昨天,有位朋友找我,让我帮他“ OpenClaw(龙虾)”。
这本来对我来说是轻车熟路的事,我已经在macmini和服务器上都成功安装过。但这次这哥们带了一台2018年出厂的thinkpad windows。
我折腾了一天,从直接装进windows,到装进WSL-Ubuntu,都没成功,chatgpt都被我问冒烟了,还没成功。前天晚上还跟人家吹牛逼,说这玩意,就是举手之劳。。。。。打脸真疼。
其实,真正让我脸疼的是,我搞好了macmini版本的openclaw,不知道用来干啥,又去部署了服务器版的,也一样闲成了一只死龙虾。
这种着急忙慌,赶热点,追时髦的做法让我回想起来了 2016 年的 ICO 狂潮,那几年骗走了我最重要的资产的追热点经历。
OpenClaw 确实很酷,它的叙事也非常性感:“AI 终于不只是陪聊了,它开始长出手脚做事了。”它主打在你自己的机器上跑一个开放的 Agent 平台,像数字助理一样处理任务。
我们已经在朋友圈短视频里看了龙虾盛况:
看到炫酷的演示视频。
觉得“这就是未来的入口!”。
花钱买课 / 找人代装 / 升级硬件 / 租服务器。
痛苦折腾一星期。
最后产出为零,或远低于付出的成本。
这种热潮传播得快,我觉得完全不是因为龙虾技术突破,而是因为它最“好晒”。截图好看、视频吸睛,发个朋友圈发短视频的都感觉自己“正站在未来之巅”,找到了下一个iphone时刻。
但在任何技术周期里,最危险的永远是那句心理暗示:“我绝对不能错过。”
严格强调啊,我并不反对 OpenClaw。相反,我认为它代表了 Agent 发展的一个必然方向,它是一个重大的突破,和豆包手机一样,让AI接管整个电脑,想象力无比丰富。
但问题在于,它的位置被很多人放错了,我想说的是当你需要花钱去找人代装龙虾时,就说明你完全找错了进AI的入口,我强调的是初学的入门不应该选择openclaw,付费进龙虾是错误的。
就像30年前,满大街的五笔培训班,20年前的autocad、photoshop培训班,10年甚至到今天还在火的社交媒体各种培训班,上来就参加这些培训班,以及现在的为了赶AI的趋势上来就买openclaw代安装“外挂执行器”,大概率只是一场昂贵的焦虑消费。
从2016 年开始的 ICO 热潮,一直延续到2018年,多少OG将手里的 BTC 换成了一堆 ICO 代币,btc killer,口号喊的振天响。这是典型的**“用确定性资产换不确定性叙事”**。10年过去了 BTC涨了100倍,那些ICO币都几乎归零了。
特别是2018 年 EOS 狂热, “下一代以太坊,Dapp平台”,真是把全体币圈给喊蒙了,被割走了多少 ETH和BTC,恨不得整个币圈都掉入了“技术承诺 > 真实生态”的典型陷阱。几年后回头看,BTCETH 依然是绝对主线,EOS 基本查无此人,名字都改了。
更近的,2020 年 DeFi Summer, 各种收益叙事、流动性挖矿,大家又拿 BTC/ETH 去换各种新 Token。这是一场“收益叙事 > 风险定价”的集体错配。结果大部分 Token 随风飘散,核心资产依然是 BTC/ETH。
经历过这些,你会慢慢看懂一个残酷的局:
叙事资产最擅长做的事,就是用新故事骗走你的核心资产,追热点进场,大概率很难不被收割的。
在这轮 AI 周期里,最容易被换走的“核心资产”不是钱,而是你的时间与注意力。

经历过币圈的洗礼,我现在对追热点极度脱敏。AI 圈的热点比币圈更多、更替更快。虽说不像炒币那样直接洗劫本金,但被收割掉大量的时间和注意力,同样致命。
与其重蹈我折腾出“死龙虾”的覆辙,比起花钱赶热点,不如稳扎稳打打好进入 AI 行业的基础知识阶梯。
不需要懂微积分,但你必须知道大模型是怎么运转的。遇到不懂的词,直接丢给 ChatGPT 让它给你写科普:
网页版对话框(ChatGPT / Gemini 等)是绝对的第一入口,别好高骛远。
别惜字如金:宁愿啰嗦,也要把背景(说人话)交代清楚;认真看回答,不满意就死磕追问到底。
放弃万能 Prompt:别去背咒语。核心心法就两个:一是把高频任务固化成可复制的 Prompt;二是让 AI 帮自己写 Prompt。只需交代清楚需求,让它迭代几次。在这点上,ChatGPT Pro 是目前地表最强的 Prompt 代写员。
按需雇佣,不随大流:摒弃“只用最新最贵”的思维。比如:ChatGPT 擅长讲理和学习,Gemini 写作表达更牛,Claude 写代码最强(只是封号让人心累)。同时,去搞懂对话框里的Tools(工具)到底能干嘛。
如果人形机器人是在物理世界替我们干活,那 Agent 就是在数字世界替我们打工的“虚拟打工人”。不需要懂太多花里胡哨的概念,目前只需死磕两个最成熟的:
编程 Agent:比如 Codex、Claude Code 或 Cursor。它们真正实现了“用自然语言写程序”。
Deep Research(深度研究):刚出圈时被称为 LLM 杀手级应用,千万别被后来的新概念掩盖了它的核心价值。
没有外部数据和能力的 AI 只是“闭门造车”,接上这三样东西,它才能真正干涉现实的物理或数字世界:
Tool(工具):AI 的“外接插件”。把 AI 想象成一把瑞士军刀,你需要学会给它插上特定的“刀片”。赋予它“PDF 解析”,它就能秒懂几十页合同;赋予它“Python 解释器”,它就能自己写代码清洗几万行 Excel;赋予它“联网搜索”,它就能彻底突破知识截止日期的盲区。
Skill(技能):AI 的“定制化 SOP”。这是很多人忽略但极其重要的一环!有了工具还不够,你得把自己的业务经验封装成固定的“技能”。比如设定一个“竞品分析 Skill”或“财报提炼 Skill”,规定它先用联网工具抓取什么,再按什么框架分析,最后输出什么格式。这是把通用大模型变成你专属业务专家的关键。
MCP(模型上下文协议):AI 圈当前的“USB 接口”。过去,让 AI 读取你电脑里的本地文件或公司数据库极其麻烦。MCP 提供了一种标准化的方式,让大模型可以直接、安全地插上你指定的本地应用或私有数据源。不懂它,你的 AI 永远是个没联网的单机游戏。
从偶尔灵光一现的“聊天玩具”,升级为“每周稳定产出”的自动化产线。
Prompt 资产化:把跑通的高质量 Prompt 抽离成带变量的模板(如 {业务背景}、{数据}),存入知识库随时调用。
编程平权(代码是胶水):既然入局了 AI,就用编程 Agent 自己搓一两个小项目,写点胶水代码,搭一套专属的自动化工作流。
信息获取 AI 化:戒掉传统搜索。用 AI 去啃不敢啃的硬骨头——全英文论文、阿拉伯文资料、几万字的财报,把它变成你的终身学习伴侣。
如果你能稳步走完这五级,再回头看 OpenClaw,怎么装、怎么用都只是水到渠成、降维打击的小事。。
在 Crypto 周期里,无数人用宝贵的 BTC 换了一堆归零的 ICO。
在这轮 AI 周期里,依然会有一大批人用宝贵的时间去换一堆很快过时的新玩具。
但长期的赢家永远在做同一件事:积累底层认知与可复用的能力,远离叙事轮动的收割局。
OpenClaw 真的很酷,但它不是入口。真正的入口是你的认知、表达能力、工作流和复利思维。
最后送你一句我常用来提醒自己的话:
AI 不是一把新玩具,而是一套新操作系统。先学会用操作系统,再去研究外挂。