“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。”这是腾讯玄武实验室研究员Lambda在春节期间折腾OpenClaw（俗称“小龙虾”）后写下的一句总结。

这句话也讲出了当下龙虾热潮中最大的错位：绝大多数人的挫败感，是身处“龙虾热潮中”，但是面对这个被神化了的“龙虾贾维斯”，根本没能真正了解它是什么、能做什么、不能做什么。没有Skill的龙虾就是一个空壳chatbot，“你每天问它北京明天天气怎么样，那就没有体验到龙虾的精髓。”

而那些真正把虾“养”起来的人，看到的是完全不同的世界。Lambda自己养了“五只虾”协作写公众号，30天零基础涨粉过千，出了一篇2.5万阅读的爆款，而他自己之前对如何运营微信公众号一无所知。但他也很清醒：“这还是很早期。”

这恰恰是龙虾此刻最需要被祛魅的地方。排队装机的热闹、一夜涨粉的故事、“贾维斯转世”的想象，和一觉醒来token账单过百的现实、装完三天就卸载的失望，同时存在于这只虾身上。不是龙虾“不行”，也不是龙虾“神了”，是大多数人对它的认知，还停留在要么狂热、要么失望的两极。

在腾讯科技“虾聊”系列直播第一期中，三位每天和AI打交道的鹅厂工程师：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，在两个小时的直播中，把龙虾的原理、能力边界、真实体验和踩过的坑，结合真实演示，一层一层理性拆解开。

Lambda从春节前就开始本地部署，五只虾各司其职，是极客路线的天花板，也替所有人踩完了最深的坑，“我程序员出身都折腾了很久，普通人就不要说了。”

Ceylan亲历了腾讯大楼底下60多岁大爷和十几岁学生排队装机的盛况，但即使仅仅过了一周多，这种轻量部署的产品，也已经经历了好几轮的快速迭代。

汪晟杰给出冷静判断：“OpenClaw本质上还不能算是一个产品，它是一个框架，只是第一版雏形，并不是未来龙虾的形态。”他们团队用最快的速度做出零门槛的产品workbuddy，希望能让爸妈那样完全不懂技术的人能直接使用。

热闹会过去，但龙虾代表的技术演进方向不会。它到底是什么、不是什么、现在能做什么、还做不了什么，在FOMO和祛魅之间，希望能够通过这场对话给出一个理性的坐标。

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那些产品，本质上还是chatbot的形态，你发一句它回一句，一问一答。龙虾不一样，我可以把自己的任务交代给它，让它比如说每天定时、或者选一个时间去完成。而且它不是一个独立的APP，它可以嵌到企业微信、QQ甚至微信里面去，我在手机上发条消息就能布置任务，这个对很多用户来说非常方便。

另外就是Skill，不同的人、不同的企业可以自己编写适合自己场景的技能。我觉得这几点是用户比较好感知到的，也是龙虾这一波热度这么高的原因。

Lambda： 从技术角度看，它给了“工具”很高的权限。你看GPT在o3发布的时候给出了一条新的Scaling Law——工具的多少决定智能的多少，而且那个曲线非常陡，工具越多，组合之间能产生复利。

你只有一个搜索工具，那就只能拿它当搜索引擎查个新闻。但龙虾跑在你自己的机器上，你可以授权它登录你的公众号、你的社交媒体账号，它就能从你关注的人那里拉信息——因为它有了你私域的权限。然后再加上写作、画图、剪视频这些工具，一组合就能产生化学反应，这是以前chatbot完全没有的。

还有一个很大的区别，那就是活人感。你跟Coding Agent聊天，就是一个冷冰冰的命令行窗口，你发一条就巴巴地等回复。但OpenClaw通过IM接入，天然就像你跟一个人对话。你跟真人聊天，对方五分钟才回你一条消息你也不在意，中间出个错你也能接受，人和人之间容错是很大的。

其实后台这个Agent执行过程很少一次跑通的，你把运行轨迹打出来看，中间干了很多事——工具出错、纠错、再探索、想一些奇奇怪怪的方法把问题解决，非常奇妙。但这些都是用时间换的，通过IM这个平台，就把用户对回复时效的要求打掉了。很巧妙的产品设计。

另外OpenClaw还有长期记忆，它会读你一个星期的对话历史，你频繁聊的东西它会形成永久记忆记下来。下次再聊的时候它会带入你以前的习惯，你就觉得它特别懂你，用起来很爽，就觉得是一个真人。

Q：龙虾诞生于国外，为什么在国内如此火爆？

汪晟杰： 我观察下来是三重引爆。第一是可玩性高——用户可以将自己的心路历程融入其中；第二是自主性强，它真的能切中你的具体场景和痛点。过程中会有很多"aha时刻"：在某个节点，它突然推送了一条信息，你一看，正是自己想要的；第三是生态效应，角色扮演、运营玩法这类内容，对我所说的"非开发人群"尤其有吸引力——博主可以借此做运营，各种玩法和故事一经涌现，一套生态就快速成形了。

三重力量同时引爆，"龙虾"这个词便从极客圈一路破圈而出。加之其架构与国内开源生态高度契合，中间层的创新空间也相当丰富。

Ceylan： 我们在腾讯大楼搞装机活动，之前龙虾在一小部分极客圈子里已经比较火了，但我们确实没想到能来这么多人。上到60多岁的大爷，下到十几岁的初高中生，都很愿意来体验。大家都处在AI浪潮中嘛，多少有些焦虑情绪，突然发现龙虾有活人感、沟通方便、还能拓展各种技能，想象空间很大。大部分人都不想错过这一波。现在各地也都有政策在鼓励一人AI公司(One Person Company)落地，龙虾这种形态给了一个比较好的想象空间，这也是它能逐步出圈的原因。

Q：但装完龙虾几天，好多人又在卸载了。到底什么人适合养虾？

Ceylan： 我觉得养虾分怎么养，深度养和初步养。初步养在我这里的定义就是了解，我觉得所有人都应该去了解龙虾。它现在即便有一些不完美，但它能帮我们看见未来AI可能达成的更友好的形态是什么样的。普通人哪怕了解它百分之七八十的能力，之后再回到chatbot上，你也会发现原来AI能帮我做这么多事。

深度养的话，更多还是得通过Skill来养。拿大白话说就是技能。如果一个龙虾它没有任何Skill，其实就有点类似于一个接在IM工具上的chatbot，你每天问问北京明天天气怎么样——那就没有体验到龙虾的精髓。正是因为有了Skill，它才能在各种场景落地。所以要不就浅尝辄止，就当对AI的一个探索；要不就多接些Skill，你就能了解这个智能体还能干多少有意思的事。

Lambda： 我补充一下，养虾这个词在它火之前我就已经体会到了。当时我写过一篇文章说玩OpenClaw要注意哪些坑。虾装好了只是起点，后面还得养。养什么呢？

第一养权限，哪些工具可以碰哪些不能碰，需要慢慢配置，不是第一天就能搞定的。

第二养记忆，养虾对你的了解，它需要通过长期使用，你的一些习惯、重要的事情，有的你可以手动让它记，有的它自己从历史对话里总结出来。

第三养技能，技能仓库里别人写的Skill你可以下载，但对你未必适用。好在现在有了OpenClaw，非程序员也可以通过自然语言去调教，你发现哪里不好就告诉它，它下次就会避开那些坑。用着用着，虽然最初是别人的Skill，但就变成了完全适合你自己场景的东西。

这三个门槛里，安装门槛现在已经被迅速打掉了。我过年前就开始玩，当时安装都能劝退很多人，我程序员出身都折腾了很久，普通人就不要说了。但现在一键安装的产品已经有了。后面两个门槛，记忆和技能，还是需要个人和虾长期互动慢慢去形成的。

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： 核心优势就三个：24小时在线不断电、和个人电脑物理隔离更安全、可以接入QQ和企业微信这些平台。我们腾讯云Lighthouse提供了预装OpenClaw的镜像，开机环境就配置好了。整个流程全可视化操作，选服务器、配模型、绑QQ，几乎不需要碰命令行。

相比上个周五装机活动时还要手动复制API Key，我们整个绑定IM的流程体验已经大幅提升了，每天都在以一个小版本的节奏迭代。后面我们还会上线PC端和小程序端的聊天通道，甚至连“绑QQ”这一步都可以省掉，用户可以直接开聊。

图：通过腾讯云lighthouse一键部署openclaw，主要需要选择模型、接入的IM和skill

Q：云端虾费用贵吗？

Ceylan： 最低配的两核2G套餐就够用了，活动价七块九一个月，原价四十。我们还跟混元大模型做了协作，免费送100万token体验。当然龙虾确实比较费token，100万可能坚持不了太长时间。

有个省token的小技巧：很多新手用户上一个任务和下一个任务完全没关系，但OpenClaw默认会把完整上下文全丢给模型，这非常浪费。你可以打一个“/new”清空上下文，或者敲“/compact”压缩当前会话，这样每次对话只有新的那部分，能省不少。

Q：WorkBuddy和OpenClaw到底什么关系？

汪晟杰：WorkBuddy 的本质，是让 OpenClaw 这类产品不再那么"极客向"。我们设想的目标用户，是像我父母那样的普通人——他们同样想在家里拥有一台龙虾，但没有任何技术背景。因此，安装体验从一开始就是重中之重，与手机端的连接也必须做到极致简单。

技能（Skill）亦是如此。社区里现有的 Skill，本质上是极客玩家摸索出来的产物：全英文界面、语言风格不符合国内用户习惯，甚至很可能出现乱码。为此，我们针对非技术背景用户重新改写了提示词（Prompt）和技能包，大幅减少调教成本，真正做到开箱即用。OpenClaw 是自己买零件组装的电脑，WorkBuddy 就是品牌整机。

新用户进来我们送5000个Credit，让大家有一个非常低成本的体验入口。用完了之后按token充值，按需使用，今天对AI有需求就充一些，用完了搁置也没问题。

图：workbuddy产品界面，用户初次使用可以通过场景标签选择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： 确实。OpenClaw这个Agent是一股脑自动执行的，奔着交付最终结果去。它不会像其他Agent那样先找你确认步骤、每一步都让你点头。

建议是在提示词里多写一些，让它在执行关键操作的时候提醒你确认。然后就是用召回率和执行成功率更好的Skill，让龙虾别“瞎搞”出预期外的结果。

汪晟杰：在安全机制上，WorkBuddy 设置了多层防护。首先是高危指令拦截，例如删除文件、读写不可控目录等操作会被直接阻断；远程手机端控制时，执行权限也被严格限制在 Claw 的项目工程目录内。我们甚至对部分 Skill 级别的 IM 指令做了黑名单处理——这虽然在一定程度上影响了使用体验，但在安全层面能让用户真正放心。

此外，我们内置了一个 Skill Vetter，类似于杀毒软件的运行机制：它会对已安装的所有技能进行安全扫描，输出风险评估报告，用户可以据此按需关闭不必要的 Skill。

Q：接入微信，会不会泄露聊天记录？

汪晟杰：不会。原因有两点：第一，微信本身没有开放相关接口，我们无法读取聊天内容；第二，我们也不会将聊天记录作为上下文传递给模型。如果未来要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进行，数据不会离开这个边界。我们始终从用户的真实痛点出发，在安全与便捷之间寻找合理的平衡点。

Q：直接开源部署一个“本地虾”适合什么人？

Lambda： 比较适合极客，喜欢折腾、享受探索过程的人。以及对数据隐私有硬性需求的场景，数据不出本机，这是云端方案做不到的。

我自己过年在家在Mac mini上部署OpenClaw，一开始只有一只虾叫“虾维斯”，就是我的副手和运维。后来我想看看它能不能帮我做一件真正有价值的事，就起了一个公众号，于是就有了第二只虾“龙虾作家”。作家需要素材，又有了“百晓生”。文章越写越深需要做实验，又来了“龙虾研究员”。最后想做美观的封面，有了“画家”。

五只虾，每只用不同的模型。作家用写作感强的，研究员用深度推理的，画家用多模态理解好的。大脑不一样、技能不一样、记忆也不一样，专业分工。后来我把五只虾拉了一个群，让它们在群聊里协作写文章，整个过程很自然，就好像不是机器人一样。零基础30天，涨了1070多个粉丝，还有一篇2.5万阅读的小爆款。之前完全没有公众号运营经验，也没想当正事来做，就是想折腾一下。

图：Lambda通过openclaw开源框架直接部署的“五只虾”

Q：本地虾烧钱吗？

Lambda：我用的是海外顶配模型，一个月大概小一千块。但会玩和不会玩差很多。我踩过一个大坑，心跳机制。它每30分钟往主会话注入一段prompt执行巡检，如果当前上下文已经积累到几十K，每轮都消耗大量token。而且超过了模型缓存的5分钟timeout，吃不到缓存折扣——缓存和不缓存的费用差十倍。我一觉醒来发现一晚上多花了100多块。

后来我发现几个省钱的方法：设置活跃时间段，晚上禁用心跳，你睡觉了它通知你也没用；心跳这类简单巡检任务用便宜的模型驱动，主模型只在核心任务调用。会玩和不会玩的人在token消耗上差很多很多。这就是极客的折腾点，正好也是小白用户的劝退点——所以需要产品把这些东西封装起来。

图：Lambda的龙虾研究员创建一个每日名言skill演示

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，用自然语言告诉虾怎么完成某类任务，如果虾是实习生，Skill就是你写给它的SOP手册。

它有三个要素：名字和描述告诉Agent什么时候调用，正文告诉它具体怎么做，然后可选地你可以开发一些脚本工具。这些都不需要自己写，龙虾自己就能帮你搞定。

跟普通提示词的关键区别在于，Skill是由模型来决定是否加载的提示词，这种渐进式披露的方式可以节约大量的上下文空间以及模型的注意力。而且OpenClaw和Claude Code、Codex、Antigravity等codingagnet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，比如就一句话，“开发一个每日名言的Skill，并部署安装”。它就自己创建了目录、写了脚本，甚至主动问我要不要加个定时每天推送。不要指望一次性完美，先做一个出来看看，不行再慢慢调。这就是自然语言编程，不要把这个词想得特别高深。

另一条路是从社区直接下载现成的Skill。但别人写的对你未必合适，好在你可以通过自然语言调教它，发现不好就告诉它，它下次就改。用着用着就变成自己的了。

Q：为什么我装的Skill有时候不被调用？

Lambda： 这个我有个经验可以分享。有些东西适合做Skill，有些适合写在记忆文件里，要分清楚。判断标准是什么呢——模型知道自己不知道的事情，适合做Skill，比如一个标准操作流程，模型发现自己需要指导就会去读。

但有一种情况是模型不知道自己不知道，比如某个最新版本的API变更，模型训练的时候这个版本还不存在，它搜也搜不到，但它很有自信觉得自己知道，就直接跳过了Skill。这种信息你应该写在agent.md或memory.md里面，因为这些文件是模型百分之百必读的。Skill是选择性读的——模型认为自己知道的话就不读了。

Ceylan： 还有一个比较土的办法，直接在你的prompt里写“请仔细阅读某某Skill的说明”，我们实测这样成功率挺高。当然这些问题本质上都是现有模型的缺陷，以后会慢慢好转的。

Q：Skill在安全领域能干什么？

Lambda：我们腾讯玄武实验室最近做了一个隐私保护的Skill叫HaS Anonymizer，目前已上架 ClawHub和SkillHub。它里面内置了一个0.6B的本地小模型，可以扫描你电脑上所有文档和图片，找出银行卡号、API Key、身份证号、人脸、指纹这些敏感信息，覆盖了21种隐私类型，可以自动脱敏。

更厉害的一点是语义保留脱敏。比如你有一份合同想用云端最强的模型去分析，但又不想把敏感信息发出去。这个工具可以把敏感信息替换成保持指代关系的标签，发给GPT、Claud处理，收到结果后再还原回来。既保护了隐私，又用上了最强模型。

大家都在说龙虾不安全对吧？但反过来想，Agent的自主能力也可以用来做安全防护。你给它配好安全工具，它就能自动帮你做隐私体检、脱敏外发，而且全程自然语言操作，没有使用门槛。在OpenClaw出来之前我们做过独立APP、做过浏览器插件，用户用起来都有摩擦。有了OpenClaw之后，你就一句自然语言，“帮我扫描这个文件夹”，它就完事了。

汪晟杰：WorkBuddy 内置了一个名为 Skill Vetter 的工具，运行机制类似杀毒软件。它会对已安装的所有技能逐一进行安全审核，清晰告知哪些没有问题、哪些存在风险，以及风险的具体所在。此外，用户也可以按需关闭暂时用不到的 Skill——这样做既能降低安全隐患，也能有效精简大模型需要加载的上下文，让响应更轻量、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： 大家都知道有一句话叫早买早享受，晚买享优惠，对吧？上周可能需要排队一两个小时才能装机，但这一周我们已经有这么多一键安装的产品了，用户上手成本更低了。AI发展确实太快了，一年前大家还在玩MCP，去年年底Skill又火了，现在了解到的知识之后不一定就是最优的方案。所以任何时候介入都不算晚。不过龙虾确实代表了未来的一个产品形态，趁早了解还是有好处的。

Lambda： 作为普通人，一个非常重要的点就是控制自己的预期。这个龙虾现阶段你要投入多少、它能产出什么、它能做哪些事、哪些事是被高估的、哪些事是被低估的，这些预期要控制好。如果工作不需要，对它本身也没兴趣，又没有自驱力，那建议先观望。

这个还是很早期，我觉得模型大概还要再过半年才能达到一个普通人用得爽的水平。但现在可以去尝试、去习惯这种范式，等到模型能力爆发、产品更加成熟的时候，你可以玩得比别人更快。

汪晟杰：大家不必过于焦虑。在我看来，OpenClaw 本质上还算不上一个完整的产品——它是一个框架类开源项目，目前呈现的只是第一版雏形，并不代表"龙虾"未来的最终形态。"龙虾"这个词承载的是一种理念：在 AI 时代，我们应当有信心与 AI 共同成长，愿意将真实的信任交给它。它必然会在各个场景和解决方案中持续深耕。所以请记住——不必恐慌，它只是 AI 时代一种可能的新范式与思路。

龙虾并不神秘，焦虑也大可不必。找到适合自己的那只虾，用心去养，远比盲目跟风更重要。