AI领域有一句话流传甚广——“只要你学得足够慢，很多东西就不用学了。”这话听着像段子，但并非完全没有道理。毕竟一个热点产品的半衰期今天已经越来越短了，短到没过两天我们就开始怀疑：这东西曾经居然这么火过？龙虾，就属于这类产品。
龙虾火得太猛了，快到连马化腾都没想到。GitHub星标5个月不到飙到34万，超越了曾经神一样存在的Linux、React。还记得500块上门安装龙虾吗？还记得腾讯云线下排队安装龙虾吗？仿佛还在昨天，又恍如隔世。
一、热潮退去：从全民狂欢到集体沉默
那么问题来了——为什么龙虾这波热潮冷却得这么快？先看几个核心指数，答案就藏在数据里。
现在去翻微信指数，把关键词“OpenClaw”的时间线拉到4月，你会发现那条曲线在3月中旬达到巅峰之后，便一路向下俯冲；百度指数亦是同理，热度峰值过后稳步回落；Google Trends显示，全球范围内OpenClaw的搜索热度峰值出现在3月10日，到4月中旬基本回到了峰值的五分之一不到。
做过产品的人可能会敏锐地指出：指数只能代表感兴趣而去搜索的新增用户，并不反映存量用户。这话有道理，但我们再看另一个更能体现存量现状的信号——国内厂商的集体沉默。
国内有多少厂商跟风做了龙虾？Kimi Claw、MaxClaw、ArkClaw、QClaw、CoPaw、有道龙虾、小米miclaw、讯飞AstronClaw、智谱AutoClaw……一场轰轰烈烈的“千虾大战”席卷AI圈。但这么多厂商，有哪一家公布过自己龙虾产品的用户数、留存率或者龙虾消耗的token数？据我所知，一家都没有。
在AI这个行当里，数据好看的产品，团队恨不得半夜三更都要发战报，生怕全世界不知道。而这种集体沉默，本身就已经是最明确的回答——龙虾的存量用户留存，远没有表面看上去那么乐观。
我自己也做了一个田野调查：4月12日，我在朋友圈发了一条调研：“做个小调研，你养的龙虾还活着吗？在的话每天给它几个任务？”我这个号有8700多个微信好友，基本都是互联网和科技行业从业者，这个人群的回复大概能反映行业内的真实情况。
有人敏锐地指出，养死了龙虾的人，从心理学角度大概率不会主动回复，所以这个调研有局限性。没错，所以我重点观察的是“回复还在养龙虾的人”有多少——最终只有13个人回复。8700 VS 13，这个比例远比我预想的要低。要知道，当初朋友圈随便发一条“一起养虾”，就能聚集200+人加群，说好的全民养虾，终究只是一场短暂的狂欢。
二、核心困局：为什么大家的虾“养不活”？
龙虾热潮退去的核心，本质是“好用”的假象被打破——大多数人根本养不活、用不好龙虾。我结合自己的使用体感，总结了几个最直观的原因。
1. 原版龙虾：草台出身+高门槛，劝退90%普通用户
原版龙虾是奥地利程序员Peter Steinberger的个人项目，完全不是开箱即用的产品。要装原版龙虾，你得有一台常开的电脑（最好是Mac Mini，Windows的捣鼓难度更大），得装Node.js v22以上版本，得会基本的命令行操作，得配置API Key，还得搞定科学上网。这一系列操作下来，就已经把大部分普通用户挡在了门外，只剩下能折腾的极客群体。
更要命的是，即便安装完成，原版龙虾也不稳定到让人抓狂。我自己的使用体验是：它经常动不动就挂掉，WebSocket连接断开、插件冲突导致Gateway崩溃、升级版本后Skills全部失效……3月24日那次大版本更新，更是直接导致控制台无法加载，挂得相当抽象。
而一旦挂掉，大部分人对此完全束手无策——修复过程涉及看日志、查配置、重装插件或回滚版本，这些操作对普通用户来说，跟修摩托车没有区别。我的龙虾之所以能活到现在，是因为每次挂掉，我都会用Claude Code去修复它。但问题来了：我都有Claude Code了，很多任务它跑得比龙虾更好，我又何必多此一举用龙虾？
我小群里有个爱折腾的哥们，他的原话特别扎心：“整个三月，我和龙虾的所有对话中，有一半都是在修它自己，后来实在受不了，让它滚蛋了！”龙虾之所以这么不稳定，核心原因是它起点太草台、迭代太快——迭代快在开发者社区是好事，但对普通用户来说就是灾难：今天花三小时配好的环境，明天一个强制更新就可能全部报废。这种体验，放在任何一个消费级产品上，都是不及格的。
很多第一波尝试的大众用户，都是请身边懂行的人帮忙安装，但没两天龙虾挂了，不好意思再麻烦别人，于是这只虾就再也唤不醒了。
2. 云端/魔改龙虾：失去核心价值，沦为“在线聊天机器人”
有人会说：既然原版龙虾这么难搞，那我安装国内的云端虾、魔改虾，不就万事大吉了？
这些版本的共同特点是零配置、云端托管、浏览器即开即用，听起来很美，但却违背了龙虾的核心设计哲学。龙虾的核心价值是什么？是能接管你的电脑，操作你的本地文件，驱动你的浏览器，执行你的命令行——而这一切的前提，是它必须在你的本地设备上运行。
把龙虾放在云端，你得到的基本还是一个在线聊天机器人。有一个比喻很形象：你请了一个保姆，却不让她进你家，而是让她在院子里工作，你还要把家里的东西一件一件搬到院子里给她用（传文件到云端）。请问，这样的保姆能发挥多大价值？
3. 本地国产龙虾：token成本高+上下文混乱，体验拉胯
有人说，我装的不是云端龙虾，是国内版的本地龙虾，这下总能正经用了吧？别急，还有一堆问题等着。
小米AI模型负责人罗福莉在Twitter上发过一篇有分量的长推文（相关网页为境外链接，当前无法访问），其中明确指出了龙虾的上下文管理混乱问题：它在单个用户查询中，会以独立API请求的形式发出多轮低价值工具调用，每个请求都包含一个很长的上下文窗口（通常超过10万tokens）——即使缓存命中，这也是一种浪费，极端情况下还会提高其他查询的缓存未命中率，每个查询的实际请求数最终比Claude Code自身的框架高出数倍。
通俗地说，龙虾每次与模型的API交互，都要把一大堆东西塞进去：系统提示词（SOUL.md、USER.md、AGENTS.md三件套）、相关对话历史、工具的JSON Schema描述等。这些东西不是发送一次就缓存，而是每次请求都完整发送一遍。
再加上龙虾引以为傲的心跳机制（Heartbeat）——每隔一段时间自动唤醒检查有没有新任务，每次心跳都是一次完整的API调用，默认30分钟一次（有些人还会调高频次），一天就是48次。这直接导致龙虾的token成本居高不下，对于普通用户来说，成本敏感度极高。
我自己买了20刀的ChatGPT Plus套餐，通过Oauth登录跑龙虾，稍微多两个任务就被限额，非常烦躁；想要升级100刀的套餐，又忍不住怀疑：这玩意儿真值得我花这么多钱吗？最后还是乖乖回到了100刀的Claude Code。
而且token消耗的问题不只是花钱，还会直接影响龙虾的“智力”：如果不研究SubAgent（多个子Agent配合），一窝蜂把所有任务发给它，上下文窗口会被无关信息占满，模型注意力被稀释，具体表现为上下文溢出导致的“降智”，做出来的任务乱七八糟。
4. 记忆系统拉胯+安全隐患，进一步劝退用户
客观地说，龙虾的记忆系统是有创新的——在本地Markdown文件里，分为全局记忆（MEMORY.md）和每日记忆，但实际运行起来体验并不好。它的记忆依赖模型自己判断“该记什么、不该记什么”，这就导致它有时候会漏掉重要信息，反而记住一些无关紧要的闲聊。
SegmentFault上有开发者吐槽：“它确实记住了一些东西，但往往不是你想要的。关键偏好可能忘了，无关紧要的闲聊倒是记得一清二楚。”虽然社区后来搞出了PowerMem、MemOS等记忆优化插件，但这又回到了老问题：要优化记忆系统，得先透彻理解原有缺陷，这又挡住了大部分人。
此外，很多人根本搞不清SOUL.md、USER.md、AGENTS.md这三个核心文件该写什么、有什么区别——从某些发帖来看，甚至有些大V也没搞明白。大部分人完全不写，最后养出的龙虾像白开水一样，还没有豆包有“活人感”；有些人妄想当“老板”，却没设置SOUL.md，龙虾根本给不了一点情绪价值。再加上如果接入的是智商和上下文长度一般的国产模型，体验更是雪上加霜，捣鼓半天，气到放弃。
还有安全问题。我在《你的龙虾可能在裸奔》一文中，聊过斯坦福一篇讨论龙虾安全的论文《Agents of Chaos》，里面提到的龙虾各种安全漏洞，让人叹为观止。咨询了一位深圳搞安全的朋友，他说：“圈子里的黑客们好久没有这么集体兴奋了。”尽管龙虾后续版本做了安全加固，但有安全意识的业内人士，还是很难放心把它装在自己的主力机上。
顺便说一句，很多人不知道，龙虾在电脑休眠时是不工作的——想着在外面从微信上给龙虾安排任务，结果它根本不理人。对于这类用户，我推荐一个产品：显卡欺骗器，一个像U盘一样的东西，能让笔记本误认为插了显示器，合起来也能让龙虾继续干活。
5. 深层次问题：大多数人，其实当不好“老板”
以上都是直观原因，还有一个容易被忽视的深层次问题：大多数人，其实当不好龙虾的“老板”。
很多人即便招几个聪明的人类员工，也很难把任务指派明白——习惯了做执行层的人，身份很难转变，交代稍微复杂一点的任务就会抓瞎：说不清自己到底要什么、不知道该布置到什么程度、定不出交付标准。最终结果就是龙虾一顿操作猛如虎，最后给你整一堆空文件夹。
所以，有时候不是龙虾能力不行，而是用龙虾的人，不知道怎么把它用好。很多人兴冲冲养了龙虾，最后给它指派的任务，就是每天早上总结一份AI新闻——相当抽象，也完全浪费了龙虾的价值。
三、鸿沟未跨：龙虾终究没走出“极客圈”
说到这里，不得不提杰弗里·摩尔的《跨越鸿沟》（Crossing the Chasm）。这本书最核心的观点是：新技术产品从早期使用者（极客和创新者）扩展到主流大众之间，存在一道巨大的鸿沟。很多技术产品死在这道鸿沟里——左边是对新技术充满热情、爱捣鼓的极客；右边是需要产品稳定可靠、开箱即用的普通消费者，两边的需求天差地别。
龙虾就是一个典型的“没跨过鸿沟”的产品。看看那些真正还在用龙虾的人是什么画像：他们几乎全是开发者或极客，能用AI排查系统问题、对token计费心中有数、遇到bug能不慌不忙修复。知乎上有个深度用户的用法很典型：他养了两只龙虾，一只叫狗子，一只叫虎子，互为竞争对手、互为备份，一个挂了就用另一个去救它。这操作很骚，但你让一个普通人这么干？根本不现实。
早期使用者的特点是爱捣鼓、能忍，他们享受征服技术的快感；但主流用户要的是什么？打开就能用，别给我添乱。龙虾在“为人民服务”这个维度上，差得还很远。
Huggingface的CEO甚至在龙虾最火的时候就公开预言：“OpenClaw的热度六周后就会褪去。”事实证明，他的预言基本被验证了。
四、理性看待：热潮背后的价值与反思
有人说，龙虾热就是国内厂商过度营销产生的泡沫。这个说法，我部分同意但不完全同意。
没错，龙虾热是厂商FOMO（害怕错过）和用户FOMO的共振，但这波迅速的产品化动作，并非毫无意义，骂得太狠反而不客观。首先，由于芯片受限，我们在模型侧的性能上限客观上被打压，这时候如果应用层面反应还不快，我们就真的没机会了——这是被动局面下的主动选择，谈不上投机。
卷其实是有意义的，当年的支付大战，就实打实地把移动支付的基础设施在中国铺开了。龙虾的适当FOMO，对推动国内Agent的普及，同样有好处。所以，现在有人拿着朋友圈截图调侃“心疼Pony一秒”，其实没必要——厂商这波迅速反应，本质上是一次练兵：把内部的AI产品化流程、跨团队协同机制，全都实战演练了一遍。下一波AI浪潮来的时候（肯定还会有，而且很快），这批练过兵的团队，会比没搞过的团队快上好几拍。这不，这几天国内版Hermes Agent又陆续上线了：Minimax上线MaxHermes，腾讯云上线Hermes Agent部署。
但我还是想补充一点：即便在应用层面，国内团队也应该在底层做一些更原创的探索。我们需要更多像龙虾开发者Peter Steinberger这样松弛的人，需要更多像Claude Code之父Boris Cherny这样洞察工程的人；我们需要比Hermes Agent更优秀的框架，需要更多比Manus更创新的产品——而我们其实并不缺这样的智力和土壤。
说实话，龙虾刚出来的时候，我一度以为比它更好的Agent框架会从国内团队里诞生。毕竟论工程能力、论应用场景理解、论用户触达，国内团队都不差。但事实是，没有。过年前我参加了真格基金关于龙虾的闭门讨论会，会上真格戴雨森问了Orange AI创始人橘子一个犀利的问题：“这个为什么不是你做出来的？”橘子的回答松弛而坦诚：“他对系统的理解比我深刻。”
两个月后，橘子端出了新产品ColaOS，我不知道这个产品能走多远，但的确需要更多类似的新尝试。毕竟，龙虾也是Peter Steinberger开发的第44个AI产品——这意味着，他之前开发的43个产品都没有火，第44个是果，前面43个是因。多试新东西，多搞原创的东西，才是AI行业的长久之道。毕竟，硅谷的顶级实验室，现在已经开始招哲学家，讨论模型福利和情绪了。
五、结语：龙虾不是终点，只是起点
如果你认为我这篇文章是想把龙虾贬得一无是处，那你就错了。看过我之前文章的人都知道，我从来不是二极管。仅龙虾凭一己之力，让一直封闭的微信第一次开放通讯接口这一件事，它就配享“AI圈里程碑”的地位（我写过长文分析过此事）。更不用说，龙虾在某种意义上改写了ChatBot的传统AI叙事，推动了skills走向更多人群，还让很多传统互联网产品推出了CLI（命令行界面）——就连浓眉大眼的Claude Code，也明显抄袭了龙虾的很多功能。
有人做过一个很贴切的类比：龙虾可能就是特斯拉的第一代Roadster。2008年，Roadster证明了电动车可以跑起来、可以很酷，但它售价超过10万美元，质量问题一大堆，续航拉胯；真正让电动车普及的，是2017年的Model 3。从Roadster到Model 3，中间隔了9年。
另一个类比是，龙虾还处在智能手机的黑莓时代。黑莓证明了手机可以收发邮件、可以移动办公，但它需要物理键盘、需要企业IT部门配置BES服务器、界面极其反人类；真正的智能手机，要等到iPhone出来。
龙虾创始人Peter Steinberger自己说过一句话：“因为他们（竞争对手）都太把自己当回事了。很难打败一个纯粹为了好玩而做这件事的人。”这话很极客，但问题是——一个纯粹为了好玩的产品，和一个要服务千万用户的产品，终究有差距。全民养虾这件事，注定只是2026年春天的一场集体狂欢。
有人评价龙虾的GitHub星标：“GitHub星标是一种虚荣指标，不是用来衡量项目实际使用率、功能或质量的可靠指标——许多用户会出于好奇、跟风或表达关注而标星。”龙虾所代表的Agent技术方向，当然有长期价值，但眼下，它本身多少有些鸡肋的趋势了。
在AI这个行当里，凉得快的产品多如牛毛，但电动车不会停留在特斯拉Roadster，智能手机不会停留在黑莓。龙虾最大的贡献是什么？它让我们第一次知道，好用的Agent大概应该朝哪个方向进化。至于谁会成为Agent领域的Model 3或者iPhone，那就是另一个故事了。
纳瓦尔说：AI适应人类的速度比人类适应AI的速度要快得多。原因在于——AI面临更激烈的自然选择。这个洞察相当深刻。没错，下一个AI爆款又在来的路上了。想一想，还挺激动的呢！