养一只属于自己的 OpenClaw：从「烧钱碎钞机」到「能出活的电子同事」

2026 年 2 月 22 日，WaytoAGI 社区邀请 AI 产品经理、AI Agent 工程师陈财猫，分享他春节期间每天消耗 1 亿 token、用 OpenClaw（社区昵称「龙虾」）实现稳定进账的实战经验。这场分享面向所有对 AI Agent 感兴趣但尚未上手、或已开始尝试却觉得「不好用」的玩家，核心回答了三个问题：OpenClaw 为什么能火？正确的打开方式是什么？会遇到哪些坑？

为什么 OpenClaw 是分水岭：从「缸中之脑」到「能出活的同事」

▶ 14:01 · 看这一节

陈财猫在 2025 年 5 月写过一篇文章，讨论「AI 不能做什么」。彼时他观察到，尽管所有国家和企业都在投入资源，AI 对实际经济的影响却有限。他总结出上一代 AI 的五大硬伤：永远是新员工、上下文有限、缺少行业 knowhow、调优困难、没有物理操作和多模态感知能力。

「以前的 AI，你打开一个聊天窗口，你说一句，它说一句。」陈财猫形容这种模式下的模型是「一个没有身体、漂浮在数字世界里的脑子」。模型训练完成的那一刻，神经网络的权值就被冻结了，它没有一边工作一边学习的能力，记忆和认知被凝固在某个时间点。为了让模型勉强工作，用户只能给它塞「小册子」——也就是上下文，但这个小册子容量有限且并不免费。

OpenClaw 之所以成为分水岭，在于它用工程手段「讨巧地」绕过了这些缺陷。陈财猫强调，它并没有真正克服上下文有限的硬伤，但通过 agent skills 机制，把任务相关的知识做了很好的抽象。执行特定任务时，模型只需召回相关「小抄」，而不是把全部信息塞进上下文。

更关键的是，OpenClaw 给大模型配了一台电脑和几乎所有权限，还能连接到办公和聊天软件。「你会有一种感觉，屏幕背面真的有一个很能出活的活生生的同事。」陈财猫说，他给自己的 OpenClaw 起名「小黑熊」，还给它做了美式证件照——「很快所有人都要习惯，工作是为了你看 AI 作为真正意义上的有实感的同事存在。」

写字楼里的信息处理者，正在被装进 MacBook 的 AI 替代

▶ 24:02 · 看这一节

陈财猫分享了一个他思考了一两年的问题：写字楼里的人天天敲键盘，怎么就能产出价值？他引用与 Gemini 的对话给出了答案：敲键盘的人是在做「放大器、润滑剂和导航仪」——技术和研发放大生产效率，物流调度系统保证货物不空跑，金融和管理分配社会资源。

「人类社会为什么要养活这么多看似没用的写字的人？就是因为这些人在处理信息的价值，逐渐超过了生产物质的价值。」陈财猫指出，写字楼里绝大多数岗位的本质是左边输入信息、右边输出信息。而 OpenClaw 能操作电脑处理信息，本质上就是在替代写字楼里的人。

「MacBook 就是它的写字楼，它就在里面写字。」陈财猫说，当他意识到这一点时「大为震惊，晚上睡不着」。「今年一定会有一个很大的变天，OpenClaw 是一个信号，接下来人工智能会对人类社会产生巨大的冲击。至于冲击谁？就冲击写字楼里写字的人。」

正确的打开方式：MacBook Air、顶级模型、耐心调教

▶ 30:46 · 看这一节

陈财猫强调，OpenClaw 高度定制化，「只有你自己的虾宝才是最好用的」。他给出了四个核心建议：

第一，无论多困难，一定要亲自上手试试。「新的一年世界一定会发生天翻地覆的变化，海啸就在眼前。」

第二，部署在自己的电脑上，首选 MacBook Air。 他强烈反对租云服务器：「买云服务固然也能住，但是你住酒店的时候会给酒店房间置办家具吗？更何况还是四面漏风、简陋狭窄、还有一股味的廉价小旅馆。」他推荐 M1 芯片的「乞丐版」（M1 + 8 + 256），京东约 2200 元，且非常保值——他两年前 2400 多元买入，现在还能卖 2400 元。选择 Mac 的原因有三：苹果生态软件丰富，相当于给电子员工配齐了办公软件；macOS 与 Linux 同属类 Unix 系统，对 AI 执行命令更兼容；MacBook Air 有屏幕，龙虾宝宝刚出生时很笨，需要随时打开电脑「扶它一把」。此外，龙虾权限太高「特别爱瞎搞」，买台便宜电脑给它单独折腾，出问题重装即可。

第三，有条件就用最贵最好的模型——Claude Opus 4.6，目前没有平替。 他对比了其他选项：Minimax M2.5 参数小「啥事都干不了」；Gemini 5 很聪明但没有多模态、读不了图；GPT 5.3「太理工了」，用起来不如 Opus 4.6 舒服。如果预算有限，可以去闲鱼买便宜的 GPT 账号，登录 Codex 使用 GPT 5.2，几十块钱就能用。

第四，要有耐心陪伴虾宝成长。 核心方法是：第一次跟着 AI 把任务跑通，然后立即让它复盘、沉淀为 skills。下次执行同类任务时直接调用 skills，它就会重复做得最好的一次。「你刚刚开始用的虾宝，和你用了一段时间的虾宝，那是完全两样的。」

避坑指南：成本、随机性与「狗资本家」时代

▶ 40:02 · 看这一节

陈财猫坦言，OpenClaw 的上手曲线非常陡峭。它是个新项目，开源方案部署困难，需要配置隐藏文件夹里的 openclaw.json，还容易出 bug。「你配了半天，终于把虾调通了，它才能干活。但这时候你已经离不开它了，只能捏着鼻子继续调。」他建议遇到问题看官方文档（openclaw.ai/getting started），文档实时更新，且要记得及时升级版本——「2 月 9 号的版本到 2 月 20 号已经迭代过 10 次，是上古版本了。」

第二个坑是「非常吃主人的水平」。他半开玩笑地说：「觉得龙虾不好用，要么是没买 MacBook，要么是没用最好的模型，要么就是你菜。」

第三个坑是随机性。大模型是概率模型，执行任务天生有随机性，不是每次都能做好。「但这个东西的好处就在于，它可以在混沌的世界里把事情解决。写过程序的人都知道，程序只要出一点错就跑不下去了，但 AI 可以在混沌里把事情解决——人类也不是每次都能把事情做好。」

第四个坑是贵。陈财猫展示了他的 API 调用记录：缓存读取 15 万输入 token，输出仅 164 token。「它每输出 100 多个字，你就要塞进 15 万字的小抄，这个东西很贵。」他春节期间每天消耗约 1 亿个 Opus 4.6 token，加上各种 coding plan，总共花了大几千元。降低成本的办法包括：在闲鱼买 token 或会员、趁大厂 coding plan 未涨价时囤货、用便宜的模型运行已沉淀好 skills 的任务。

由此他提出一个新概念：「人人都是狗资本家」。如果雇佣一个员工成本 7000 元，就必须让它产出 14000 元的价值，否则就是亏本。「龙虾半夜 4 点也在回复你，但它是按量付费的。你随便跟它说一句你好，它就收你几块钱。你如果不能提出正确的问题，找到做一件事比做 100 件事还重要的那件事，你就是个失败的管理者。」

创造者的品味：拒绝 AI 泔水

▶ 50:01 · 看这一节

陈财猫强调，管理龙虾需要极高的品味。他推荐了 Paul Graham 的文章《Taste for Makers》，并引用其中观点：「伟大作品的配方就是极为严苛的品位，加上满足这种品位的能力。」

「网上充斥着大量 AI 泔水（AI Slop）。」他说，「一顿操作猛如虎，一看结果二百五。你对产出物好不好都没有判断，那你拿 AI 生成的东西就是 AI 泔水。」而有了品味，你才能判断虾宝做得对不对，才能在它产出第一个完美作品时「天灵盖有一种触电一样的麻的感觉」，然后让它沉淀为 skills。

现场问答

▶ 59:26 · 看这一节

问：公司电脑不让装 OpenClaw，自己装了但不知道能干什么，怎么办？

陈财猫建议先从不依赖公司电脑的工作入手：「你先给龙虾宝宝下任务，它说要什么你就全部配好。然后像开车一样去开它，问题解决了，告诉它哪里不够好，直到你说『哇这个东西很厉害』，就让它沉淀为 skills。」他同时劝大家不要焦虑：「焦虑会让动作变形，我所有的最好创造都是在玩的过程中玩出来的。」

问：在 Crypto 交易所做运营，工作全是后台配置和数据填写，公司电脑不让装，怎么探索 AI 优化？

陈财猫直言：「公司唯一的作用就是给你发钱，让你在工作之外探索更大的世界。」AJ 补充提醒，交易所数据极其敏感，OpenClaw 安全性很差，「万一把真正的 token 弄出去了，会造成重大事故」，千万不要在公司电脑安装。元子建议，运营工作里有一部分用 Python 脚本就能完成，可以在自己电脑上写好脚本带到公司用，不涉及 AI 的部分不受限制。

问：写小说，每天让 AI 写 10 万字，怎么喂数据、怎么控制成本？

陈财猫建议不要一次性投喂几百篇文章：「上下文有限，最多只能看完几篇。你丢给它几篇得意之作，让它模仿着写一篇新的。你一看就知道好不好、不好在哪，把 feedback 给它，让它再写。直到你觉得『这是我想要的东西』，就让它沉淀为 skills。」他还指出，如果不需要给大模型单独配电脑操作浏览器，用页面聊天或 agent skills 就够了，「不一定非要用龙虾」。

问：项目涉及多个 APP 操作和判断逻辑，怎么拆解给龙虾？

陈财猫认为，目前很多工具和生态是为人设计的，给 AI 用还不成熟。「如果有底层 API 接口，就把 API 给龙虾；如果没有 API，让它操作 APP 会非常费劲。」他建议现阶段用 Mac，因为命令对 AI 更友好；如果项目不着急，可以等两三个月，大厂的云龙虾服务器和 AI 友好工具生态会逐渐成熟。

问：一天 1 亿 token 大概多少钱？

陈财猫表示，用 Opus 4.6 大约 100 元/亿 token，但他自己「没怎么数，一个劲往里充，过年期间花了大几千」。有观众分享自己用中转 API 约 400-500 元/20 亿 token。陈财猫补充，可以用 Google 账号登录 Antigravity 等 coding plan 来降低成本，但「会封号，你也不能怪谷歌——你知道龙虾宝宝吃的虾粮有多少之后，会觉得封号很正常」。

问：龙虾的记忆结构怎么管理？多个 agent 之间怎么协作？

陈财猫说他用龙虾原生的 subagent 系统：「让它 spawn 一个 subagent 去执行特定的 skills。我懒得折腾，龙虾 bug 太多了。」他写了一个专门的调度 skills，主 agent 调用调度 skills 去调度 subagent，同时开并发，子 agent 完成后汇报，再用自动化脚本验收结果。

问：龙虾被调歪了，是干掉重来还是能救？

陈财猫说可以直接操作它的记忆文件：「所有设置都在用户文件夹下的隐藏文件夹 .openclaw 里，你可以打开记忆文件，把不喜欢的记忆删掉，手动大洗脑。」备份也很简单，右键压缩整个 .openclaw 文件夹即可。

要点回顾

• OpenClaw 爆火的核心原因：它给大模型配了电脑和权限，用 agent skills 工程化地绕过了传统 AI「永远是新员工、上下文有限、缺少 knowhow」的硬伤，让 AI 从聊天框变成了能出活的同事。
• 写字楼里的大多数岗位本质是信息处理，OpenClaw 能操作电脑处理信息，就是在替代这些岗位。
• 正确打开方式：部署在自己的 MacBook Air（M1 乞丐版即可）上，用最贵的 Claude Opus 4.6 模型，耐心陪伴调教，把跑通的任务沉淀为 skills。
• 主要坑点：上手曲线陡峭、非常吃主人的水平、执行有随机性、token 成本昂贵。
• 核心方法论：agent skills is all you need——第一次手把手跑通任务，立即复盘沉淀为 skills，之后反复调用。
• 人人都是狗资本家：必须让 1 块钱的 token 产出 2 块钱的价值，否则就是亏本。
• 创造者的品味是核心竞争力：能判断产出物好坏、知道往哪个方向调，才能避免产出 AI 泔水。
• 安全提醒：OpenClaw 权限高、安全性差，不要在公司电脑或存有敏感数据的电脑上运行，给它一台独立电脑「瞎搞」即可。