来说，是更理性的决定。

所以，我把合伙人的“建议你考虑一下”理解成了：他给了我一个选项，而不是一个指令。

这件事让我想聊一个更根本的问题：AI对你而言，到底意味着什么？

AI价值的两个层面

这两年，每隔几个月，AI领域就会有一个新词刷屏。从ChatGPT、Sora到vibe coding、MCP……每次出现，都伴随着一波“人类要被取代了”的讨论。

我见过不少朋友，被这个节奏带着，陷入一种循环式的焦虑——急着安装新工具，收藏一堆教程，最后发现用不起来，慢慢搁置，等待下一次刷屏。

在讨论“该怎么做”之前，或许我们可以先看看，你现在用AI最多的场景是什么。

我猜，大概是这些：查一个具体问题、润色一段文字、翻译资料、或者帮你想一个活动创意的雏形。这些事，本质上是搜索和对话的升级。AI目前对大多数普通用户的核心价值，是一个更聪明、更互动的信息处理工具。这没什么不好，它能切实地提升效率。

但如果我们把视角切换到专家身上，情况就不同了。

专家的价值，从来不只在于知道答案，而在于知道“为什么是这个答案”、“这个答案在什么前提下成立”、“如果出问题，该如何排查和调整”。这些经验，无法通过搜索获得，是在具体项目和漫长周期里“熬”出来的。

所以，AI对专家的真正价值，在于将他们这些难以言传的经验“赛博化”——把判断逻辑、决策路径、踩坑教训，转化成可以封装、迭代乃至规模化运行的模型或产品。只有建立在这个基础上，真正能替代部分人工的智能体（Agent）才会出现。

这也解释了，为什么过去很多公司尝试的工作流自动化工具，用起来总感觉“差点意思”。因为它们往往只模仿了人的“动作”，却没有把动作背后的“经验”和“判断”装进去。动作可以复制，判断力却很难。

那么，一个随之而来的问题是：如果你现在还不是某个领域的专家，最应该做什么？

当前最值得投入的能力

我的答案是：把Prompt学好。

这话听起来可能有点老生常谈。但很多人没意识到的是，Prompt水平的细微差异，会导致AI的输出结果产生质的区别。

举个例子。同样是让AI帮你起草一份用户调研方案。

第一种问法：“帮我写一份用户调研方案。”

第二种问法：“我是一款面向25-35岁职场女性的效率App的运营负责人。目前产品月活5万，但次月留存率只有30%左右。我想通过定向的用户访谈，找到用户流失的核心节点和原因。请帮我设计一份定性调研方案，需要包含：访谈对象的筛选标准、聚焦流失关键行为的访谈提纲，以及初步的访谈结果分析框架。”

把这两个Prompt交给同一个AI，得到的结果，不是“好一点”和“差一点”的区别。前者给你的是一份泛泛的模板，你甚至不知道从哪里改起；后者给你的，则是一个具备可操作性的方案雏形。

Prompt的本质，是一种结构化、精准化表达需求的能力。你给的信息越具体，越有场景和逻辑，AI就越能理解你的真实意图，输出也越贴近你的需要。

更重要的是，这项训练不只是“如何使用AI”。它本身就在锤炼你的思维方式。能写好Prompt的人，通常做事思路也更清晰——因为在向AI描述问题之前，你不得不先把自己模糊的想法拆解清楚。问题想明白一半，答案自然就近了一半。

所以我说，Prompt是当下最值得普通人投入的AI能力。不是因为“够用就行”，而是因为它构成了你后续所有AI应用能力的基石。

关于vibe coding的误解

很多人把vibe coding看作“文科生的救星”。

在我看来，这个说法不太准确。它更像是一个“有货者的放大器”。

我自己用扣子做过一些助手工具。我的体会是，vibe coding是一个工具，它能帮助那些具备专业知识和具体经验的人，把自己的能力“产品化”。

请注意这句话里的关键：“专业知识”和“具体经验”。

如果你对一个领域缺乏深度的认知和积累，用vibe coding做出来的东西，很可能只是把别人的方案拼接起来的“玩具”。它能运行，但里面没有你自己的判断和灵魂。

但如果你在某个方向上已经有了真实的沉淀——比如，你做了十年用户增长，清楚地知道在何种场景下，哪种留存策略有效，哪种会失效——那么，vibe coding就能帮你把这套宝贵的经验封装成一个工具。它让你不必每次都从头解释，在特定场景下，甚至能让你一个人完成过去需要一个小组协作的工作。

它真正厉害的地方，不在于降低了制作产品的技术门槛，而在于提高了能力变现的效率上限——让“有货”的人，能更轻松地把“货”变成可复用的产品。

所以，如果你感觉自己目前“货”还不够，那么比起急切地研究工具，更优先的事，或许是先把“货”积累起来。

为什么选择确定性

回到最初那个问题。为什么我决定暂时不碰“龙虾”？

不是因为它不好，而是因为对我个人而言，在当下这个节点，继续深化Prompt能力和vibe coding的实践，价值更明确，路径更清晰。

这不是保守，是一种基于效率的决策。

面对层出不穷的新工具，我有一个简单的判断框架：

我能否相对清晰地评估学习它的成本和潜在风险？
它是否能解决我眼下明确存在的、且其他工具解决不好的问题？

如果两个答案都是肯定的，我会立刻去学。如果其中有一个是“不确定”或“否”，我会选择先放一放。

AI这个领域，新概念、新工具会持续涌现。如果每一次浪潮都去追逐，结果很可能是什么都只懂皮毛，没有一样真正掌握。

反过来，如果你能在一个核心方向上深耕，把底层的功夫吃透，你会发现，大多数新出现的东西，都能在你已有的认知框架里找到它的位置。你能更快地判断它对你是否有用，以及该如何使用。

在快速迭代的时代，这种以深度应对变化的方式，或许才是更可持续的路径。

新课上线

说起来，学Prompt这件事，很多人卡住的地方其实很具体。自己埋头写，没有反馈机制，不知道写得到底算不算好，也不知道离“有效”还差多远。全靠自己摸索，速度很慢，也容易失去方向感。

我们的「AI小白特训营」已经正式上线，专门解决这个从“知道”到“会用”的卡点，这或许是一个能帮你把根基打得更扎实些的路径。

说到底，工具永远在变，但一个人结构化思考、解决问题的能力，不会过时。这门功夫练到位了，无论出来的是“龙虾”还是别的什么，你都能知道自己该不该伸手，以及如何伸手。