“装好了只是起点，关键是还得养。精养之后的龙虾，才是真正的龙虾。”腾讯玄武实验室研究员 Lambda 在春节期间折腾 OpenClaw（俗称“小龙虾”）后，写下了这句总结。
这句话道出了当下“龙虾”热潮中的一个普遍困境：很多人满怀热情地部署了它，却因为不了解其核心能力而感到挫败。没有技能的“龙虾”，就像一个接入即时通讯工具的普通聊天机器人。
而那些真正投入精力去“养”的人，看到了截然不同的世界。Lambda 自己部署了五只不同职责的“虾”来协作运营公众号，30天内零基础涨粉过千，还产出了阅读量2.5万的爆款文章。当然，他也坦言：“这还是很早期。”
这恰恰是此刻为 OpenClaw “祛魅”的关键。排队装机的一夜爆火、打造个人“贾维斯”的想象，与账单惊人、三天后卸载的失望现实并存。问题的核心不是龙虾“不行”或“神了”，而是大多数人的认知仍在狂热与失望的两极之间摇摆。
在腾讯科技的直播对谈中，三位深度参与其中的工程师——WorkBuddy 首席产品经理汪晟杰、腾讯玄武实验室高级研究员 Lambda、腾讯轻量云 AI 产品专家 Ceylan，结合真实演示，一层层拆解了 OpenClaw 的原理、能力边界和真实体验。
01 龙虾凭什么这么火？
Q：我们已经有了 ChatGPT、DeepSeek 这些大模型产品，还需要 OpenClaw 做什么？
Ceylan：ChatGPT 等产品本质仍是问答形态。OpenClaw 则允许你将任务交代给它，让它定时或择机完成。更重要的是，它能嵌入到 QQ、企业微信等 IM 工具中，通过手机发消息就能布置任务，这对用户来说非常方便。再加上 Skill（技能） 的可扩展性，不同的人和企业可以编写适合自己场景的技能，这是用户能直接感知到的价值点。
Lambda：从技术角度看，它赋予了“工具”极高的权限。GPT o3 发布时揭示了一条新的 Scaling Law：工具的数量决定了智能的上限。OpenClaw 运行在你自己的机器上，你可以授权它登录你的社交媒体、公众号，获取私域信息，再结合写作、画图等工具，产生的化学反应是传统聊天机器人没有的。
另一个重要区别是“活人感”。通过 IM 接入，天然就像在与一个人对话。这种交互方式极大地降低了用户对回复时效的苛求，因为 Agent 后台的执行过程充满试错和探索，需要时间。此外，OpenClaw 具备长期记忆，能记住你一周的对话历史并形成永久记忆，让你感觉它“特别懂你”。
Q：为什么在国内如此火爆？
汪晟杰：我观察下来是三重力量的引爆。第一是可玩性高，用户可以将个人心路融入其中；第二是自主性强，能切中具体场景，带来“Aha时刻”；第三是生态效应，角色扮演、内容运营等玩法对非开发人群极具吸引力。三重力量叠加，加上其架构与国内开源生态高度契合，便快速破圈。
Ceylan：我们在腾讯大楼做装机活动时，从60多岁的大爷到十几岁的学生都来体验。大家身处 AI 浪潮中，既有焦虑也有好奇。OpenClaw 展现出的“活人感”和强大的技能扩展性，提供了很大的想象空间。各地鼓励“一人 AI 公司”的政策，也给了这种形态一个不错的落地展望。
Q：但装完几天，好多人又在卸载了。到底什么人适合养虾？
Ceylan：养虾分深度养和初步了解。初步了解，我建议所有人都应该去做，它能帮你看见未来 AI 更友好的形态。深度养，则必须通过 Skill 来实现。没有 Skill 的 OpenClaw，就像一个接在 IM 上的普通 chatbot。只有接入丰富的 Skill，你才能真正体验到智能体在不同场景下的能力。
Lambda：我补充一下“养”的具体内涵：
- 养权限：配置哪些工具能用，哪些不能用，这不是一蹴而就的。
- 养记忆：让“虾”通过长期互动了解你的习惯和重要事项。
- 养技能：社区下载的 Skill 未必完全适合你，但你可以通过自然语言不断调教它，让它最终适配你的场景。
安装门槛现在已被产品迅速降低，但记忆和技能的门槛，仍需通过长期互动来跨越。
02 哪种“虾”适合我？
Q：为什么要把虾放在云上？和本地比有什么好处？
Ceylan：核心优势有三点：24小时在线、与个人电脑物理隔离更安全、能便捷接入 QQ/企业微信等平台。腾讯云 Lighthouse 提供了预装 OpenClaw 的镜像，开机即用。整个配置流程可视化，选服务器、配模型、绑 IM，几乎无需接触命令行。相比之前，绑定 IM 的体验已大幅提升，并以小版本节奏快速迭代。
通过腾讯云Lighthouse一键部署OpenClaw，主要需配置模型、IM通道和Skill。
Q：云端虾费用贵吗？
Ceylan：最低配的两核2G套餐就够用，活动价每月7.9元。我们还与混元大模型协作，免费赠送100万 token 体验。当然，OpenClaw 确实比较消耗 token。省 token 的小技巧：当两个任务完全无关时，可以输入 /new 清空上下文，或输入 /compact 压缩当前会话，避免将完整历史每次都传给模型。
Q：WorkBuddy 和 OpenClaw 到底什么关系？
汪晟杰：WorkBuddy 的目标是让 OpenClaw 这类技术不再“极客向”。我们的目标用户是像父母那样的普通人。因此，安装体验和手机端连接都做到了极致简单。针对社区 Skill 可能存在英文界面、乱码、提示词不符合国人习惯等问题，我们进行了重写和优化，降低调教成本，做到开箱即用。简单比喻：OpenClaw 是自己组装的电脑，WorkBuddy 是品牌整机。 新用户会获得免费 Credit 用于体验。
WorkBuddy产品界面，用户可通过场景标签快速选择Skill。
Q：OpenClaw执行任务很“激进”，不像其他Agent那样每步确认，安全怎么办？
Ceylan：是的，OpenClaw 的设计是自动执行直至交付结果。建议在提示词（Prompt）中明确要求它在执行关键操作前请求确认。同时，选用召回率和成功率更高的 Skill，避免它“瞎搞”出预期外的结果。
汪晟杰：WorkBuddy 设置了多层防护。包括高危指令拦截、严格限制手机端远程控制的目录权限，以及对部分 Skill 的 IM 指令进行黑名单处理。我们还内置了 Skill Vetter，像杀毒软件一样扫描已安装技能并输出风险评估报告。
Q：接入微信，会不会泄露聊天记录？
汪晟杰：不会。第一，微信未开放相关接口；第二，我们不会将聊天记录作为上下文传递给模型。未来如需推出会话总结类功能，也会严格限定在安全可控的本地环境内处理。
Q：直接开源部署一个“本地虾”适合什么人？
Lambda：适合喜欢折腾的极客，以及对数据隐私有硬性需求、要求数据不出本机的场景。
我自己在 Mac mini 上部署，养了五只分工明确的“虾”：“虾维斯”（运维副手）、“龙虾作家”、“百晓生”（素材收集）、“龙虾研究员”和“画家”。它们使用不同特长的模型，在群聊中自然协作，30天零基础运营公众号涨粉过千。这完全是一次极客式的探索。
Lambda通过OpenClaw开源框架本地部署的“五只虾”分工与协作方式。
Q：本地虾烧钱吗？
Lambda：我用海外顶配模型，月费约千元。但“会玩”和“不会玩”成本差很多。我踩过“心跳机制”的坑：它定期执行巡检，若上下文积累过长，会消耗大量 token 且无法享受缓存折扣。后来通过设置活跃时间段（夜间禁用心跳）、用便宜模型处理巡检任务等方式大幅降低成本。这些正是极客的折腾点，也是小白的劝退点，因此需要产品层将其封装。
Lambda演示如何为“龙虾研究员”创建并测试一个每日名言Skill。
03 Skill：“虾”与“虾”不同的关键
Q：Skill到底是什么？跟普通提示词有什么不同？
Lambda：一个 Skill 就是一个文件夹，核心是一个 SKILL.md 文件，用自然语言告诉 Agent 如何完成某类任务。你可以把它理解为给 AI 实习生写的 SOP 手册。
它与普通提示词的关键区别在于 “渐进式披露” 。Skill 是由模型根据任务需求决定是否加载的提示词，而非一次性全部塞入上下文。这能节约大量上下文窗口和模型的注意力。此外，OpenClaw 的 Skill 与 Claude Code 等 coding agent 的 Skill 是大体兼容的。
Q：不写代码的人能自己做Skill吗？
Lambda：完全可以。你只需要用自然语言描述，比如“开发一个每日名言的 Skill，并部署安装”。它就会自己创建目录、编写脚本，甚至主动询问是否要添加定时推送功能。不要追求一次性完美，先做出雏形再迭代。这就是自然语言编程，没那么高深。另一条路是从社区下载现成 Skill，再用自然语言调教成适合自己的样子。
Q：为什么我装的Skill有时候不被调用？
Lambda：关键在于区分什么信息适合放在 Skill，什么适合放在记忆文件。判断标准是：模型知道自己不知道的事情，适合做Skill（如标准流程）；模型不知道自己不知道的事情，适合写在 agent.md 或 memory.md（如最新API变更），因为后者是模型必读的，而Skill是选择性读取的。
Ceylan：还有个“土办法”：直接在给 Agent 的 Prompt 里写明“请仔细阅读某某Skill的说明”，实测能提高调用成功率。当然，这些问题本质上源于当前模型的局限性，未来会改善。
Q：Skill在安全领域能干什么？
Lambda：我们玄武实验室最近开发了一个隐私保护 Skill 叫 HaS Anonymizer，已上架 ClawHub 和 SkillHub。它内置了一个 0.6B 的本地小模型，能扫描文档和图片中的银行卡号、API Key、人脸等21类敏感信息并进行脱敏。
更厉害的是“语义保留脱敏”：将敏感信息替换为指代标签后，可发送给云端最强模型（如 GPT）处理，收回结果后再本地还原。这样既保护了隐私，又利用了最强模型的性能。这反向说明，Agent 的自主能力也可以被用于构建安全防护体系，且通过自然语言操作，毫无门槛。
汪晟杰：WorkBuddy 内置的 Skill Vetter 会像杀毒软件一样审核所有已安装技能，明确提示风险点。用户也可以随时关闭不必要的 Skill，这既能提升安全，也能精简模型上下文，让响应更高效。
04 龙虾FOMO，有必要吗？
Q：现在不入局，会不会错过什么？
Ceylan：AI 发展极快，一年前大家在玩 MCP，去年底 Skill 火了，现在的方案未来未必最优。所以任何时候介入都不算晚。不过，OpenClaw 确实代表了未来 AI 产品的一种重要形态，尽早了解肯定有益。正如“早买早享受，晚买享折扣”，现在的一键安装产品已经让上手成本低了很多。
Lambda：作为普通人，控制预期非常重要。你需要想清楚现阶段愿意投入多少，它能产出什么，哪些能力被高估或低估。如果工作不需要、个人没兴趣、又缺乏自驱力，建议先观望。我认为模型能力大概还需半年才能达到让普通人用得爽的水平。但现在可以开始尝试、习惯这种范式，等到技术和产品爆发时，你能更快上手。
汪晟杰：大家不必焦虑。在我看来，OpenClaw 本质上还算不上一个完整产品，它是一个框架类的开源项目，当前只是第一版雏形。“龙虾”这个词承载的是一种理念：在 AI 时代，我们应有意愿与 AI 共同成长，并将信任交付给它。它未来会演化出各种形态，深耕于不同场景。所以，请记住不必恐慌，它只是展示了一种新的可能范式。
总而言之，找到适合自己的那只“虾”，用心去“养”，远比盲目跟风更有价值。对于更多深入的技术讨论与实践分享，欢迎来到 云栈社区 与广大开发者一同交流。
发表于 2 小时前
|
查看: 4|
回复: 0
