今年春节前后，国内 AI 应用圈迎来了一波奇怪的促销潮：下载某 AI 对话 App、完成几个任务，就能换一杯奶茶；邀请几个好友，再送一盒咖啡。各大模型厂商仿佛一夜之间变成了「地推大队」，在微信群里发红包、做裂变，让 AI 从一个高大上的技术名词，变成了可以和「星巴克」「喜茶」放在一起讨论的消费级产品。

当这波中国特色的AI大战热潮还没褪去，海外一只洋虾OpenClaw又火了起来，这股风瞬间传回国内，各种Claw纷纷祭出，一顿百爪大乱战。同时各种自媒体营销号闻风而动贩卖焦虑，各种鼓吹小龙虾神乎其技，仿佛不会用龙虾，就成了新文盲要被时代抛弃一样。

在这个背景下，作为一个不是那么正儿八经的自媒体人，Jony也被焦虑裹挟，开始尝试安装使用小龙虾，差不多一周使用下来，有一些粗浅的思考，分享给正在焦虑的「普通人」们。

一、现象背后的本质

转化焦虑

今年开年这股AI热潮的背后，是国内大模型技术从实验室走向市场的集体焦虑：模型参数已经卷到万亿级，算力投资动辄数百亿，烧钱烧了这么久，但真正能赚钱的应用在哪里？用户为什么要为 AI 付费？这些问题，光靠技术论文回答不了。

纯技术变现难，国内模型的付费转化率很低。所以厂商转向「获客思维」，先用补贴（奶茶、红包）拉你进应用，再慢慢培养付费习惯，各种Claw+赠送tokens大战，也同样是在培养大众为算力付费的习惯。

网上流传的一张不知真假的的截图，很能说明这一问题：

数据饥渴

大模型训练需要海量高质量的用户交互数据。需要海量的真实使用场景和数据来「喂养」。每一次对话、每一次点击、每一次「重生成」，都在告诉模型「人类到底想要什么」。这些数据比任何静态数据都珍贵。OpenClaw 这类平台，让用户在自己的数据上跑自己的流程，本身就是一种「分布式训练场」——厂商能获得多样化的真实使用场景数据。

二、我的使用体验

安装教程网上已经烂大街了，Jony这里也不分享安装配置教程了，只聊聊我的不完全使用体验（大约一周时间）。

安装部署

因为考虑到想要用它尝试工作场景，最开始我打算在Windows上安装，恰好我是CherryStudio的深度用户，我看到CherryStudio更新支持直接安装Openclaw，于是尝试了一番，结果在流程要求下安装了Node.js等各种环境之后仍然各种报错，实在搞不定。

转而使用官方文档在Linux机器上部署，最后卡在不能打通外部网络连接，只能通过SSH隧道进容器内部访问，当然各种通道机器人也是连不上。

最后还是通过社区XX大神制作的飞牛NAS系统fpk包才安装配置成功。

Jony不是IT专业，但是自认平时对计算机技术还算喜欢动手动脑钻研，就这都屡次折戟栽在安装环节，只能说这个小龙虾（原生版本）的安装部署，对普通人实在是不怎么友好。

这里指的是原生版，现在的Qclaw等等傻瓜一键安装，包括云端一键部署的，都已经没有难度了。

系统配置

刚从安装的坑里爬出来，又掉进各种Skills配置的坑里，我很快发现，默认功能太简单，想要做点实用的事，就得找技能、配环境。

这个阶段充满了报错与调试：API Key 没配、路径写错、权限不足、模型加载失败……

为了配置这个龙虾，我申请了我接触互联网以来最多的API。

配置语言模型，先是听各种教程的劝找最好的模型，发现烧Tokens的速度太恐怖，继而寻找便宜的，免费的……，我申请了各种算力平台的API；

有了模型没法联网搜索，于是跟着网上教程安装搜索Skills，AI搜索要APIKEY，语音识别要API，连接工具要API，总之各种skills，各种APIKEY，真是寸步不离API。

另外由于开放生态的原因，Clawhub里充斥着各种功能或命名雷同的skill，有时候跟着教程搜索安装一个skill，装完发现跟别人不一样，再一看名字差不多的就有好几个，瞬间懵圈。

使用初体验

由于我的Openclaw部署在家里的备用NAS服务器上，数据是没啥重要数据，权限我也给了，但是好像也没找到什么好的使用场景，也没法直接打通单位日常工作的电脑。

想拿它做工作中辅助生产力的事情，似乎并没那么容易。费劲巴拉折腾了半天，难道只拿OpenClaw问个天气、发个新闻、当个搜索工具？这些功能现成的工具不是随手都能干了？

还有那些购买云服务器部署openclaw的，你们真的能用它当生产力工具吗？又是什么样的生产力呢？

这一周来我也在不断尝试使用龙虾与实际工作相结合，不管是原生龙虾Openclaw还是腾讯Qclaw，后续再来做一个分享总结。

三、普通人，你该养这只「小龙虾」吗？

为什么要说 『养』 呢？
Jony一周以来的感受是，小龙虾并不是你安装上，它就什么都能干，什么都记得，就能成为你的听话的小助理，需要你不断的调整，增添技能，定义规则，需要慢慢调教。

技能skills是一方面，另外还有一个很大的问题，就是，它无法记得你过往与它对话的所有细节，哪怕是你为它配置了memory记忆系统。你会感觉到它仍然是健忘的，或许大的规则它会记得，但是细节它是记不住的。

同一套流程，今天和昨天执行的细节上就会有偏差，哪怕创建的是定时任务，每天执行的具体方式也会有偏差，导致总是需要不断纠正它。

所以如果你喜欢折腾、有比较强的动手能力，不怕命令行、愿意投入时间搭建和调教它，你可以试试。

由于使用过程中，它还有可能在修改启动配置文件时搞错导致无法启动，如果你是纯小白，哪怕配置 JSON 对你来说都是天书，那Jony建议你还是先别碰它了，安全风险和它可能给你捅的篓子有多大就不说了，光是前期的学习成本和调试时间，可能都远超你想让它帮助你节省的时间。

四、我的「反跟风」建议

不要为了「跟风」而安装 OpenClaw。 它不是一个「用了就变高效」的魔法盒，也不是暂时错过它你就跟不上时代。它只是一个工具，而工具的价值，取决于你是否有对应的「钉子」要敲。

另外，也没必要焦虑。AI发展迭代太快了，引用这位网友的说法，只要你学的足够慢，你就不用学了。

哈哈，这说的太好了！想我当时为了学习Stable-diffusion，下载了几十GB的SD1.5大模型和Lora，还准备学习自己炼制Lora呢，结果拖延了一下，一年不到AI图像技术迭代的已经不可同日而语了。

小龙虾其实也一样，就在我初次尝试安装到现在，大约不到2周的时间，到目前为止，至少我发现在安装环节的坑已经基本被踏平了，除了Qclaw傻瓜一键安装0配置，我刚刚又试了一下CherryStudio，也是一次性安装成功。

所以，如果你是因为焦虑，等等吧，不必着急，那些用上了小龙虾的，也未必比你跑的快了多少，想要AI辅助一些工作，现有的各种成熟免费的AI应用，完全够用了。