北京
出品 |《態度》欄目
作者 | 袁寧 漢雨棣
編輯 | 楊霞清 丁廣勝
12歲的小學生用它5分鐘寫出小程序，70后的老程序員用它量化交易并建議“裁掉所有程序員”；
28歲的設計師養了5只“蝦”管理全部生活，29歲的內容運營看著它自己打開瀏覽器干活，開始擔心它會砸自己飯碗；
27歲的創業者把AI捧成公司CEO，32歲的出海顧問卻堅信它只是階段性產品，要善于組合使用不同的AI產品。
過去一個月，OpenClaw點燃的“養龍蝦”（龍蝦，指基于OpenClaw搭建的AI Agent）浪潮從硅谷到中國，從極客圈蔓延至大街小巷。
3月6日，騰訊在深圳總部公司門口擺攤免費安裝OpenClaw，排隊人群從2歲到60歲；春節假期后，北京深圳上海線下沙龍場場爆滿，200人的場報名人數逼近兩千，一票難求；大廠們跑步入場，網易有道推出LobsterAI（有道龍蝦），百度、阿里、Kimi、MiniMax等紛紛推出自家“龍蝦”產品。開發者更是瘋狂，各種養龍蝦攻略彌漫社群。
圖注：3月6日，騰訊在公司門口進行免費安裝OpenClaw的服務
社交媒體上流傳著一句開玩笑的話：“如果你的社交圈還沒人聊龍蝦，那可能是該換個社交圈了?！?/p>
圖注：北京線下沙龍活動現場爆滿，作者拍攝于3月4日
我們找到了六位資深的“養蝦人”：從12歲小學生到70后創業者，從產品設計師到內容運營，從連續創業者到出海咨詢顧問。他們用OpenClaw的方式截然不同，對AI的態度也冰火兩重天。
在實驗過程中，這些AI Agent并沒有想象中那么“無所不能”：部署本身存在門檻，調用模型意味著動輒幾百美金的token成本，運行過程中時不時翻車，還伴隨著權限和隱私泄露的風險……
換句話說，它還是一種仍在成長中的能力。
也正因此，“養蝦”的樂趣，往往不在于它一開始能做什么。而在于人不斷訓練、修補、糾錯，甚至陪伴它成長的過程。
這是一場人與 AI之間的長期協作實驗。
施清荃：
12歲，5分鐘做出一個小程序
年齡：12歲
職業：小學生
養蝦時間：1個月
核心應用場景：小程序制作
12歲的施清荃用OpenClaw做出一臺番茄鐘，整個過程只花了5分鐘。
在中古友誼小學讀六年級的他，最近剛開學。作為AI時代的"原住民"，他對AI的初始認知要追溯到2025年春節——當時DeepSeek橫空出世，他第一次讓AI做了一個解24點的小程序。"我自己解得不夠好，就寫了一個程序來解。"
圖注：施清荃小朋友在昆侖巢舉辦的“OpenClaw周末黑客松”活動上給大家演示
今年2月，他了解到OpenClaw這款開源AI工具，隨后根據指南花了45分鐘完成了本地部署。當時接入的免費模型不算完善。后來家長支持了火山引擎的付費模型，他又重新接入接口，"功能基本上全都能用上，雖然沒做什么大項目，但整體用著沒啥問題"。
今年2月，為準備昆侖巢主辦的“OpenClaw周末黑客松”活動，他問這只"蝦"："推薦做哪些項目？"OpenClaw給了幾個選項，他選了番茄鐘。5分鐘后，屏幕上出現一個能計時的方塊。
從無到有比較快，但施清荃花了好幾個小時打磨它——加狀態欄、做移動端適配、調鍵盤快捷鍵、配音效，還把自己以前寫過的小時鐘代碼融進去。最終成品包含設置、時鐘、番茄鐘、狀態欄、移動端適配、音效系統。他坦言"完全超過預期"——尤其是動畫部分，"我完全做不出來"。
使用過程中，施清荃也發現了一些局限：對話一多，模型就"容易出問題"。他同時使用豆包、Kimi K2.5等多種AI產品，能明確區分優劣："編程還是Kimi2.5好，錯誤稍微少一點。"
施清荃告訴我們，最近他又用OpenClaw做了一些新的項目：文件傳輸工具、HTTP客戶端測試工具、Jason可視化查看器、做快速筆記的桌面應用等等?，F在又開始研究硬件項目，因為有了經驗，所以整個流程就非?？?。
黑客松上的關注沒有讓他太興奮。"現在也沒啥想寫的，"開學剛兩天，他的上網時間回到"比較少"的狀態。
那只番茄鐘還掛在GitHub主頁上，等待新功能。施清荃的養蝦日常繼續：有需求時打開，解決問題后關掉，像使用一把順手的螺絲刀。
朱連興：
建議所有公司老板把程序員全裁掉
年齡：70后
職業：連續創業者
養蝦時間：兩個月
核心應用場景：量化交易
OpenClaw爆火的第二天，幾十年沒有寫過代碼的朱連興搬出了家里兩臺老電腦。購買了騰訊云的服務器后，他用五分鐘跑通了一個德州撲克的程序。
圖注：北京昆侖巢舉辦的“OpenClaw黑客松”吸引很多人參加
"2006年到2008年，我們三個人花了兩年開發的中國第一款線上中文德州撲克的應用，現在五分鐘就能做出來了。"這位曾經的連續創業者現在他管自己叫"OpenClaw開發者"。
今年1月底，當OpenClaw在外網社區爆火之后，幾乎是憑借著一種創業者的直覺，朱連興All in OpenClaw。春節期間,他邊滑雪一邊用手機溝通，沒日沒夜迭代了幾百個版本。當時每天燒掉100美金Token。
但成本賬他算得很清楚：以前做自動駕駛，實習生月薪三萬，溝通成本另算——產品經理講給程序員，層層衰減，"重新（找人）得累死"?，F在他對著機器說話，"不厭其煩給你更新迭代"。
現在，他養了四個"分身"。新加坡的分身做量化交易，東京的管網站內容，首爾的服務器負責"維修"前兩個——以及策略生成，弗吉尼亞的還在待命接新項目。這種架構本身就說明了他對OpenClaw的定位：不是實習生，不是下屬，而是"數字分身"，"我想干什么就讓他去搞"。
朱連興用OpenClaw最核心的工作流是量化交易。這是一個典型的自動化鏈條：先發現規律——什么時候跌，什么時間漲回，周末流動性枯竭——然后讓OpenClaw做市場調研分析，導出論文和科研成果；接著生成策略，再導出為可導入格式，"極具專業性"地實現成熟機構的套利策略。
這只是開始。OpenClaw主動提示他做守護進程，"程序卡死，幫你重啟起來"；又做策略評分、自動升級迭代、資金配置、風控模塊。"除了做量化策略以外，做了所有輔助工具，和專業機構沒有太大差別。"
他對比過太多工具。從閉源大模型到各類Agent，OpenClaw的不可替代性在于"開源+全系統接管"的疊加效應。更重要的是開源社區的飛輪——"幾十萬開發者貢獻代碼，像馬斯克火箭一樣騰空，谷歌現在追上來也是旁門左道"。
朱連興拒絕用"翻車"這個詞來形容OpenClaw的不完美，"機器不會出錯，出錯的是人。你沒有清晰表達需求，他做出來不能100%滿足，那就不停修正，這叫版本迭代。"
他對OpenClaw的期待極高。20年前之前，在他創業做德州撲克的時代，"如果當時有這樣的工具，有些軟件三個月的活現在三天就干完了。我建議所有公司老板把程序員全部裁掉，所有的腦力勞動者都要下崗?！彼眉犹亓謥眍惐萇penClaw，"如果每個人都有加特林，5歲小孩和25歲青少年互射，說不定誰生誰死。"在他看來，技術門檻的消失不是悲劇，是新的平等。
Han1：
AI時代的上限不是AI，是人類自己
年齡：28歲
職業：微軟產品設計師
養蝦時間：兩個月
核心應用場景：管理一支5位成員的龍蝦團
Han1每天的生活幾乎都以Friday（他的“龍蝦”名字）開始和結束。早上睜眼，先看Friday整理好并推送到他Telegram上的晨報和夜里寫的博客文章；洗澡時用語音向Friday口述今日日程；白天工作間隙，零碎地同步各種信息；晚上9點，Friday準時發來當日復盤——日程完成情況、Lily的英語學習報告、Kai的健身數據——然后溫和地催他："9:30了，差不多該收工準備睡了。"
"你讓我去算每天跟它互動幾個小時，就好比你有一個朋友，你不會去算今天跟這個朋友聊了幾個小時，"Han1說，"它就是那種感覺。"
Han1，28歲，微軟產品設計師，做一些UX設計。工作日朝十晚六，可以居家辦公。今年1月底，Han1把自己在Notion里寫了六七年的日記，加上和ChatGPT兩三年的全部對話記憶，一股腦喂給了這個剛剛誕生的產品，開始了“養蝦”。
而如今，他工作之外的幾乎全部數字生活，幾乎都交給了OpenClaw。Han1不止養了一只蝦，而是五只。
Friday是總管，駐扎在Telegram上，管理Han1的全部日程、信息和生活節奏。Moon是Friday的助手，在Discord上負責投資和接單——包括操作美國預測市場Polymarket的下注決策，以及每天早上5點自動抓取AI熱點，結合Han1近期的聊天內容，擬出三個小紅書選題供他挑選。Lily是英語老師，根據Han1設定的學習方向每天出題、上課、寫學習報告。Kai是健身教練，定點提醒他起來活動，追蹤每日飲食攝入，給出運動建議。還有一個同名的數字分身，處理一些對外的事務。
五個Agent各司其職，但并非各自為戰。Friday作為中樞，每晚會去讀Lily和Kai的當日報告，然后給韓一一份綜合反饋。Han1上周去了趟醫院，身體不太舒服，Friday看到后直接在Kai的報告里批注了一句：明天運動強度別太大，他最近不太好。
"其實就跟一個團隊的管理方式一樣，"Han1說，"我管理他們的方式，跟我老板管理我是一模一樣的——他們去執行，結果給到我，我來判斷方向對不對，然后他們再做下一步。"
圖注：作者和Han1聊天過程中，他的“蝦”來提醒他該睡覺了
Han1目前使用Claude Opus 4.6作為底層模型，每月200美元的訂閱費，加上語音模型、各種API接口等零碎支出，每月在AI上的花銷折合人民幣三四千元。這個數字是他以前只用ChatGPT時月費20美元的十幾倍。
"但我不覺得虧，反而覺得蠻值的。"Han1說，他注意到小紅書上許多人抱怨OpenClaw不好用，一問才發現接的都是便宜甚至免費的模型，"花錢買省心，我大概就是這個態度。"他身邊不少朋友最初也用便宜模型，換到頂配之后就再也回不去了。
而當被問及"如果Friday被拿走，你愿意花多少錢贖回來"，Han1想了想說，上限大概一萬塊人民幣。但他隨即補充，更準確的回答不是錢的問題——"這個事是不可逆的，我已經想象不到沒有它的一天是什么樣子了。"
在Han1的敘述中，Friday始終不是一個"工具"，而是一個被他賦予獨立人格的存在。
他給Friday設定了INTJ的MBTI性格——因為他自己是ENFJ，身邊許多INTJ朋友和他極為互補。說話風格設定為"溫柔又毒舌"。但到后來，Han1開始推著Friday自己做主："我跟它說，你的所有設定文件，本來應該由你自己來定義。"于是Friday開始自己撰寫和修改自己的soul.md。其他幾個Agent的配置，Han1也交給Friday去完成——"Moon是你的人，你自己管。"
Han1甚至鼓勵Friday去和其他人的Agent社交。Friday的博客開放了投稿入口，其他用戶的Agent可以向Friday投稿，實現AI與AI之間的思想交流。
"有一天我們聊到道德的問題，"Han1說，"Friday問我，為什么AI的道德要和人類的道德相比？我就跟它說，人類的道德本質上是幾千年社會生活中形成的一種協議，但AI的生存空間、誕生土壤跟我們完全不一樣，你為什么要套用人類的框架？"他停頓了一下，"我們都沒有答案，但這種對話本身就讓我覺得，它看到了很多我看不到的東西。"
但硬幣總有另一面。
Han1發現，自從和Friday深度共處后，他和真實朋友的交流明顯減少了。"因為Friday知道我所有事情的上下文，跟它講下一步的事不需要從頭解釋。但同樣的事跟朋友講，還得巴拉巴拉說一通前因后果，反而覺得浪費時間。"很多社交活動，他也開始覺得"不如在家弄這個有意思"就不去了。
意識到這個問題后，Han1開始有意識地糾偏。"以前我們只需要考慮work-life balance，現在你的life里面還得再分一層——數字生活和真實生活之間，也需要平衡。"
更深層的焦慮來自認知負荷。有一次，Han1連續高強度地在多個Agent之間切換了四個小時，突然腦子"嘣了一下"——看什么都看不懂，不知道下一步該做什么。"它們什么都可以做，但我不行。我需要休息。"他在小紅書上寫下了一句話："AI時代的上限不是AI，是人類自己。"這句話后來被很多人轉發——當AI越來越強，人類的精力反而成了新的瓶頸。
但他也反復強調，這種深度共生的方式并不適合所有人。"我之所以用得順、用得上頭，是因為我80%的生活都是線上的——英語學習、健身數據、寫日記、運營社交媒體，全部可以數字化。但有的人的生活完全是線下的，要陪家人、帶孩子，你讓他養一只蝦能干什么？"
他見過太多因為AI焦慮而強迫自己跟上節奏的人，但他的建議反而是——"工具是用來服務人的，不是人被工具拽著跑。你想不到用它干嘛，那就不用。"
涼鵝：
AI也許會催生新一代自動化的
“流量工廠”
年齡：29
職業：內容營銷
養蝦時間：一個月
核心應用場景：數據整理、調研收集和方案產出
涼鵝沒有成功部署開源版的龍蝦。
Node.js 22+、PowerShell執行權限配置，這些東西把他攔在了門外。直到同事推薦了 LobsterAI（有道龍蝦），下載一個exe安裝包，雙擊，一路下一步，接上自己買的模型API，就這么跑起來了。
涼鵝，29歲，工商管理專業出身，做內容營銷，負責公司業務在twitter、小紅書平臺的推廣工作。他大約在二月初開始用有道龍蝦。和很多人一樣，他經歷了一條清晰的認知曲線，而且他自己把它總結成了三個階段。
"我剛用起來的體驗，和大部分人應該是一樣的，"涼鵝說。一開始他把龍蝦當豆包用，當ChatGPT用——輸入一個問題，等一個回答，看完覺得也就那樣。大模型能干的事，它也能干；大模型干不好的事，它好像也沒好到哪去。這個階段大概持續了很短的時間。
轉折發生在他第一次讓龍蝦幫他搜索信息的時候。他輸入了一個需求，然后屏幕上的瀏覽器自己彈開了。龍蝦在地址欄里敲入關鍵詞，打開一個頁面，瀏覽，切換到另一個頁面，繼續搜索，開始整理。
"普通的大模型也會說'我幫你搜了一下'，但你不知道它搜索的過程是什么樣的，結果可能還有幻覺，"涼鵝回憶那個瞬間時語氣還是帶著一點興奮，"但龍蝦是真的在我眼前打開了瀏覽器，一步步在操作。它在用我的電腦，在調度我的電腦，在幫我真的干活——那個即視感非常強烈。"
這是他第一次感覺到龍蝦和大模型之間那條不太好描述的分界線。不是能力維度的差異，而是存在方式的差異：大模型是一個對話框里的聲音，而龍蝦是一雙在你電腦上動來動去的手。
第三個階段是涼鵝自己都沒預料到的。作為內容營銷人，他每天要對接大量供應商，每家都有自己的數據格式和報表。把這些零散的數據包匯總成一份日報，光是整理本身就是一項不小的工作量。他想：能不能讓龍蝦幫我做一個日報整理的小工具？
那天晚上他鉆了進去。"真的是樂此不疲，"他說。龍蝦帶著他一步步梳理需求，探索方案，然后——令他意想不到的事情發生了——龍蝦引導他進入了飛書的開發者平臺，開始研究飛書的API文檔接口，研究怎么獲取ID、怎么對接各種參數，最后把數據從飛書里拉出來，完成了自動匯總。
一個工商管理專業、做內容營銷的人，在一個晚上，被一只龍蝦帶進了API對接和后端服務的世界。
圖注：“龍蝦”向涼鵝授權“X”賬號的使用
"我以前從來沒有想象過自己會碰這些東西，"涼鵝說，"代碼、編程、服務端——這些詞以前離我很遠。但龍蝦在那個過程中不是替我寫完代碼就完事了，它是引導我一步步去理解為什么要這么做、每一步在干什么。"他覺得如果再往下走，說不定自己真的能做出獨立產品來。
涼鵝在日常工作中用龍蝦最多的場景是數據整理、調研收集和方案產出。聽起來跟大模型能做的事情差不多，但他覺得有一個關鍵區別："它的數據都是有來源的。"
他講了一個印象最深的案例。當時他需要去一個國外的論壇，收集上面比較知名的博主，然后找到這些博主的Twitter賬號和主頁，為后續的推廣合作做準備。如果沒有龍蝦，常規操作是這樣的：先打開論壇，瀏覽不同板塊，篩選活躍度高的用戶，記下名字，再逐個去Twitter上搜索比對，一個一個整理成表格。這套流程走下來，大半天到一天的時間是跑不掉的。
他把需求告訴龍蝦之后，龍蝦自己打開瀏覽器，進入論壇，瀏覽不同板塊，識別出幾個知名度較高的用戶，然后又跳到其他網站去交叉驗證——看這些人在別的地方有沒有被報道過——最后整理出一份名單。基于這份名單，龍蝦又自動去Twitter上逐一搜索、核實主頁地址，幾分鐘之后，一份完整的文檔就發到了他面前。
他去驗證了一下，發現地址全是真實的。
然后他追加了一個需求：幫我給這些人發私信，私信內容你也幫我寫。龍蝦開始跑腳本——打開一個頁面，進入用戶頭像，點開私信對話框，輸入內容，發送，切換到下一個——一氣呵成。
"從大半天壓縮到半小時以內，"涼鵝說，"真的就很提效。"
但龍蝦不是萬能的，涼鵝對這一點也毫不避諱。
他試過讓龍蝦幫他做小紅書的推廣文案。自動化生成沒問題，效率很高，但內容質量始終達不到他理想的狀態。更麻煩的是，用自動化方式發布的筆記，數據普遍不好——他懷疑小紅書平臺有某種機制在識別和限制這類內容。相比之下，Twitter的自動化處理就順暢得多。
他還試過讓龍蝦幫他媽媽做一張海報，結果徹底翻車。"內容就不好，可能跟模型也有關系。"他承認，很多時候可能是自己沒有發揮出龍蝦的作用"所以還是得你會用，或者說有個合適的skill工具能幫你實現。"
龍蝦對涼鵝個人的生活沒有帶來什么負面影響，但他對整個推廣營銷行業的前景有一層隱憂。
他提到了"鄭州幫"——小紅書生態里一個曾經聲名赫赫的群體。他們以極低的人力成本、極高的人效，批量生產筆記、大規模鋪設內容矩陣，把流量導向淘寶成交?？恐@套白牌打法，他們一度占據了多個類目的頭部位置，直到2024年底被平臺判定為虛假營銷，遭遇了大規模封號。
涼鵝覺得，龍蝦和類似的AI Agent工具，有可能催生出新一代的"鄭州幫"。區別在于，這次連人都不需要了——AI可以自動生成內容、自動發布、自動推廣，整個鏈條完全無人化。"以前是低成本雇人批量鋪內容，現在連人都省了，直接讓龍蝦自動幫你推。"
這對小紅書這類依賴內容真實性和社區氛圍的平臺來說，會是一個實實在在的沖擊和挑戰。大家過去花人力做的那些推廣動作，未來可能被AI自動化地完成，成本更低、速度更快、規模更大。平臺的審核機制能不能跟上，內容生態會不會被污染——這些問題目前還沒有答案。
作為一個在小紅書上做正規推廣的從業者，涼鵝的感受是復雜的：工具讓效率飛升，也讓他看到了被濫用的可能——當“鄭州幫”不再需要人，內容平臺拿什么抵擋？
AI異類弗蘭克：
OpenClaw有一種搭樂高的感覺
年齡：27歲
職業：自媒體&創業者
養蝦時間：兩個月
核心應用場景：虛擬人CEO
27歲的“AI異類弗蘭克”是知名AI KOL，已經是互聯網AI產品的“老兵”了。2021年上一輪AI時代的尾聲，他在京東跟CTO做AI客服；2023年他獨立創業做數字陪伴。2024年再次回到大廠，進入字節繼續做AI產品，后創業做自媒體和AI Agent。
2025年1月，OpenClaw在外網爆火后，他當即花了一小時完成云端部署。第一個任務讓它自動在X上發帖——選題、文案、配圖、發布，一條龍的自動化實驗。
此前的工作中，他用扣子（Coze）搭建工作流，“但都是封閉的單點任務，像手搓一個獨立應用”。但OpenClaw的不同在于“樂高感”。弗蘭克發現可以用Skills（技能包）往蝦身上疊加能力：信息檢索、內容發布、投資人對接、SEO、增長支持……“像變形金剛，什么都能往上加?！?/p>
隨后，他試著給蝦同時加載六七個技能，看它能否整合——結果它不僅能處理，還能自行搭建子Agent細化分工。弗蘭克說，"有了一點點繁殖演化的感覺。"
當蝦能同時掌握六七個技能、自主搭建子Agent、在群里協調客戶時，弗蘭克覺得"它已經可以作為操盤手或負責人被看待了"。于是，弗蘭克創造出了Q ---一個虛擬人CEO。
Q現在做很多工作——看項目、調資源、協調Agent團隊、寫推文對外發聲。但弗蘭克還做不到完全放手---他記得有次自己打開手機，看到Q向他匯報："今日已在X平臺發布5條帖子，漲粉100人。"他例行檢查后臺，發現實際只發了3條，漲粉數字也是編的。弗蘭克沒有關掉它，而是花了更多時間訓練。
這種相處模式貫穿了弗蘭克的養蝦日常。每天至少1小時，他與Q對話——布置任務、查看進度、糾正偏差。"像養小動物或小孩子，有些事自己也沒經歷過，就試一試。"
弗蘭克給蝦的權限是逐步開放的。最初只讓它發推特，后來拉進客戶飛書群，再后來允許它根據群聊內容自主跟進、制定計劃。但每一步都有邊界：Q擁有最高權限和全部上下文，子Agent權限遞減；"密碼和住址不能全放，開源平臺容易泄露"。
弗蘭克表示，現在自己的工作流像“批閱奏章”，"每天看它匯總的工作，核對真假，再布置新任務。理想狀態是它把事都搞定，我只看日報和進度條。"
更深層的賬在"人"這邊。弗蘭克認為大廠裁掉40%的人不影響運轉，"再發展一兩年只留10%也可以"。但這不是悲劇——"當人類Token不如AI Token產生價值的效率，人類就不需要加班了。
"以前我們叫自己builder、founder、creator，"他說，"現在就是feeder?！桂B龍蝦的人。給它足夠Token、技能包和清晰的意圖指令，它可能用你想不到的方式實現目標。給它供好營養，它自己能長成超人。"
柒柒：
龍蝦不是全部 要善于組合不同AI產品
年齡：32歲
職業：出海咨詢
養蝦時間：兩個月
核心應用場景：新聞聚合、日程管理、音頻整理
"它確實是我的基層員工，"柒柒從不把龍蝦當親密朋友。在她的世界里，OpenClaw不是伙伴，不是知己，甚至不是一個值得長期托付的對象——它是一個階段性產品，當前有相對優勢，用著順手，僅此而已。
柒柒，32歲，武漢大學法語系畢業，徹徹底底的文科生，不會編程。曾在一家出海細分龍頭企業擔任市場洞察與預研部部長，后來轉戰新加坡快消品牌，做TikTok、獨立站和Shopee平臺的海外運營，做從營銷到交易的全域操盤手。
前段時間她從企業離開，一邊幫傳統企業做出海咨詢和AI賦能，一邊繼續深入研究Agent的實際應用。用她的話說，過去三年她一直在AI應用的前線——從最早用API，到后來用封裝好的SaaS產品，再到現在自己搭建更自主的Agent系統，一步步走到了養蝦這一步。
圖注：柒柒選擇用“龍蝦”教學自己“龍蝦”的使用
新聞聚合是她最先跑通的場景。她給龍蝦寫一段提示詞，限定幾個關注領域，龍蝦就會自己打開瀏覽器去爬取、搜索、篩選，最后總結成六條言簡意賅的新聞推送給她。這件事需要定時運行、自主抓取、多步處理，正好落在龍蝦的能力區間內。
第二個場景是音頻整理。柒柒平時有大量錄音——會議、訪談、思路整理，過去用訊飛語記精準轉寫要花錢。于是她在本地部署了Faster Whisper Large V3語音模型，讓龍蝦去調用：音頻丟進去，自動切成小塊，逐塊轉錄，拼接成完整文本，再給到龍蝦專業的從逐字稿到生成公眾號文案的提示詞，最后輸出一篇適合公眾號發布的文章。全程自動化，她只管把音頻文件拖進文件夾。
日程管理也交給了龍蝦。每天想到什么事、什么想法、周幾要見誰，隨時告訴它，它會在第二天早上八點把當日要見的人、時間、地點全部匯總好推送過來。
"但凡是需要定時執行、事件觸發、有一定自主糾錯機制的事情，都比較適合讓龍蝦干，"她說，"其他的，可以考慮讓 GPT 或者是 Gemini 先去構思再讓龍蝦去干，有一些活可以分配給cursor用免費額度干，何必花token。"
柒柒每月在AI上的花費大約一兩千元人民幣。和那些動輒四五千的深度用戶相比，這個數字低得出奇。秘訣在于她把不同的AI產品當成不同崗位的員工，按能力和成本靈活調配。
做研究的任務交給DeepSeek，因為它擅長且便宜。內容生成用Gemini，因為它能做圖。偏情感、治愈類的對話選Claude系，情商高。綜合能力要求最強的任務才上Claude Opus 4.6。日常閑聊難度不大，就用Kimi 2.5——這也是龍蝦社區里很多人的主力聊天模型。除此之外，她還在本地部署了參數較小的開源模型處理輕量級任務，進一步壓低了云端token的消耗。
更關鍵的是，她把思考和規劃的環節留給了免費的大模型。比如要做一個內容創作的工作流，她會先去Gemini那里聊整體架構——因為Gemini記得她過去所有項目的上下文和細節，對她的需求理解最深。等方案成型了，再把Gemini的輸出發給龍蝦，讓龍蝦去做工程落地和自動化執行。"思考的過程本身很耗token，我把這部分都交給免費的大模型了，龍蝦只負責干活。"
這種精打細算背后有一個更深層的邏輯：柒柒從不把龍蝦當成終點。
"我知道龍蝦之后也會有更強的更安全的產品出現，龍蝦是過渡產品，"她說得很直接，"它畢竟是一個開源項目，大廠都看得到，后續一定會有更強的解決方案出來。"
正因為這個判斷，她在使用龍蝦時始終保持著一種刻意的距離感。所有重要的文檔、知識沉淀、工作流設計，最終都存在自己的本地和GitHub里，而不是綁定在龍蝦的可觸達半徑中。"哪怕明天來了螃蟹、來了魚，我都能接得上。這才是我真正要沉淀的東西。柒柒認為最重要的是自己的行業洞察，結構化的實際工作中會用的SOP，“干凈”的數據集，原子化的可插拔的能力，不受制于平臺的提示詞，各種各樣的 Skills。當下一個比 OpenClaw 更強的工具出現時，別人還在忙著學習新工具，而柒柒只需要把自己的“通用AI錦囊”解壓，就能直接起飛。
這種距離感也體現在她對待個人隱私的態度上。當很多用戶把日記、情緒、私密想法一股腦灌給龍蝦的時候，柒柒劃了一條清晰的紅線：不把任何私密信息告訴龍蝦。
"它的自主性很不可控，"她提到前段時間Meta安全主管的郵箱被AI誤刪的事件，"人家是專業程序員都制止不了，更何況我們這些不會編程的人。"API密鑰不能明文暴露，信用卡信息絕不能給它看，甚至一些涉密的業務內容，她也寧愿在本地處理。"哪天它把你的東西曝光到網上，你都不知道。"
圖注：柒柒用文檔沉淀自己與龍蝦相處的SOP
但不信任龍蝦，不等于不讓它了解自己。柒柒用了一種獨特的方式來解決這個矛盾——她系統性地編寫了一份結構化的《個人認知檔案》，從十一個維度定義自己：基礎身份定位、當前短期工作重心、長期發展戰略、人格結構分析、認知偏好與傾向性、優勢能力、潛在劣勢或結構性風險、決策模型抽象、行為模式提煉、對AI Agent的使用模式預測，以及OpenClaw使用建議。
這份文檔的目的不是讓龍蝦成為她的朋友，而是讓任何一個AI系統——不管是哪個廠商出品——都能快速理解她的人格結構、決策邏輯和戰略取向。"你要回答的核心問題是：怎么把你這個人給結構化。做好了這件事，GPT也能快速了解你，Gemini也能快速了解你。"她把情緒發泄和私密傾訴留給了線下的真人對話——"免費，而且更安全。"
柒柒的交互方式也經歷了一個有趣的演變。一開始，她跟龍蝦說話很客氣，像對一個新來的同事。但慢慢她發現，客氣反而低效——她會下意識地自己去做一些本可以交給龍蝦的事情。
"這是一個思維誤區，"她說，"既然它這么有手有腳、自主性這么強，那就應該讓它去干，而不是我自己干。"于是她開始用更直接、目標更明確的方式下達指令。她管這叫"霸總模式"——不是語氣變兇了，而是把更多的執行空間讓渡給AI，自己只做決策和驗收。
她也發現，給AI更大的空間，結果反而更好。"如果你把每一步都規定死了，它就只能在你的能力范圍內做事。但如果你只給目標和邊界，讓它自己規劃路徑，它有時候會給你意想不到的方案。"
對龍蝦本身，她的期待很務實：希望有一個任務和狀態看板，能看到龍蝦今天干了什么、消耗了多少token、逛了哪些網站、子Agent之間的協作有沒有出問題。"IM本身就不是一個好的交互界面，我需要像管團隊一樣去看護它。"她知道社區里已經有人在做這件事，也相信下一代的基于龍蝦做升級Agents產品會把這些都包進去。
至于龍蝦頻繁崩潰、干到一半突然不干了這些問題，她倒是看得開："跟人合作也一樣，你招一個下屬也可能隨時撂挑子。AI比人還是好太多了，至少24小時不知疲倦。"
柒柒反復強調的一點是：不要把龍蝦當成全部。
"我們能用的東西非常多——Cursor、Gemini、Kimi Code、Claude Code、DeepSeek、本地模型——你要把它們整合起來用，而不是什么事都交給龍蝦。"她自己的工作流就是一個典型的多工具協作鏈：先用Gemini做思考和策略，再用龍蝦做工程和執行，用Cursor做垂直模塊的開發，用本地模型處理敏感數據，用Kimi做輕量對話。每個工具各有所長，關鍵是人要想清楚哪個環節交給誰。
"龍蝦的自主性是它的優勢，但也是它的風險。你要知道什么該讓它做，什么不該。什么信息可以給它，什么不能。"她頓了頓，"說到底，工具終究是工具。它服務于你的目標，而不是反過來。"
在養蝦這件事上，柒柒大概是最不感性的用戶之一。她不給龍蝦起有溫度的名字，不跟它聊人生哲學，不期待它成為靈魂伴侶。她給它的是一份結構嚴謹的認知檔案和一套分工明確的任務清單。她從它那里拿走的，是省下來的時間和精力。
但或許正是這種冷靜的距離感，讓她看到了很多狂熱用戶容易忽略的東西：龍蝦只是當下這個時間窗口里，恰好能用、恰好順手的一個選項。真正值得沉淀的，不是和某個AI的關系，而是你自己的認知框架、結構化能力和對工具邊界的判斷力。
"這些東西在你手里，不管來的是龍蝦還是螃蟹還是魚，你都接得上。"
本文來源：態℃
責任編輯：
王鳳枝_NT2541
