这两个月，小编不管是刷社媒平台还是和身边的朋友聊天，十句里面有八句都在提 OpenClaw ——也就是大家嘴里的「小龙虾」。

到了最近更是夸张，前有网友晒「养虾日常」的「天上地下」——有人靠它上班摸鱼效率翻倍，也有人被它坑到歇斯底里又崩溃；后有腾讯云直接在深圳腾讯大厦楼下摆摊，免费帮人装 OpenClaw，线上预约排队排到 700+ 号；为了养好小龙虾，Mac mini 也跟着被卖断货……

全网上下掀起的这股小龙虾热最权威的展示 belike：

短短三个多月，这个最初由奥地利程序员在旅游时用 1 小时灵感和 10 天的疯狂 coding 写出来的项目，在 GitHub 上狂揽 27 万星标，超过了 Linux 用 30 年才达到的成绩，成了开源史上增速最快的软件项目。

身边跟风的人多，踩坑的也不少，还有更多人满脸懵圈：这个小龙虾🦞到底是个啥?又到底和其他 AI 有什么不同？我是不是也得装一个学习一下？

很多人以为它是新出的大模型，是 GPT、Kimi 的同类，其实真的完全不是。OpenClaw 自己压根没有任何思考能力，连个正经的「大脑」都没有，它必须对接一个大语言模型——也就是我们平时用的 ChatGPT、Kimi、Claude 这些当核心大脑，才能正常运作。

而叫它龙虾，因为它的图标像一只小龙虾。

它的定位，和各大模型 AI 的根本不同，就在于它本身具有的「行动力」。如果说 OpenClaw 是执行者的「身体」或躯壳，Gemini、Claude、Deepseek 这类大模型（LLM）是负责思考和下达指令的「大脑」，那 Token 和 Skill 就是干活所需要的「体能」和「工具」。

Token 其实就是调用大脑时需要支付的计价单位，相当于 OpenClaw 干活时烧的油；而 Skill 通俗一点理解就是我们平时给 AI 输送的指令，是 OpenClaw 的功能扩展插件，是我们的小龙虾手上拎着的工具箱。

它的工作方式就是：把我们指令（Skill）发给大模型（LLM）（过程会消耗一些 token），大模型理解后告诉它「先干 A、再干 B、最后干 C」，它就在本地电脑上执行这些操作。AI 圈常说的「Agent 智能体」，指的就是它这种角色。

比如我们跟 Kimi 说：「帮我把这个月的家庭收支账单整理好，按餐饮、房贷、日用分类做个统计表，再算一下每个类别的占比，最后给我出一份下个月的省钱规划」。Kimi 能写得明明白白，但到执行落地，还得我们自己来。

但给 OpenClaw 说一模一样的需求，只要提前给它开好了对应的权限、接好了大模型，它能直接一条龙给我们干完。从提出需求到全流程闭环，能把「想」和「做」都干了，这就是它最核心的魔力。

有个开发者给自己的「龙虾」配了 Python 插件，让它 24 小时盯着 19 只美股加 15 只 A 股。系统每 30 分钟自动跑一次心跳，开盘前出「盘前播报」，盘中监控异动，波动超阈值自动发飞书提醒，晚上收盘出复盘报告。

这位网友还算了一笔账：以前自己做这些，每天至少花 2 小时。现在交给龙虾，一个月 token 成本大概是 50 块。

做财务的网友，可以用它批量核对上百张发票的信息，自动录入系统生成台账；做行政的朋友，用它统计全公司的团建意向，自动对接旅行社比价、出行程方案、给所有人发通知同步信息，不用再一条条回消息核对。

不过小龙虾最吸引人的地方，也许是手机上发条消息，它就能自己调用电脑为我们工作。简直人在家中坐，事在工位没。真正满足了远程办公/事的需求。在家或是旅游，老板要数据，导师要论文，股市的信息，远在千里之外，也可以从从容容游刃有余。

如果世界是个巨大的庄园游戏，那 OpenClaw 这次扮演的， 就是个尽职尽责的老管家角色。

谁会拒绝一只能为人代劳的小龙虾呢？但是，一开始的养虾门槛确实会让人有些无奈。

很多小白网友想养龙虾时，面对一堆看不懂的代码和神奇的配置，眼睁睁见证自己下载安装时从「能工智人」退化成「天然蠢人」。

权限失控也是常见的问题。最出名的虾圈事故应该就是 Meta 负责AI 安全的总监 Summer Yue，眼睁睁看着自己的邮件被 Open Claw 删光而自己却没办法阻止它。

有时候效率太高可能并不是件好事，邮件说清就清，D盘说删就删，分不清它到底是来捣乱还是来帮忙的。

让它写东西文档归属权竟然设置成它自己的，还得向它申请编辑权限。

还有令人难以捉摸的 token 消耗量。

而比这些更值得警惕的，是隐私泄露的核心风险。一个控制着电脑的各种权限、掌握了所有文件信息的智能体，随随便便就能被带着走。如果谁在 Skill 里设置了不怀好意的提示词，想想都细思鼻孔。

而工信部在 3 月 8 日也发布了声明，提醒大家 OpenClaw 存在安全隐患。

安全公司 Bitdefender 也发现，OpenClaw 的第三方 Skill 生态里就有约 17% 被评估为恶意，运行着混淆过的恶意命令，窃取私钥、API Token，甚至直接投递 AMOS Stealer（一款针对 macOS 的信息窃取木马）。

而且小龙虾还有个通病，就是「上下文灾难」。因为大模型能记住的上下文是有限的，所以对话内容超过了一定字数限制，OpenClaw 就会忘记上文所给的提示和指令，容易运行失误。所以经常能在网友们分享的养虾日常里看到 OpenClaw 一次次地抽风。

这股小龙虾热能火到这个程度，离不开国内大厂的集体下场。这几天，腾讯的 CSIG（云与智慧产业事业群）直接发布了三款适配 OpenClaw 的产品/更新。阿里云、百度智能云等厂商也快速跟进，推出了零代码一键部署方案，甚至线下摆摊帮用户安装，把原本极高的技术门槛直接降到了地板上，让普通人也能体验养虾的乐趣。

不过，这透过这些便利的侧面，我们也能看到作为普通人，在这个 AI 时代的焦虑。

OpenAI 联合创始人 Andrej Karpathy 的一条留言，更是把这种对未来的颠覆感拉满：未来的软件，不再是给人用的，而是给 AI 智能体用的。甚至有当代地狱笑话：订阅一个研究生比 OpenClaw 便宜。

前几天刚看到对「人工智能、能工智人、智能工人、能治工人」的戏谑讨论，今天就对这些词有了真正的实感。

作为能工的智人配备上人工智能，就是一款更高效的「智能工人」，把自己从重复、枯燥的程序化工作里解放出来；而小龙虾的出现，也放大了很多人的焦虑——大家怕自己学不会这些新东西，跟不上时代的节奏，怕自己干的活 AI 分分钟就能干完，最后成了被时代「治住」的工人。

不可否认的是，它的爆火，已经给整个 AI 行业按下了加速键。

OpenClaw 的出现，第一次让普通人真切地感受到，我们终于迎来了一个 AI 能真正帮我们动手干活的时代，它能给我们带来效率、自由、解放，也能带来风险、失控、焦虑。

但事物的发展总要经历一个过程，就像当初个人电脑刚问世时，也被视作只有极客才能驾驭的复杂工具，早期的互联网更是充满了未知的风险与使用门槛，可最

终这些技术都在迭代中褪去了专业壁垒，成为了赋能普通人的生产力工具。

OpenClaw 今天的问题——门槛高、会翻车、烧 token ——都不是终点，只是必经之路。就像大哥大需要基站覆盖全国，网购需要物流和信用体系，小龙虾也需要 Skill 生态成熟、token 成本下降、安全机制完善。

技术的迭代永远会朝着更低门槛、更安全、更普惠的方向走，而我们真正要关注的，从来不是工具本身会不会淘汰人，而是我们能不能始终保持学习的能力，成为驾驭工具的人，让技术始终服务于人，成为我们对抗重复劳动、释放创造力的底气。

你身边有人在养小龙虾吗？使用体验如何？欢迎来评论区一起交流~