夜雨聆风把银行卡、邮箱、电话、聊天软件，一股脑交给一只“虚拟龙虾”，这事听着像段子，过去半年却真有不少人这么干了。OpenClaw 从一个实验项目冲到 GitHub 38.3 万星标、8 万次 Fork，声量大得不像玩具。可 Simon Willison 在 2026 年 7 月 13 日问出那句“你还在用吗”，真正有意思的事才开始。
这不是一场口碑回访。
这是一次筛选。
半年过去，OpenClaw 的用户其实已经明显分层：一层把它收编成“只读工具”或团队内的翻译层，另一层则在折腾、回滚、迁移，最后换到底座。中间那批最想要“装上就能替我生活”的人，反而最容易先掉队。
这意味着什么？
意味着 AI agent 这个赛道，最先被验证的不是“全自动替你干活”，而是“在有限权限里，替你减少沟通摩擦”。前者像把车钥匙直接丢给实习生，后者更像先让他帮你整理后备箱。差别不在想象力，在责任边界。
Simon 那条追问下面，最有分量的一类回复，不是“它太神了”，而是“我把它用窄了，反而稳定了”。有人把 OpenClaw 当“只读个人大脑”，只喂邮件、短信、通话记录，核心能力不是代办，而是回忆。这个思路很成熟：权限收紧，自动化少一点，但出错面也跟着缩小。
还有团队用户给出了更硬的证据。Jaeseong Hwang 说，他们大约 12 人，横跨业务、运营、工程，给每位 campaign manager 都配了一个 OpenClaw。以前非技术同事遇到系统问题，要先想清楚、再约工程、再排期；现在很多简单问题直接跟 agent 对话，当场解决，复杂问题流到工程那边时，上下文已经被整理好了。
最关键的是那张使用量曲线图。波峰波谷跟人的作息同步，人休息，agent 也休息。这不是空转的“演示型 AI”，而是真进了工作流。
但另一边的反馈同样有代表性。有人直接说已经从 OpenClaw 迁到 Hermes，理由也不花哨：不稳定，升级吓人，维护成本高。你看这类迁移，需求并没有消失，晨报、待办、研究、转录、写入知识库，这些任务还在，只是用户不再愿意为同样一张任务单反复修底座。
Philipp Keller 那段抱怨更扎心。他说每 2 到 3 天才有一次“AI 真行”的高光，其余 90% 都在修 bug、补记忆、救更新后的碎裂功能；甚至明确写了不要回复谁，WhatsApp 那头还是开口了。他算过账：修 agent 花的时间，是手动做事的 5 倍。
这个数字比任何形容词都诚实。
翻译成人话：OpenClaw 最大的问题，不是能力不够，而是“托管成本”太高。你本来是想雇一个助理，最后却多养了一个需要天天盯着的系统管理员。对极客来说，这可能叫乐趣；对普通人来说，这就是额外工作。
所以这场“半年体检”的结论，其实不复杂。
OpenClaw 没有失败。38.3 万星标、8 万次 Fork、近 2700 名贡献者，说明它仍是活跃的大项目，概念也已经被市场承认：持久化 agent 不是玩票，它会留下来。只是它率先证明的，不是“人人都能放心托付生活”，而是“谁愿意自己搭沙箱、写插件、设审批流，谁就能先吃到红利”。
这类产品真正的分水岭，从来不是模型多聪明，而是三件事：权限怎么收、更新怎么稳、出了错谁来回滚。谁先把这三笔账算明白，谁才配谈日常工具。
半年后还在用 OpenClaw 的人，未必比离开的人更相信 AI；他们只是更清楚，哪些事该交给龙虾，哪些事还得自己看着。
温馨提示：文中时间、星标、Fork 数、用户表述整理自公开资料与网络讨论，像版本更新、项目热度这类信息变动很快，具体请以官方仓库和相关当事人最新公开内容为准。
