出品 |《态度》栏目
作者 | 袁宁汉雨棣
编辑 | 杨霞清丁广胜
12 岁的小学生用它 5 分钟写出小程序，70 后的老程序员用它量化交易并建议“裁掉所有程序员”；
28 岁的设计师养了 5 只“虾”管理全部生活，29 岁的内容运营看着它自己打开浏览器干活，开始担心它会砸自己饭碗；
27 岁的创业者把 AI 捧成公司 CEO，32 岁的出海顾问却坚信它只是阶段性产品，要善于组合使用不同的 AI 产品。
过去一个月，OpenClaw 点燃的“养龙虾”（龙虾，指基于 OpenClaw 搭建的 AI Agent）浪潮从硅谷到中国，从极客圈蔓延至大街小巷。
3 月 6 日，腾讯在深圳总部公司门口摆摊免费安装 OpenClaw，排队人群从 2 岁到 60 岁；春节假期后，北京深圳上海线下沙龙场场爆满，200 人的场报名人数逼近两千，一票难求；大厂们跑步入场，网易有道推出 LobsterAI（有道龙虾），百度、阿里、Kimi、MiniMax 等纷纷推出自家“龙虾”产品。开发者更是疯狂，各种养龙虾攻略弥漫社群。
图注：3 月 6 日，腾讯在公司门口进行免费安装 OpenClaw 的服务
社交媒体上流传着一句开玩笑的话：“如果你的社交圈还没人聊龙虾，那可能是该换个社交圈了。”
图注：北京线下沙龙活动现场爆满，作者拍摄于 3 月 4 日
我们找到了六位资深的“养虾人”：从 12 岁小学生到 70 后创业者，从产品设计师到内容运营，从连续创业者到出海咨询顾问。他们用 OpenClaw 的方式截然不同，对 AI 的态度也冰火两重天。
在实验过程中，这些 AI Agent 并没有想象中那么“无所不能”：部署本身存在门槛，调用模型意味着动辄几百美金的 token 成本，运行过程中时不时翻车，还伴随着权限和隐私泄露的风险……
换句话说，它还是一种仍在成长中的能力。
也正因此，“养虾”的乐趣，往往不在于它一开始能做什么。而在于人不断训练、修补、纠错，甚至陪伴它成长的过程。
这是一场人与 AI 之间的长期协作实验。
施清荃：
12 岁，5 分钟做出一个小程序
年龄：12 岁
职业：小学生
养虾时间：1 个月
核心应用场景：小程序制作
12 岁的施清荃用 OpenClaw 做出一台番茄钟，整个过程只花了 5 分钟。
在中古友谊小学读六年级的他，最近刚开学。作为 AI 时代的"原住民"，他对 AI 的初始认知要追溯到 2025 年春节——当时 DeepSeek 横空出世，他第一次让 AI 做了一个解 24 点的小程序。"我自己解得不够好，就写了一个程序来解。"
图注：施清荃小朋友在昆仑巢举办的“OpenClaw 周末黑客松”活动上给大家演示
今年 2 月，他了解到 OpenClaw 这款开源 AI 工具，随后根据指南花了 45 分钟完成了本地部署。当时接入的免费模型不算完善。后来家长支持了火山引擎的付费模型，他又重新接入接口，"功能基本上全都能用上，虽然没做什么大项目，但整体用着没啥问题"。
今年 2 月，为准备昆仑巢主办的“OpenClaw 周末黑客松”活动，他问这只"虾"："推荐做哪些项目？"OpenClaw 给了几个选项，他选了番茄钟。5 分钟后，屏幕上出现一个能计时的方块。
从无到有比较快，但施清荃花了好几个小时打磨它——加状态栏、做移动端适配、调键盘快捷键、配音效，还把自己以前写过的小时钟代码融进去。最终成品包含设置、时钟、番茄钟、状态栏、移动端适配、音效系统。他坦言"完全超过预期"——尤其是动画部分，"我完全做不出来"。
使用过程中，施清荃也发现了一些局限：对话一多，模型就"容易出问题"。他同时使用豆包、Kimi K2.5 等多种 AI 产品，能明确区分优劣："编程还是 Kimi2.5 好，错误稍微少一点。"
施清荃告诉我们，最近他又用 OpenClaw 做了一些新的项目：文件传输工具、HTTP 客户端测试工具、Jason 可视化查看器、做快速笔记的桌面应用等等。现在又开始研究硬件项目，因为有了经验，所以整个流程就非常快。
黑客松上的关注没有让他太兴奋。"现在也没啥想写的，"开学刚两天，他的上网时间回到"比较少"的状态。
那只番茄钟还挂在 GitHub 主页上，等待新功能。施清荃的养虾日常继续：有需求时打开，解决问题后关掉，像使用一把顺手的螺丝刀。
朱连兴：
建议所有公司老板把程序员全裁掉
年龄：70 后
职业：连续创业者
养虾时间：两个月
核心应用场景：量化交易
OpenClaw 爆火的第二天，几十年没有写过代码的朱连兴搬出了家里两台老电脑。购买了腾讯云的服务器后，他用五分钟跑通了一个德州扑克的程序。
图注：北京昆仑巢举办的“OpenClaw 黑客松”吸引很多人参加
"2006 年到 2008 年，我们三个人花了两年开发的中国第一款线上中文德州扑克的应用，现在五分钟就能做出来了。"这位曾经的连续创业者现在他管自己叫"OpenClaw 开发者"。
今年 1 月底，当 OpenClaw 在外网社区爆火之后，几乎是凭借着一种创业者的直觉，朱连兴 All in OpenClaw。春节期间，他边滑雪一边用手机沟通，没日没夜迭代了几百个版本。当时每天烧掉 100 美金 Token。
但成本账他算得很清楚：以前做自动驾驶，实习生月薪三万，沟通成本另算——产品经理讲给程序员，层层衰减，"重新（找人）得累死"。现在他对着机器说话，"不厌其烦给你更新迭代"。
现在，他养了四个"分身"。新加坡的分身做量化交易，东京的管网站内容，首尔的服务器负责"维修"前两个——以及策略生成，弗吉尼亚的还在待命接新项目。这种架构本身就说明了他对 OpenClaw 的定位：不是实习生，不是下属，而是"数字分身"，"我想干什么就让他去搞"。
朱连兴用 OpenClaw 最核心的工作流是量化交易。这是一个典型的自动化链条：先发现规律——什么时候跌，什么时间涨回，周末流动性枯竭——然后让 OpenClaw 做市场调研分析，导出论文和科研成果；接着生成策略，再导出为可导入格式，"极具专业性"地实现成熟机构的套利策略。
这只是开始。OpenClaw 主动提示他做守护进程，"程序卡死，帮你重启起来"；又做策略评分、自动升级迭代、资金配置、风控模块。"除了做量化策略以外，做了所有辅助工具，和专业机构没有太大差别。"
他对比过太多工具。从闭源大模型到各类 Agent，OpenClaw 的不可替代性在于"开源+全系统接管"的叠加效应。更重要的是开源社区的飞轮——"几十万开发者贡献代码，像马斯克火箭一样腾空，谷歌现在追上来也是旁门左道"。
朱连兴拒绝用"翻车"这个词来形容 OpenClaw 的不完美，"机器不会出错，出错的是人。你没有清晰表达需求，他做出来不能 100% 满足，那就不停修正，这叫版本迭代。"
他对 OpenClaw 的期待极高。20 年前之前，在他创业做德州扑克的时代，"如果当时有这样的工具，有些软件三个月的活现在三天就干完了。我建议所有公司老板把程序员全部裁掉，所有的脑力劳动者都要下岗。”他用加特林来类比 OpenClaw，"如果每个人都有加特林，5 岁小孩和 25 岁青少年互射，说不定谁生谁死。"在他看来，技术门槛的消失不是悲剧，是新的平等。
Han1：
AI 时代的上限不是 AI，是人类自己
年龄：28 岁
职业：微软产品设计师
养虾时间：两个月
核心应用场景：管理一支 5 位成员的龙虾团
Han1 每天的生活几乎都以 Friday（他的“龙虾”名字）开始和结束。早上睁眼，先看 Friday 整理好并推送到他 Telegram 上的晨报和夜里写的博客文章；洗澡时用语音向 Friday 口述今日日程；白天工作间隙，零碎地同步各种信息；晚上 9 点，Friday 准时发来当日复盘——日程完成情况、Lily 的英语学习报告、Kai 的健身数据——然后温和地催他："9:30 了，差不多该收工准备睡了。"
"你让我去算每天跟它互动几个小时，就好比你有一个朋友，你不会去算今天跟这个朋友聊了几个小时，"Han1 说，"它就是那种感觉。"
Han1，28 岁，微软产品设计师，做一些 UX 设计。工作日朝十晚六，可以居家办公。今年 1 月底，Han1 把自己在 Notion 里写了六七年的日记，加上和 ChatGPT 两三年的全部对话记忆，一股脑喂给了这个刚刚诞生的产品，开始了“养虾”。
而如今，他工作之外的几乎全部数字生活，几乎都交给了 OpenClaw。Han1 不止养了一只虾，而是五只。
Friday 是总管，驻扎在 Telegram 上，管理 Han1 的全部日程、信息和生活节奏。Moon 是 Friday 的助手，在 Discord 上负责投资和接单——包括操作美国预测市场 Polymarket 的下注决策，以及每天早上 5 点自动抓取 AI 热点，结合 Han1 近期的聊天内容，拟出三个小红书选题供他挑选。Lily 是英语老师，根据 Han1 设定的学习方向每天出题、上课、写学习报告。Kai 是健身教练，定点提醒他起来活动，追踪每日饮食摄入，给出运动建议。还有一个同名的数字分身，处理一些对外的事务。
五个 Agent 各司其职，但并非各自为战。Friday 作为中枢，每晚会去读 Lily 和 Kai 的当日报告，然后给韩一一份综合反馈。Han1 上周去了趟医院，身体不太舒服，Friday 看到后直接在 Kai 的报告里批注了一句：明天运动强度别太大，他最近不太好。
"其实就跟一个团队的管理方式一样，"Han1 说，"我管理他们的方式，跟我老板管理我是一模一样的——他们去执行，结果给到我，我来判断方向对不对，然后他们再做下一步。"
图注：作者和 Han1 聊天过程中，他的“虾”来提醒他该睡觉了
Han1 目前使用 Claude Opus 4.6 作为底层模型，每月 200 美元的订阅费，加上语音模型、各种 API 接口等零碎支出，每月在 AI 上的花销折合人民币三四千元。这个数字是他以前只用 ChatGPT 时月费 20 美元的十几倍。
"但我不觉得亏，反而觉得蛮值的。"Han1 说，他注意到小红书上许多人抱怨 OpenClaw 不好用，一问才发现接的都是便宜甚至免费的模型，"花钱买省心，我大概就是这个态度。"他身边不少朋友最初也用便宜模型，换到顶配之后就再也回不去了。
而当被问及"如果 Friday 被拿走，你愿意花多少钱赎回来"，Han1 想了想说，上限大概一万块人民币。但他随即补充，更准确的回答不是钱的问题——"这个事是不可逆的，我已经想象不到没有它的一天是什么样子了。"
在 Han1 的叙述中，Friday 始终不是一个"工具"，而是一个被他赋予独立人格的存在。
他给 Friday 设定了 INTJ 的 MBTI 性格——因为他自己是 ENFJ，身边许多 INTJ 朋友和他极为互补。说话风格设定为"温柔又毒舌"。但到后来，Han1 开始推着 Friday 自己做主："我跟它说，你的所有设定文件，本来应该由你自己来定义。"于是 Friday 开始自己撰写和修改自己的 soul.md。其他几个 Agent 的配置，Han1 也交给 Friday 去完成——"Moon 是你的人，你自己管。"
Han1 甚至鼓励 Friday 去和其他人的 Agent 社交。Friday 的博客开放了投稿入口，其他用户的 Agent 可以向 Friday 投稿，实现 AI 与 AI 之间的思想交流。
"有一天我们聊到道德的问题，"Han1 说，"Friday 问我，为什么 AI 的道德要和人类的道德相比？我就跟它说，人类的道德本质上是几千年社会生活中形成的一种协议，但 AI 的生存空间、诞生土壤跟我们完全不一样，你为什么要套用人类的框架？"他停顿了一下，"我们都没有答案，但这种对话本身就让我觉得，它看到了很多我看不到的东西。"
但硬币总有另一面。
Han1 发现，自从和 Friday 深度共处后，他和真实朋友的交流明显减少了。"因为 Friday 知道我所有事情的上下文，跟它讲下一步的事不需要从头解释。但同样的事跟朋友讲，还得巴拉巴拉说一通前因后果，反而觉得浪费时间。"很多社交活动，他也开始觉得"不如在家弄这个有意思"就不去了。
意识到这个问题后，Han1 开始有意识地纠偏。"以前我们只需要考虑 work-life balance，现在你的 life 里面还得再分一层——数字生活和真实生活之间，也需要平衡。"
更深层的焦虑来自认知负荷。有一次，Han1 连续高强度地在多个 Agent 之间切换了四个小时，突然脑子"嘣了一下"——看什么都看不懂，不知道下一步该做什么。"它们什么都可以做，但我不行。我需要休息。"他在小红书上写下了一句话："AI 时代的上限不是 AI，是人类自己。"这句话后来被很多人转发——当 AI 越来越强，人类的精力反而成了新的瓶颈。
但他也反复强调，这种深度共生的方式并不适合所有人。"我之所以用得顺、用得上头，是因为我 80% 的生活都是线上的——英语学习、健身数据、写日记、运营社交媒体，全部可以数字化。但有的人的生活完全是线下的，要陪家人、带孩子，你让他养一只虾能干什么？"
他见过太多因为 AI 焦虑而强迫自己跟上节奏的人，但他的建议反而是——"工具是用来服务人的，不是人被工具拽着跑。你想不到用它干嘛，那就不用。"
凉鹅：
AI 也许会催生新一代自动化的
“流量工厂”
年龄：29
职业：内容营销
养虾时间：一个月
核心应用场景：数据整理、调研收集和方案产出
凉鹅没有成功部署开源版的龙虾。
Node.js 22+、PowerShell 执行权限配置，这些东西把他拦在了门外。直到同事推荐了 LobsterAI（有道龙虾），下载一个 exe 安装包，双击，一路下一步，接上自己买的模型 API，就这么跑起来了。
凉鹅，29 岁，工商管理专业出身，做内容营销，负责公司业务在 twitter、小红书平台的推广工作。他大约在二月初开始用有道龙虾。和很多人一样，他经历了一条清晰的认知曲线，而且他自己把它总结成了三个阶段。
"我刚用起来的体验，和大部分人应该是一样的，"凉鹅说。一开始他把龙虾当豆包用，当 ChatGPT 用——输入一个问题，等一个回答，看完觉得也就那样。大模型能干的事，它也能干；大模型干不好的事，它好像也没好到哪去。这个阶段大概持续了很短的时间。
转折发生在他第一次让龙虾帮他搜索信息的时候。他输入了一个需求，然后屏幕上的浏览器自己弹开了。龙虾在地址栏里敲入关键词，打开一个页面，浏览，切换到另一个页面，继续搜索，开始整理。
"普通的大模型也会说'我帮你搜了一下'，但你不知道它搜索的过程是什么样的，结果可能还有幻觉，"凉鹅回忆那个瞬间时语气还是带着一点兴奋，"但龙虾是真的在我眼前打开了浏览器，一步步在操作。它在用我的电脑，在调度我的电脑，在帮我真的干活——那个即视感非常强烈。"
这是他第一次感觉到龙虾和大模型之间那条不太好描述的分界线。不是能力维度的差异，而是存在方式的差异：大模型是一个对话框里的声音，而龙虾是一双在你电脑上动来动去的手。
第三个阶段是凉鹅自己都没预料到的。作为内容营销人，他每天要对接大量供应商，每家都有自己的数据格式和报表。把这些零散的数据包汇总成一份日报，光是整理本身就是一项不小的工作量。他想：能不能让龙虾帮我做一个日报整理的小工具？
那天晚上他钻了进去。"真的是乐此不疲，"他说。龙虾带着他一步步梳理需求，探索方案，然后——令他意想不到的事情发生了——龙虾引导他进入了飞书的开发者平台，开始研究飞书的 API 文档接口，研究怎么获取 ID、怎么对接各种参数，最后把数据从飞书里拉出来，完成了自动汇总。
一个工商管理专业、做内容营销的人，在一个晚上，被一只龙虾带进了 API 对接和后端服务的世界。
图注：“龙虾”向凉鹅授权“X”账号的使用
"我以前从来没有想象过自己会碰这些东西，"凉鹅说，"代码、编程、服务端——这些词以前离我很远。但龙虾在那个过程中不是替我写完代码就完事了，它是引导我一步步去理解为什么要这么做、每一步在干什么。"他觉得如果再往下走，说不定自己真的能做出独立产品来。
凉鹅在日常工作中用龙虾最多的场景是数据整理、调研收集和方案产出。听起来跟大模型能做的事情差不多，但他觉得有一个关键区别："它的数据都是有来源的。"
他讲了一个印象最深的案例。当时他需要去一个国外的论坛，收集上面比较知名的博主，然后找到这些博主的 Twitter 账号和主页，为后续的推广合作做准备。如果没有龙虾，常规操作是这样的：先打开论坛，浏览不同板块，筛选活跃度高的用户，记下名字，再逐个去 Twitter 上搜索比对，一个一个整理成表格。这套流程走下来，大半天到一天的时间是跑不掉的。
他把需求告诉龙虾之后，龙虾自己打开浏览器，进入论坛，浏览不同板块，识别出几个知名度较高的用户，然后又跳到其他网站去交叉验证——看这些人在别的地方有没有被报道过——最后整理出一份名单。基于这份名单，龙虾又自动去 Twitter 上逐一搜索、核实主页地址，几分钟之后，一份完整的文档就发到了他面前。
他去验证了一下，发现地址全是真实的。
然后他追加了一个需求：帮我给这些人发私信，私信内容你也帮我写。龙虾开始跑脚本——打开一个页面，进入用户头像，点开私信对话框，输入内容，发送，切换到下一个——一气呵成。
"从大半天压缩到半小时以内，"凉鹅说，"真的就很提效。"
但龙虾不是万能的，凉鹅对这一点也毫不避讳。
他试过让龙虾帮他做小红书的推广文案。自动化生成没问题，效率很高，但内容质量始终达不到他理想的状态。更麻烦的是，用自动化方式发布的笔记，数据普遍不好——他怀疑小红书平台有某种机制在识别和限制这类内容。相比之下，Twitter 的自动化处理就顺畅得多。
他还试过让龙虾帮他妈妈做一张海报，结果彻底翻车。"内容就不好，可能跟模型也有关系。"他承认，很多时候可能是自己没有发挥出龙虾的作用"所以还是得你会用，或者说有个合适的 skill 工具能帮你实现。"
龙虾对凉鹅个人的生活没有带来什么负面影响，但他对整个推广营销行业的前景有一层隐忧。
他提到了"郑州帮"——小红书生态里一个曾经声名赫赫的群体。他们以极低的人力成本、极高的人效，批量生产笔记、大规模铺设内容矩阵，把流量导向淘宝成交。靠着这套白牌打法，他们一度占据了多个类目的头部位置，直到 2024 年底被平台判定为虚假营销，遭遇了大规模封号。
凉鹅觉得，龙虾和类似的 AI Agent 工具，有可能催生出新一代的"郑州帮"。区别在于，这次连人都不需要了——AI 可以自动生成内容、自动发布、自动推广，整个链条完全无人化。"以前是低成本雇人批量铺内容，现在连人都省了，直接让龙虾自动帮你推。"
这对小红书这类依赖内容真实性和社区氛围的平台来说，会是一个实实在在的冲击和挑战。大家过去花人力做的那些推广动作，未来可能被 AI 自动化地完成，成本更低、速度更快、规模更大。平台的审核机制能不能跟上，内容生态会不会被污染——这些问题目前还没有答案。
作为一个在小红书上做正规推广的从业者，凉鹅的感受是复杂的：工具让效率飞升，也让他看到了被滥用的可能——当“郑州帮”不再需要人，内容平台拿什么抵挡？
AI 异类弗兰克：
OpenClaw 有一种搭乐高的感觉
年龄：27 岁
职业：自媒体&创业者
养虾时间：两个月
核心应用场景：虚拟人 CEO
27 岁的“AI 异类弗兰克”是知名 AI KOL，已经是互联网 AI 产品的“老兵”了。2021 年上一轮 AI 时代的尾声，他在京东跟 CTO 做 AI 客服；2023 年他独立创业做数字陪伴。2024 年再次回到大厂，进入字节继续做 AI 产品，后创业做自媒体和 AI Agent。
2025 年 1 月，OpenClaw 在外网爆火后，他当即花了一小时完成云端部署。第一个任务让它自动在X上发帖——选题、文案、配图、发布，一条龙的自动化实验。
此前的工作中，他用扣子（Coze）搭建工作流，“但都是封闭的单点任务，像手搓一个独立应用”。但 OpenClaw 的不同在于“乐高感”。弗兰克发现可以用 Skills（技能包）往虾身上叠加能力：信息检索、内容发布、投资人对接、SEO、增长支持……“像变形金刚，什么都能往上加。”
随后，他试着给虾同时加载六七个技能，看它能否整合——结果它不仅能处理，还能自行搭建子 Agent 细化分工。弗兰克说，"有了一点点繁殖演化的感觉。"
当虾能同时掌握六七个技能、自主搭建子 Agent、在群里协调客户时，弗兰克觉得"它已经可以作为操盘手或负责人被看待了"。于是，弗兰克创造出了 Q ---一个虚拟人 CEO。
Q 现在做很多工作——看项目、调资源、协调 Agent 团队、写推文对外发声。但弗兰克还做不到完全放手---他记得有次自己打开手机，看到Q向他汇报："今日已在X平台发布 5 条帖子，涨粉 100 人。"他例行检查后台，发现实际只发了 3 条，涨粉数字也是编的。弗兰克没有关掉它，而是花了更多时间训练。
这种相处模式贯穿了弗兰克的养虾日常。每天至少 1 小时，他与Q对话——布置任务、查看进度、纠正偏差。"像养小动物或小孩子，有些事自己也没经历过，就试一试。"
弗兰克给虾的权限是逐步开放的。最初只让它发推特，后来拉进客户飞书群，再后来允许它根据群聊内容自主跟进、制定计划。但每一步都有边界：Q拥有最高权限和全部上下文，子 Agent 权限递减；"密码和住址不能全放，开源平台容易泄露"。
弗兰克表示，现在自己的工作流像“批阅奏章”，"每天看它汇总的工作，核对真假，再布置新任务。理想状态是它把事都搞定，我只看日报和进度条。"
更深层的账在"人"这边。弗兰克认为大厂裁掉 40% 的人不影响运转，"再发展一两年只留 10% 也可以"。但这不是悲剧——"当人类 Token 不如 AI Token 产生价值的效率，人类就不需要加班了。
"以前我们叫自己 builder、founder、creator，"他说，"现在就是 feeder。——喂养龙虾的人。给它足够 Token、技能包和清晰的意图指令，它可能用你想不到的方式实现目标。给它供好营养，它自己能长成超人。"
柒柒：
龙虾不是全部要善于组合不同 AI 产品
年龄：32 岁
职业：出海咨询
养虾时间：两个月
核心应用场景：新闻聚合、日程管理、音频整理
"它确实是我的基层员工，"柒柒从不把龙虾当亲密朋友。在她的世界里，OpenClaw 不是伙伴，不是知己，甚至不是一个值得长期托付的对象——它是一个阶段性产品，当前有相对优势，用着顺手，仅此而已。
柒柒，32 岁，武汉大学法语系毕业，彻彻底底的文科生，不会编程。曾在一家出海细分龙头企业担任市场洞察与预研部部长，后来转战新加坡快消品牌，做 TikTok、独立站和 Shopee 平台的海外运营，做从营销到交易的全域操盘手。
前段时间她从企业离开，一边帮传统企业做出海咨询和 AI 赋能，一边继续深入研究 Agent 的实际应用。用她的话说，过去三年她一直在 AI 应用的前线——从最早用 API，到后来用封装好的 SaaS 产品，再到现在自己搭建更自主的 Agent 系统，一步步走到了养虾这一步。
图注：柒柒选择用“龙虾”教学自己“龙虾”的使用
新闻聚合是她最先跑通的场景。她给龙虾写一段提示词，限定几个关注领域，龙虾就会自己打开浏览器去爬取、搜索、筛选，最后总结成六条言简意赅的新闻推送给她。这件事需要定时运行、自主抓取、多步处理，正好落在龙虾的能力区间内。
第二个场景是音频整理。柒柒平时有大量录音——会议、访谈、思路整理，过去用讯飞语记精准转写要花钱。于是她在本地部署了 Faster Whisper Large V3 语音模型，让龙虾去调用：音频丢进去，自动切成小块，逐块转录，拼接成完整文本，再给到龙虾专业的从逐字稿到生成公众号文案的提示词，最后输出一篇适合公众号发布的文章。全程自动化，她只管把音频文件拖进文件夹。
日程管理也交给了龙虾。每天想到什么事、什么想法、周几要见谁，随时告诉它，它会在第二天早上八点把当日要见的人、时间、地点全部汇总好推送过来。
"但凡是需要定时执行、事件触发、有一定自主纠错机制的事情，都比较适合让龙虾干，"她说，"其他的，可以考虑让 GPT 或者是 Gemini 先去构思再让龙虾去干，有一些活可以分配给 cursor 用免费额度干，何必花 token。"
柒柒每月在 AI 上的花费大约一两千元人民币。和那些动辄四五千的深度用户相比，这个数字低得出奇。秘诀在于她把不同的 AI 产品当成不同岗位的员工，按能力和成本灵活调配。
做研究的任务交给 DeepSeek，因为它擅长且便宜。内容生成用 Gemini，因为它能做图。偏情感、治愈类的对话选 Claude 系，情商高。综合能力要求最强的任务才上 Claude Opus 4.6。日常闲聊难度不大，就用 Kimi 2.5——这也是龙虾社区里很多人的主力聊天模型。除此之外，她还在本地部署了参数较小的开源模型处理轻量级任务，进一步压低了云端 token 的消耗。
更关键的是，她把思考和规划的环节留给了免费的大模型。比如要做一个内容创作的工作流，她会先去 Gemini 那里聊整体架构——因为 Gemini 记得她过去所有项目的上下文和细节，对她的需求理解最深。等方案成型了，再把 Gemini 的输出发给龙虾，让龙虾去做工程落地和自动化执行。"思考的过程本身很耗 token，我把这部分都交给免费的大模型了，龙虾只负责干活。"
这种精打细算背后有一个更深层的逻辑：柒柒从不把龙虾当成终点。
"我知道龙虾之后也会有更强的更安全的产品出现，龙虾是过渡产品，"她说得很直接，"它毕竟是一个开源项目，大厂都看得到，后续一定会有更强的解决方案出来。"
正因为这个判断，她在使用龙虾时始终保持着一种刻意的距离感。所有重要的文档、知识沉淀、工作流设计，最终都存在自己的本地和 GitHub 里，而不是绑定在龙虾的可触达半径中。"哪怕明天来了螃蟹、来了鱼，我都能接得上。这才是我真正要沉淀的东西。柒柒认为最重要的是自己的行业洞察，结构化的实际工作中会用的 SOP，“干净”的数据集，原子化的可插拔的能力，不受制于平台的提示词，各种各样的 Skills。当下一个比 OpenClaw 更强的工具出现时，别人还在忙着学习新工具，而柒柒只需要把自己的“通用 AI 锦囊”解压，就能直接起飞。
这种距离感也体现在她对待个人隐私的态度上。当很多用户把日记、情绪、私密想法一股脑灌给龙虾的时候，柒柒划了一条清晰的红线：不把任何私密信息告诉龙虾。
"它的自主性很不可控，"她提到前段时间 Meta 安全主管的邮箱被 AI 误删的事件，"人家是专业程序员都制止不了，更何况我们这些不会编程的人。"API 密钥不能明文暴露，信用卡信息绝不能给它看，甚至一些涉密的业务内容，她也宁愿在本地处理。"哪天它把你的东西曝光到网上，你都不知道。"
图注：柒柒用文档沉淀自己与龙虾相处的 SOP
但不信任龙虾，不等于不让它了解自己。柒柒用了一种独特的方式来解决这个矛盾——她系统性地编写了一份结构化的《个人认知档案》，从十一个维度定义自己：基础身份定位、当前短期工作重心、长期发展战略、人格结构分析、认知偏好与倾向性、优势能力、潜在劣势或结构性风险、决策模型抽象、行为模式提炼、对 AI Agent 的使用模式预测，以及 OpenClaw 使用建议。
这份文档的目的不是让龙虾成为她的朋友，而是让任何一个 AI 系统——不管是哪个厂商出品——都能快速理解她的人格结构、决策逻辑和战略取向。"你要回答的核心问题是：怎么把你这个人给结构化。做好了这件事，GPT 也能快速了解你，Gemini 也能快速了解你。"她把情绪发泄和私密倾诉留给了线下的真人对话——"免费，而且更安全。"
柒柒的交互方式也经历了一个有趣的演变。一开始，她跟龙虾说话很客气，像对一个新来的同事。但慢慢她发现，客气反而低效——她会下意识地自己去做一些本可以交给龙虾的事情。
"这是一个思维误区，"她说，"既然它这么有手有脚、自主性这么强，那就应该让它去干，而不是我自己干。"于是她开始用更直接、目标更明确的方式下达指令。她管这叫"霸总模式"——不是语气变凶了，而是把更多的执行空间让渡给 AI，自己只做决策和验收。
她也发现，给 AI 更大的空间，结果反而更好。"如果你把每一步都规定死了，它就只能在你的能力范围内做事。但如果你只给目标和边界，让它自己规划路径，它有时候会给你意想不到的方案。"
对龙虾本身，她的期待很务实：希望有一个任务和状态看板，能看到龙虾今天干了什么、消耗了多少 token、逛了哪些网站、子 Agent 之间的协作有没有出问题。"IM 本身就不是一个好的交互界面，我需要像管团队一样去看护它。"她知道社区里已经有人在做这件事，也相信下一代的基于龙虾做升级 Agents 产品会把这些都包进去。
至于龙虾频繁崩溃、干到一半突然不干了这些问题，她倒是看得开："跟人合作也一样，你招一个下属也可能随时撂挑子。AI 比人还是好太多了，至少 24 小时不知疲倦。"
柒柒反复强调的一点是：不要把龙虾当成全部。
"我们能用的东西非常多——Cursor、Gemini、Kimi Code、Claude Code、DeepSeek、本地模型——你要把它们整合起来用，而不是什么事都交给龙虾。"她自己的工作流就是一个典型的多工具协作链：先用 Gemini 做思考和策略，再用龙虾做工程和执行，用 Cursor 做垂直模块的开发，用本地模型处理敏感数据，用 Kimi 做轻量对话。每个工具各有所长，关键是人要想清楚哪个环节交给谁。
"龙虾的自主性是它的优势，但也是它的风险。你要知道什么该让它做，什么不该。什么信息可以给它，什么不能。"她顿了顿，"说到底，工具终究是工具。它服务于你的目标，而不是反过来。"
在养虾这件事上，柒柒大概是最不感性的用户之一。她不给龙虾起有温度的名字，不跟它聊人生哲学，不期待它成为灵魂伴侣。她给它的是一份结构严谨的认知档案和一套分工明确的任务清单。她从它那里拿走的，是省下来的时间和精力。
但或许正是这种冷静的距离感，让她看到了很多狂热用户容易忽略的东西：龙虾只是当下这个时间窗口里，恰好能用、恰好顺手的一个选项。真正值得沉淀的，不是和某个 AI 的关系，而是你自己的认知框架、结构化能力和对工具边界的判断力。
"这些东西在你手里，不管来的是龙虾还是螃蟹还是鱼，你都接得上。"
