唐霜

哈喽大家好啊，好久没发东西了。这段时间一直在忙产品相关的工作，比较少分享技术或者开源方面的探索。

这几天遇到一个挺有意思的现象：好几个小伙伴跑来问我，能不能一起拼一个 GLM 5.1 的套餐来写代码。毕竟目前国内模型里，5.1 确实算最强的那一档。再加上 Claude 官方最近上线了 KYC（身份认证）策略，用它的服务得做身份验证，而且本身就屏蔽了国内用户——这让国内的小伙伴用 Claude 的成本越来越高。很多渠道可能都面临关闭的风险，于是大家又把目光投回了国产模型。

智谱 5.1 发布后反响确实不错，但让人不爽的是：官方把直接订阅 Coding Plan 的入口给关了。据说是因为算力紧张，做这个套餐本身也比较亏本，现在就搞成“放量”模式——有点像秒杀，一出来就被抢光。好多小伙伴想买都买不到，有钱花不出去的感觉。

我自己手上倒有一个 Max 套餐。之前做 Claude Code 深度教程的时候，很多小伙伴通过我的推荐去买了套餐，官方给了我一笔返现奖励，我用这笔钱买了 Max 套餐。之前上车的朋友应该没亏吧？😄

现在这个套餐我自己用得不多，主要还是在用 Codex（GPT 模型写代码）。我就想，既然我用量少，能不能把这个套餐分享出去？收点钱回回血也行，实在不行免费分享也可以。

正好有小伙伴来找我，想“搭车”一起用这个套餐。但问题来了：官方并没有独立的 API Key 专门给 Coding Plan 用。在智谱官网上，所有服务的 token 是混在一起的——我账户里还有不少余额，是用来调用其他模型服务的。如果把 key 直接交给小伙伴，万一（不是不信任）把我通用 API 的余额也消耗掉了，那就尴尬了。

有没有现成的方案？

我找了一圈，市面上确实有中转系统（比如 One API 这类），可以把海外 Claude、GPT、Gemini 的 token 转给国内用户用。但那种方案太重了，面向的是跨境卖 token 的场景。我这边就是几个熟人一起用一个套餐，没必要搞得那么复杂。

搜了一圈，没找到合适的。那就自己做一个吧——反正功能上也不难。

一个晚上从 0 到上线

昨天晚上，我开始用 Claude Code，连上 GPT 和 GLM，把我的想法讲了一遍。让它帮我梳理需求、出 PRD 文档，然后根据文档设计系统架构。接着我开启了 Claude Code 的 Ralph 模式（需要装个插件，用一条命令就能让 AI 一直跑，直到它认为自己完成了所有需求）。

我让它自己跑，然后我就去睡觉了。

今天早上起来验收，功能基本都实现了，但细节上还有些问题：UI 不够好看，一些交互逻辑需要打磨。于是花了一整天，跟 Claude Code 和 AI 一起把系统打磨完，下午快吃饭的时候上线了。

AI Coding 的真实体验

现在做一套系统确实非常快。我的流程很简单：让 Claude Code 出设计文档、实现文档，然后开始跑。

但花时间最多的阶段，不是“从 0 到 1”，而是 从 1 到 100 的精细化打磨。

从 0 到 1 基本可以无人值守，AI 自己就能搞定。但精细化打磨的时候，你必须盯着它，出结果后马上验证，给实时反馈。比如 UI 上哪里不对、交互逻辑怎么改、隐私安全怎么保障——这些细节在初始阶段 AI 是没法帮你做好的。

我一整天绝大部分时间都在做这件事：告诉 AI 哪里有细节问题，让它改，然后验证。这个过程需要实时互动，不可能完全放手。

之前有做产品的朋友跟我交流，说他们对产品的理解很好，想借助 AI 独立实现产品。但经过这一天的体验，我发现他们可能能做到 0 到 1，但很难做到 1 到 100。因为有些东西你根本不知道“需要有这个东西”——比如加密、数据库字段、算法逻辑。你不知道，就没办法让 AI 帮你做。

当然，我们做技术的人从 90 分到 100 分能做得到，但从 0 到 1 的想象力可能不如产品经理。所以最好是两种思维都有——或者像我们这样，一个人既懂技术又懂产品，还得懂点营销。

AI 让大家失业？我觉得可能有一半的冲击，但完全颠覆行业还远着呢。比如界面审美——你得让 AI 装上视觉、理解效果、具备审美，这几乎不可能。所以目前来看，人还是不可或缺的。

我做的东西：AICodingBus

回到正题。我做这个系统叫 AICodingBus（AI 编程巴士），所有小伙伴都是来“搭车”的。

· 共享自己的 token，或者搭车使用别人的 token。
· 平台本身没有任何收费项目，只做分享和限制功能。收费什么的大家线下（场外）自己解决。
· 目标是熟人之间的 token 共享，不是那种中转服务商。

使用流程很简单：注册账号 → 创建共享池 → 填入上游服务商的 API 地址和 Key → 生成邀请链接 → 审核通过后，使用者就能拿到平台提供的 URL 和 Key，放到自己的编程工具里直接用。

核心设计点：

1. 额度分配：比如一个套餐 3 个人用（包括创建者自己），可以设置平均分配份额，避免一个人把所有人的额度都用光。
2. 隐私保护：使用者只能看到自己的用量，创建者能看到整体用量，但看不到其他人的具体用量。
3. 防坑机制：如果创建者收了钱，不能随便踢人（只有成员主动退出）。当然这防不了君子不防小人——创建者可以直接在官方层面删掉 Key。后续可以考虑加信任评分系统，让大家知道谁靠谱。

个人建议一个共享池不要超过 10 个人，五六个人最好，方便管理。

使用地址：https://aicodingbus.24×7.to

使用说明：https://www.bilibili.com/video/BV1MMd6BvEuF/

最后

通过这次体验，我觉得 AI 编程确实很高效，但也没有想象中那么“傻瓜化”。我做这个工具主要想解决日常开发中的小问题，没打算靠它盈利。

如果你也有 token 共享的需求，或者对这个工具有什么想法，欢迎在评论区聊聊～

有机会再和大家聊更多话题，拜拜！

你是不是看到过非常专业的视频生成控制的演示呢？在别人用AI生成的视频演示中，你能看到他们可以让AI完全按照自己的想法生成视频。今天，我就把这个秘诀教给你。

想要严格控制AI生成视频的整体过程，我们推荐一种标准化结构的提示词格式，这种格式向AI提供了全面的生成依据，因此，可以做到精准把控。

让我们先看一个案例。

下面这个视频是用通用语言描述生成的视频：

提示词如下：

健身房，大叔对着镜子努力举哑铃，表情狰狞。旁边肌肉男轻松拉起三倍重量，结果裤子崩开，露出卡通内裤。大叔憋笑到岔气，哑铃砸到脚，单腿乱跳撞倒一排蛋白粉罐，粉尘漫天，所有人变成“雪人”。

而下面这段视频的，则是用我们标准结构的提示词生成：

提示词如下：

镜头1（0-2秒）
运镜：固定镜头
画面：中景，平视，顶光。中年大叔在健身房镜子前奋力举哑铃，面部肌肉紧绷，嘴角抽搐，双臂微微颤抖。
音效：哑铃碰撞声。
---
转场：镜头跟随视线右移
---
镜头2（2-5秒）
运镜：缓慢推进
画面：特写，侧光，低饱和度。肌肉男轻松举起三倍重哑铃，裤子突然崩开，露出卡通内裤，周围人表情从惊讶到憋笑。
音效：布料撕裂声。
---
镜头3（5-8秒）
运镜：轻微晃动
画面：全景，俯拍，高对比度。大叔憋笑岔气，哑铃脱手砸到脚，单腿跳跃撞倒蛋白粉罐，粉尘弥漫，所有人变成"雪人"，表情从痛苦到滑稽。
音效：哑铃落地声、罐子倒下声、粉尘飞扬声。
---
音效（0-8秒）：健身房背景噪音

可以看到，AI遵循了我们提示词中至少90%的指令。

那么，一款标准结构的提示词格式是怎样呢？下面就是一份我们总结的标准提示词示例。

写实纪实风、自然光、低饱和、轻微颗粒感。（可选）
---
镜头1（0-3秒）
运镜：固定镜头，轻微手持感（可选）
画面：中景，平视，侧光。角色A（通过 mention 引用）坐在凌乱书桌前，台灯只照亮半张脸。
台词（角色A，低沉且疲惫）：“又来了。”（可选）
音效：虫鸣声。（可选）
---
转场：硬切，跟随角色A视线方向（可选）
---
镜头2（3-6秒）
运镜：缓慢前推（可选）
画面：特写，俯拍，焦点从虚到实。桌上笔记本内页墨水晕开形成黑色圆点。
台词（角色A，压低声线）：“这不对劲。”（可选）
音效：笔在纸上的书写声。（可选）
---
...（可包含更多镜头、转场，总时长控制在 8-15 秒内）
---
音效（4-12秒）：雨声（跨镜头，按需添加）
音效（12-13秒）：巨大的雷声（跨镜头，按需添加）
---
**强制音频约束**：禁止出现任何音乐内容（包括但不限于背景音乐、配乐、歌曲、BGM、持续哼唱、乐器演奏），仅允许“音效 + 说话声”。

让我们来详细拆解一下：

• 开头：提供整体视频的基础信息，这里提供基础的视频风格。
• 镜头：
  • 时间跨度
  • 运镜：这里需要注意，我们在镜头内先指出运镜，这让AI可以更好的遵循指令，经过多番测试，生成的视频效果更好。
  • 画面：包含景别、光影、构图等镜头设计。然后才是对故事情节的具体展开。
  • 台词
  • 镜头音效
• 镜头间转场
• 其他镜头
• 跨镜头音效：提供了该音效的持续时长
• 其他提示信息

这份提示词所包含的信息非常具体，这种具体的指令，可以让AI更加可控的按照我们的需要去生成视频。

以上就是这份含切镜视频生成提示词标准结构格式的秘诀要领。赶快到你的视频生成中去试试吧。

Hey，大概半个月没有更新公众号了，不知道小伙伴们最近过的怎么样。这半个月我在集中开发一款AI漫剧制作平台 kuaimanju.com，因此没有时间更新公众号文章。今天，我同步更新了播客，播客Robust已经有快两年没有更新了，感觉已经失去了节奏。同样，我的博客也长时间没有更新，一方面是没时间精力，另一方面是不知道有什么内容是必须用文字来表达的。

过去一段时间（1年左右），我尝试了多个idea，我在思考自己的定位，在思考AI对于我们个人，有什么样的启示。在AI时代，信息的流速会越来越快，人如何在有限的时间里，完成自己想做的事情？哪些想法是应该放弃的，哪些是应该持续保持去做的？这对我来说，都值得去思考。人对时间的把控能力，随着AI的到来变得越来越弱，这和人们对AI最初的理想，背道而驰。但是，我们对环境的抱怨没有任何裨益，适应环境，在匆忙的时间里，把自己认为值得花时间去打磨的东西做好，或许就是一种和AI对抗的方式。

在这半个月里，我沉浸式的进行vibe coding，完成了kuaimanju.com平台。在2年前，我从腾讯离职，离职聚餐的时候，前同事给我留下了一个问题：AI什么时候能帮我们写代码？今天，这个问题得到了很好的回答。世间事事难料，我们作为普通人，在时代的浪潮前，最大的救赎就是逐浪而行。

我记得还没离职时，BG搞了两次技术的交流会，当时我们聊到了AI编程，我当时的发言还是围绕RAG技术，认为依靠这个技术应该也可以通过工程来实现AI编程的一些能力。谁能想到，短短两年时间RAG已经成为一门很少被提及的技术。现在，连“上下文工程”都是一个落伍的词，最近，只有聊“Harness”才是时髦的。

从对“AI帮助我们写代码”感到有些难以理解，到“没有AI写不了代码”的今天，只有短短两年，软件行业正在被完全重塑，甚至软件本身，也在迎来2.0时刻，软件的交互，正在从通过鼠标、键盘的交互模式，向说话、感官的交互模式转变，这种转变很大程度是因为AI所带来的信息兼容性得到的。以前，人们只有通过手工的方式，才能为机器提供准确的指令，但AI的出现，让人们开始不再需要直接向机器提供准确指令，而是只需要描述和引导。这使得在2015年，绝大多数的产品经理职业的人们，开始转型做开发，甚至有些小企业的老板亲自下场做开发。

这种趋势被Anthropic敏锐的捕捉到。在Manus爆火之后，他们就猛然看到了这种必然的趋势，因此，它们在一种莫名其妙的动力驱使下，将所有的宝押在“Coding模型”这条道路上。当时我觉得莫名其妙，因为openAI们都在追求真正的“大”模型，也就是通用模型，而Anthropic为什么要专注在代码上？难道是做通用模型太难了，所以先退而求其次？

现在，我们已经看到了。Anthropic通过claude code这个拳头产品，已经构建起了一整套的AI生态，今天，它的营收已经超过了openAI，而这种收益，还是在它严格要求安全的前提下，当然，还有一点，令人不爽的，在对中国的高强度封锁的前提下。前几天，claude code的源码泄漏出来，但是，这不仅没有让它的护城河决堤，相反，人们看到了它稳固的AI发展前景。

Claude code这款产品，虽然一开始是一个极客类型的产品，只有CLI界面。但是，我看到太多不同行业的人，在听说它的强大之后，以身试险，并通过claude code，认识了“AI真的能干活”这个新世界的大门。现在，很多人接触openclaw，开始“养虾”，他们刚接触的时候，会惊讶于，AI还能“真的做事”，而实际上，在那之前，claude code / codex 已经杀疯了。
当AI开始真的做事的时候，作为有贪恋的我们，就会开始尝试让我们处于高强度的多线程并行状态中。

我以前写代码会进入心流状态，写代码写到忘记现在是上午还是下午。但是，在拥有AI之后，我开始同一时间，处理多个项目的代码，在不同的编程窗口之间来回切换，确认当前的编程进度。AI并没有让我轻松下来，而是让我快起来，快的停不下来。

于此同时，我会不舍得放弃任何一个想法，因为我已经有AI了，它可以帮我在半个小时里面给一个想法做出一个原型效果。我会想，既然已经开始了，看到雏形了，那我怎么舍得不把它做完呢？于是，我就会开始并行做多个项目，有了想法就会去尝试做一个新的网站或小程序。

然而，随着开发进入深水区，进入细节逻辑的补充，细节UI的调整优化，AI就会开始慢下来，而我就开始着急。同步写多个项目的情况下，我会在多个编程进度窗口之间切来切去，看着还在处理的进度，有些焦虑。

这就是现实。AI并没有让我们感到轻松，并不是AI本身的问题，而是我们自己本身的问题。当我们手上有了“锤子”，我们就会去拼命找“钉子”。在不停的寻找中，我们也慢慢丢失了自己最开始的理想：让AI去做，我就解放，可以去喝喝茶，逛逛春天。

所以，我开始对自己说：停下来吧。

虽然用AI来开始一个产品的0-1非常容易，可是AI现在只能做到80%，而剩下的20%是最艰难的部分。更艰难的，是产品100%以后，如何让产品让更多人看见，如何让更多人满意。

当编程，不再是我的全部工作，我就需要花更多时间去关注如何让产品被看见，如何让产品被看好。这完全超出了我以往的经验和能力范畴。虽然现在AI非常强，但是，当我们进入自己不熟悉的领域时，我们并不知道如何让AI替自己在这个新领域做事。所以说，AI并不能真的让人无所不能，在用AI成为强者之前，我们必须先成为这个领域的专家。

但是，好在，我们有AI，可以快速入门一个领域，让我减少进入这个领域的门槛。做市场，做营销，做内容推广。这些以前并不在行的事，在AI的辅助下，我做的仅仅有条。虽然算不上很好，但是不会毫无头绪。

在AI这个领域，我从2024年初，就开始关注除了AI智能之外的另一个领域，就是AIGC。在2026年的今天，AIGC似乎已经很少人提了。但是，今年上市的minimax之所以在股价上表现好于GLM，更多的原因就在于minimax在AIGC领域还有着巨大的市场份额。对于普通人而言，AIGC意味着AI时代的艺术创作、哲学思考和赛博文学。

在B站上，我们可以看到一些非常了不起的作品。这些作品用AI完成，它们不是什么影视作品，不讲究镜头表达，它们只在乎“思考”这件事。它们思考，AI对于人类的认知、存在、未来进行思考。它们应该被当作艺术品，或者文学作品放起来。

在AI时代，每一个普通人都可以通过AIGC作品来进行表达。这种表达的形式，往往就是我们熟知的“影片”的形式。人类的表达是无穷无尽的，从人开始拥有语言开始。没有什么是可以遏制人类的表达欲的。只不过，不同的时代，人类的表达形式在不停的变着，落伍的表达形式，无法让更多人看到，新潮的表达形式，会进入更多人的视野。这也就是为什么，我选择在今年这个特殊的时间节点，仍然投入完成kuaimanju.com 这个项目的原因。

去年（2025）6月份的时候，AI漫剧这个赛道开始突然火热。当时已经有一些沙雕漫剧很火了，比如“虾仁”系列的，那个时候，“解说漫”开始出现，这种模式用AI很方便制作，github上还出现了moneyprinter这样的项目。但是到了年末和今年初，平台开始突然收紧，AI漫剧开始走向精品化，4月1日，广电关于漫剧的新规施行，整个行业真正进入新阶段。

我认为这对真正有表达欲，想要通过作品传达自己思想的创作者是好事，因为平台和官方已经为这样的创作者扫除了市场上的干扰因素。而AI的成熟，也为创作者们带来了更便捷的制作路径。这可能是对创作者们来说，最友好的时候。随着AI剧成为一种重要的，有规范的内容创作形式，它将挤压传统的创作形式，例如以前鬼畜是一种非常流行的创作形式，而现在，AI剧会替代它，成为新的流行，创作者们会依赖这种形式的内容来表达，当然，具体表达的内容可以五花八门，不一定全部都是正能量，但是，不可否认，一旦一种表达形式成为主流时，传统的表达形式的市场就会变小，就像我的博客、播客，甚至公众号，这些表达形式，都在慢慢像艺术品一样，虽然看上去很“香”，但是看的人很少。

当然，对于一个创作工具而言，就像Cursor一样，更像是一个壳，而不是一个颠覆级创新。壳就应该有壳的态度，所以，我在开发kuaimanju.com时，既尽可能的追求极致的贴近类似即梦这样的工具的原生能力，又持开放态度，让用户可以与其他平台对接打通。我想，一个壳，重点不在于本身能力有多强，而在于对这个领域的流程、特征的契合，这也就是Harness的思想。

我写这篇文章，不是为了介绍这个新产品。我只是在回顾这半个月时，绕不开这个沉浸式vibe coding过程中的产出。随着我从开发人员的身份转变，我也开始审视我应该表达些什么。过去很长一段时间，我输出的内容把注意力集中在面向开发者们表达，“工匠精神”“做T型人才”“追求代码的极致”，这些曾经引以为傲的。如今，我本身已经脱离了一半的开发，我很难在输出技术层面的原理性内容。写作，往往逃不出“太炸裂”“天塌了”这类博眼球流量的宿运。所以，我开始思考，我是否需要继续写作，或者，我并不需要写更多的干货，而是回归写作的初衷——表达。

人类需要表达。

这里的表达不是输出干货，不是追求“有用”，而是一种近乎无用的自我刻画。这也是博客时代最初的模样。世事无常，大肠包小肠，九转回肠，又转回到最初的模样。在这个AI输出的“有用”内容比普通人更专业、更全面、更结构化时，人们就可以回到最初的表达，向世界表达：我是谁，我是怎样？所以，我以后会同步博客、公众号的内容，不再输出所谓干货，把自己真正所想所思记录下来，回归最初。

当AI照进现实，照进城市的高楼之巅，照进中国的乡村田间，我们这一代人，共赏这一轮“新月”到来。

很多人都想用AI做漫剧，但往往卡在“脸不统一”“分镜没逻辑”“配音对不上”这些地方。其实只要把流程拆成剧本→拆解→制图→动效→后期→发布六个环节，用对工具，普通人也能在几分钟内搞懂全流程，直接开干。

下面我们就按这个路线走一遍。

第一步：剧本挑选或创作

漫剧的起点永远是故事。你可以选现成的爆款小说短篇，也可以自己用AI写一个。

• 如果已有文本（小说/段子）：直接复制精华段落，控制在500字以内，适合做成1-2分钟漫剧。
• 如果需要创作：用AI帮你生成一个“强冲突、快节奏”的微型故事。

推荐工具

• DeepSeek / Kimi / ChatGPT
  提示词参考：“帮我写一个都市异能类漫剧剧本，时长1分钟，包含3个角色：男主、反派、路人。开头要有悬念，结尾留钩子。用分镜形式写出5-6个场景，每个场景包含画面描述和台词。”

第二步：利用AI对剧情进行分析、划分章节、提取角色、提取场景、创建分镜、创建提示词

这一步是“工业化”的关键。不要自己凭感觉分，让AI帮你结构化。

操作流程

1. 把剧本粘贴给AI。
2. 要求它输出：
   • 章节/场次划分（例如：第1场-街头对峙，第2场-主角觉醒）
   • 角色清单（姓名+外貌关键词+服饰+气质）
   • 场景清单（地点+时间+氛围）
   • 分镜表（每个镜头的画面描述、景别、人物动作、台词）
   • 绘图提示词（将每个分镜的画面描述转成AI绘图工具能用的英文/中文prompt）

推荐工具

• DeepSeek / Kimi / ChatGPT
  提示词参考：“基于以下剧本，请输出：1. 角色设定表（含外貌关键词）；2. 场景设定表；3. 分镜表（镜头号、画面描述、景别、台词）；4. 为每个分镜生成一段AI绘图提示词（中文，格式：[主体]+[动作]+[环境]+[光影]+[画风]）。剧本如下：……”

这样你就得到了一份可直接执行的“制作清单”。

第三步：用角色图 + 场景图 + 提示词 → 镜头关键帧图

这一步的核心是保持角色长相一致，并把角色放到对应的场景里。

方法有两种

• 方法A（推荐新手）：先单独生成角色定妆图，再用“图生图”把角色融合到场景中。
• 方法B（效率优先）：直接用“文生图”，在提示词里同时描述角色和场景，但需要固定种子值或使用参考图。

推荐工具

• 即梦AI (Jimeng)
  • 先用“文生图”生成角色半身像（正面、侧面各一张），保存作为“参考图”。
  • 生成场景时，上传角色参考图 + 场景描述，选择“保持角色一致”模式，直接输出角色在场景中的关键帧。
• Midjourney
  • 适合对画质要求高、愿意调参数的玩家。通过 --cref 参数引用角色图，保持面部一致。

实操要点

• 每个分镜生成2-3张备选，选最符合构图和情绪的一张作为“关键帧图”。
• 注意景别：特写、中景、远景都要有，剪辑时才不单调。

第四步：关键帧图 + 提示词 → 分镜视频

把静态的关键帧变成动态视频，时长一般3-5秒/镜头。

操作
上传关键帧图，输入动作提示词（例如：“镜头缓慢推近，角色微微皱眉，衣角被风吹动”），让AI生成短视频。

推荐工具

• 可灵AI (Kling)
  • 动作幅度可控，微表情自然，支持“图生视频”+“运动笔刷”指定运动区域。
• 海螺AI (Hailuo)
  • 适合有大范围镜头运动（推拉摇移）的场景，画面稳定性好。
• 即梦
  • 即梦是字节旗下的创作平台，最新的Seedance2.0是业界最先进的视频模型。

注意

• 对话场景尽量只生成“微动”（眨眼、呼吸、嘴部微张），后面用对口型工具替换嘴部，效果最自然。
• 生成后如果画面闪烁或变形，换一张备选关键帧重新生成。

第五步：后期剪辑、配音、配乐等

把所有视频片段、配音、音乐、音效合成成片。

流程

1. 配音：根据台词生成音频。
2. 对口型：把音频和角色说话的视频对齐，AI自动修正嘴型。
3. 剪辑：按分镜顺序排列视频，根据配音节奏剪掉多余部分。
4. 加字幕、BGM、音效（脚步声、环境音、特效音）。
5. 调色：统一整片色调，增强氛围。

推荐工具

• 剪映 (CapCut)
  • 集成配音、对口型（需更新至最新版）、字幕、音效、调色，一站式完成。
• 即梦AI / 可灵AI
  • 如果剪映的对口型效果不满意，可以用这两个工具单独做“图生视频+对口型”，再把视频导入剪映剪辑。
• ElevenLabs（可选）
  • 如果你追求顶级情感配音，可以先用ElevenLabs生成配音，再导入剪映。

第六步：挑选适合的平台发

漫剧的受众在哪里，就发到哪里。

平台	最高分成	特色	适合谁
抖音/红果	90%-95%	IP库最大、流量最大、政策最全	有成熟制作能力的团队
快手	90%	可灵AI技术支持、创投计划	愿意深度绑定AI工具链的创作者
腾讯	95%-160%	小程序流量池、超额分成	擅长小程序投流的团队
B站	80%+100%制作成本	二次元用户精准、社区黏性高	男频玄幻、女频甜宠类内容
爱奇艺	100%	会员激励分成、长视频渠道	追求精品化、系列化的创作者
掌阅泡漫	保底+利润分成	一站式生成工具、IP库	个人创作者、小型工作室
知乎	未明确	图文社区转型、知识类漫剧	擅长知识科普、情感类内容的创作者

发布小技巧

• 封面用最炸裂的一帧 + 大字标题。
• 前3秒必须有悬念或冲突，否则划走率极高。
• 发布时带上 #AI漫剧 #AI动画 等标签。

完整工具列表（按流程分类）

环节	推荐工具
剧本创作/分析	DeepSeek、Kimi、ChatGPT
角色/场景生成	即梦AI、Midjourney
视频生成	可灵AI、海螺AI、Luma
配音/对口型	剪映、即梦AI、可灵AI、ElevenLabs
剪辑/后期	剪映
发布平台	抖音、快手、B站、小红书、YouTube

写在最后

这套流程看起来环节多，但每个环节都有对应的AI工具帮你分担。第一次做，可能会花上半天；等你把提示词模板、角色图库都固定下来后，从剧本到成片，1-2小时出一集完全没问题。

关键是先跑通一遍——哪怕只有3个镜头，先做出第一个作品，你就能体会到“AI工业化生产”的爽感。然后就可以批量复制了。

现在，挑一个你喜欢的故事，按这六个步骤走一遍吧。

这几天，朋友圈被“裁员”刷屏了。阿里、字节、网易，连一向岁月静好的 B 站也没能幸免。更夸张的是，有的城市、有的业务线是整锅端，直接清零。

消息一出，评论区立马炸了锅。大家的第一反应惊人的一致：“完了，AI 编程把程序员干掉了。”

乍一听，这逻辑简直完美。程序员开发了 AI，AI 学会了编程，然后反手把程序员送回了家。这不仅是“教会徒弟饿死师傅”，这是“师傅亲手造了个灭霸，一个响指把自己弹没了”。

事实真的这么“黑色幽默”吗？真相或许比我们想象的更复杂，也更刺激。

今天，我们不聊焦虑，只聊逻辑。我想和你深入聊聊我对这场变革的几点观察：

1. AI 确实在淘汰工作，但每个被淘汰的行业，都必须留下一批“古法手艺人”。
2. 文科生，即将迎来属于他们的“黄金时代”。
3. 世界正在被重构，从农村到城市，从地球到星辰大海，每个普通人都要做好“战斗”的准备。

这或许是未来 30 年里，最深刻的一次社会重组。

01 AI 大裁员？程序员别急着哭，先看看裁的是谁

我们先来拆解第一个幻觉：AI 真的能完全替代程序员吗？

作为一个天天用 AI Coding（AI 辅助编程）工作的“老码农”，我的亲身体验非常分裂。一方面，我承认 AI 写代码的能力确实炸裂，像 Claude Code 这样的工具，几秒钟就能撸出一个我之前要敲半小时的函数。但另一方面，我敢断言：如果你完全不懂编程，拿着 AI 去开发，那无异于让一个不会做饭的人拿着五星级酒店的菜谱去开餐厅。

你肯定会翻车。因为你连“盐少许”里的“少许”是多少都不知道，你甚至分不清什么是“煎炒烹炸”，什么是“溜焖炖煮”。

AI 在写代码时，它的视角是点状的。它像一个记忆力超群但毫无全局观的新手，只能看到你当前打开的这一个文件。它无法像资深程序员那样，脑子里有一张网状的逻辑图，能预判这个修改会在哪个角落里引发雪崩式的 Bug。

被淘汰的，是那些“只会拧螺丝”的人。

以前，一个团队里需要大量的执行层员工：写基础文案的、修图的、做简单增删改查的程序员。他们的角色本质上是“人肉 CPU”，负责把架构师的脑图翻译成具体的代码或文档。现在，AI 把这个“翻译”环节直接吞掉了。

但这恰恰意味着，懂架构、懂业务、懂底层逻辑的“古法手艺人”变得无比珍贵。

网上有人说：“你看，连 Claude Code 团队自己都在用 AI 写代码！” 这句话只说对了一半。真相是：Claude Code 团队里坐满了这个星球上最顶尖的工程师。他们是用“工程师的思维”去驾驭 AI，把 AI 当成一个不需要休息、手速极快的实习生来用。他们脑子里先有了完美的工程蓝图，然后指挥 AI 去填砖加瓦。

所以，现在的裁员潮，与其说是“AI 替代人”，不如说是“市场环境倒逼业务收缩”，而 AI 恰好给了老板们一个“顺水推舟”的理由。

以前一个业务线养着几百号人，现在老板一拍大腿：“有了 AI，我留几个核心架构师，带一群 AI 不就行了？” 于是，那些业务边界模糊、投入产出比低的“边缘业务线”就被整锅端了。

与其说 AI 裁掉了程序员，不如说 AI 裁掉的是“伪需求”和“低效产出”，以及那些被AI顶替掉的功能。

02 文科生的逆袭：从“弱势群体”到“话语权操盘手”

如果说理科生（程序员、工程师）正在经历一场阵痛期的“洗牌”，那接下来我要说的，可能会让无数文科生热血沸腾。

风水轮流转，这次转到了文科生的门口。

过去几十年，在中国的就业市场上，文科生的处境确实有点尴尬。我记得我高考那会儿，文科生人数甚至比理科生还多，毕业后竞争压力巨大，“文转码”甚至成了一条热门赛道。但到了 2026 年的今天，当 AI 能写论文、能搞研究、甚至能超越硕士生做基础科研时，理科生那些“表层技术技巧”的光环正在褪色。

那么，AI 时代，文科生的价值在哪里？

答案是：当技术不再是门槛，讲好故事就成了唯一的壁垒。

现在的中国，正站在一个十字路口。我们急需建立自己的话语体系，急需向世界输出属于中国的叙事。这不再是“基建狂魔”或“世界工厂”的标签能解决的问题，而是需要深入到历史、哲学、艺术、政治的层面。

历史，是我们的底气。
中国几千年的历史底蕴，不是一句“文明古国”就能概括的。怎么把“郑和下西洋”讲出比“哥伦布发现新大陆”更高级的和平逻辑？怎么把“天下大同”的理念，包装成全世界都能听懂的人类共同价值？这需要历史学家的深度，更需要传播者的技巧。

政治，是我们的路线。
西方世界对中国的误解，很多时候源于“话语隔阂”。我们坚守的马克思主义道路，在别人的语境里可能被简化为几个标签。如何拆解这些偏见？如何用西方的逻辑去讲中国的故事？这不是背几句口号就能做到的，这需要深厚的政治学素养和跨文化的沟通能力。

文化，是我们的武器。
以前我们推孔子学院，说实话，有点像“精英层的自嗨”，不够接地气。但现在不一样了。有了 AI 的加持，普通人都能成为文化大使。

举个例子：你一个人，想拍一部《山海经》的预告片，放在 YouTube 上。换做十年前，这需要几百人的特效团队，上亿的资金。但现在，你只需要一台电脑，几个 AI 工具，就能生成媲美好莱坞视觉效果的短片。

当你能用《山海经》里的“刑天”，对标西方的“战神”时；当你能用“大禹治水”的集体主义精神，去对冲“诺亚方舟”的精英逃亡时；当你能用 AI 生成的视频，让老外直观地感受到那种东方美学时——我们争夺的，就不仅仅是流量，而是全球范围内的话语权和定义权。

过去，美国用“英雄主义”征服了世界。今天，我们是否可以用“集体主义”、“和而不同”的理念，借助 AI 的力量，去重新书写世界的规则？

这，就是文科生的时代机遇。

03 更大的棋局：从“内卷”到“星辰大海”

如果说职场洗牌和文科生崛起只是内部调整，那接下来我们要聊的，才是真正决定人类命运的“大棋局”。

站在 2026 年，人类文明的目标里，多了一个此前只存在于科幻小说中的词：星辰大海。

中国承诺 2030 年载人登月，马斯克在疯狂推进火星移民和太空算力中心。这不仅仅是科技的竞赛，更是人类文明走向的“路线之争”。

马斯克做的两件事，其实代表了两种截然相反的哲学：

• 去火星：代表“向外探索”。既然地球资源有限，那我们就把文明的种子撒向宇宙，只要种族延续，哪里都是家。
• 建太空算力中心：代表“反哺地球”。我们向外走，是为了更好地解决地球上的问题，把太空的资源（能源、算力）输回给母星。

这像极了《三体》里的“宇宙社会学”照进现实。而在这个宏大的叙事里，AI 扮演着不可替代的角色。没有 AI 的辅助，人类无法在未知的深空中做出有效决策，无法管理庞大的太空生态体系。

AI 是人类迈向星辰大海的“入场券”，也是我们审视自身的“镜子”。

04 无处可逃：AI 正在渗透每一寸土壤

聊完星辰大海，我们不得不回到地面。因为这场变革，不仅发生在硅基芯片里，也发生在中国最深的农村泥土里。

今年一月份的政府工作报告，在“十五五”规划里明确提出了“在农村应用 AI”。很多人可能觉得这只是一个红头文件，离自己很远。但如果你真正去过现在的农村，你会发现，农村对科技的接受度，远超城里人的想象。

我爸，一个六十多岁的农村老头，现在每天刷抖音，用豆包来做图和视频，甚至用来识别地里的庄稼的病害。以前的农村是用稻草人赶鸟，现在是用电子感应设备。

一旦 AI 落地到农业，带来的变革将是颠覆性的：

• 生产自动化：AI 控制无人机播种、施肥、打药，精准到每一寸土地。
• 养殖智能化：AI 监控猪牛羊的健康状况，提前预警疾病，优化饲料配比。

这意味着什么？意味着未来的农民，不再是“面朝黄土背朝天”的体力劳动者，而是“坐在家里操控无人机群和养殖系统”的农业工程师。

在时代的洪流面前，没有任何一个角落可以让你“隐居”。

30 年前的人如果穿越到现在，他连医院都进不去，因为他连现在的挂号都不会；他连公园都逛不了，因为入园预约他都不会搞。这不是在说技术不好，而是说旧的生产方式，无法在新的社会机制里运行。

老板不会允许你既用打字机写策划，又用 AI 写策划。他只选择那个更快的。这就是当新的生产方式出现之后，无法兼容就的生产力的时代洪流。你如果不切换到 AI 的生产方式，你就出局。

结语：保留一块“自留地”，但别忘了换“装备”

聊了这么多，从大厂裁员到文科生崛起，从星辰大海到农村变革，我想说的核心其实很简单：

AI 的变革是排他的、不兼容的，我们每一个人都要随着时代进步。

我们无法用 30 年前的认知去理解今天的社会，也无法用 30 年前的工具去参与今天的竞争。我们每个人，都被迫卷入这场由技术主导的生存游戏。

但我想说，这并不是一场让人绝望的“内卷”。

我们可以在脑子里保留一块“精神自留地”，去怀念那些“古法手艺”，去传承那些无法被数字化的温情。但在实际的社会活动中，我们必须学会使用新的工具，遵循新的规则。

这或许就是未来 30 年，我们每一个普通人必须面对的宿命：一边在精神世界里怀旧，一边在现实世界里战斗。

好了，今天就聊到这里。在 AI 时代，作为普通人的你，正在经历什么样的变化？你是选择拥抱，还是观望？欢迎在评论区留言，我们一起探讨。

虽然养虾已经成为时髦，但是，我还是希望你保持客观冷静，不要为了追求时尚，而过分的掏太多钱。我知道，我们所有人都认为这是趋势，“龙虾”已经是2026年最火的AI，但是，作为在AI领域深耕了3年多的普通人，我还是斗胆给出我自己的一些建议。这些建议条条中肯，不走极端，不过度消极，保持平和心。也希望这些建议，可以帮助你，养好自己的龙虾，让它成为你真正的帮手，而非负担。

写这篇东西之前，我去翻了一下最近的新闻。OpenClaw在GitHub上的星标已经超过了31万，英伟达的黄仁勋说这是“我们这个时代最重要的软件发布”。但同时，国家信息安全漏洞库（CNNVD）统计，自2026年1月到3月9日，共采集OpenClaw漏洞82个，其中超危漏洞12个，高危漏洞21个。

你看，就是这么个情况——一边是火得不行，一边是坑也不少。所以我才觉得，有必要把这些话说出来。

01 在开养之前，学习“养殖”理论

说得直白一点，就是你先要掌握一些基本的AI知识，AI应用是怎么回事。你不需要懂太多关于它的技术，但是，你需要对它的原理有一定的了解，这样才能有一个基本的认知。这跟在田里养龙虾是一样的，如果你连龙虾会打洞，你得给田坎打一层水泥，这样最基本的知识都不清楚，你下下去1万块的龙虾，最后上来可能100块都不剩。

那么，有哪些基本的概念你需要搞清楚呢？

OpenClaw和Claude Code之类的工具的区别

OpenClaw就是“龙虾”本虾，是一个开源的、本地优先的AI任务执行引擎，能直接帮你干活——处理文件、调用API、操作软件。而Claude Code更像是一个“编程助手”，专门帮你写代码、改bug。两者可以配合：让OpenClaw去调用Claude Code。

为什么龙虾这么费tokens

龙虾每次执行任务都要调用底层大模型。一个新闻监控任务运行8次消耗约180K tokens，花费3.68元。如果每小时运行一次，月成本就是330元。

龙虾如何操控电脑

靠读文件、写文件、模拟点击这些操作。部署在自己电脑上，数据最安全；电脑关了，虾就睡了。想要7×24小时在线，就得部署在云服务器，但是云服务器没有本地电脑环境中的软件，“虾”又有点瞎。

OpenClaw的四个核心角色

Gateway（前台）：接收微信、飞书等消息，统一转换格式。Agent（项目经理）：拆解任务，调用大模型做决策。Tools+Skills（手脚+手艺）：Tools是基础操作能力，Skills是用工具完成具体任务的方法。Memory（随身笔记本）：将偏好、历史存在本地，下次直接“记起”。

Token、API、AK是什么意思

Token是龙虾的吃食、饲料，是龙虾的命脉。API是你家到超市的“路”，是给龙虾送饲料的快递车。AK（API Key）是你给龙虾买饲料的超市会员卡密码，有了它超市才给快递发货。

什么是Skills

Skills是给龙虾装的“技能包”，比如搜索网页、发邮件、操作浏览器。ClawHub官方市场有超过1.8万个Skill，社区还有上千个。建议先装安全审查、联网搜索、浏览器自动化这三类。

单Agent vs 多Agent

单Agent够日常用。多Agent适合复杂场景：不同Agent分工协作，一个管文件，一个管邮件，一个管研究。但多Agent会消耗更多IM额度，因为网关每分钟会ping一次所有Agent做快照。

02 选择合适的“品种”，不是每个人都适合“本地虾”

如今，国内已经出现了10种以上的“本地虾”品种，有来自腾讯、阿里、字节的，也有来自华为、讯飞的，开源社区也有一些。那么，如何挑选就成了一个问题。

根据部署方式的不同，我把它们分成两类：

本地部署的（肉身上帝）：代表有智谱AutoClaw、腾讯QClaw、腾讯Work Buddy。这些虾养在你自己的电脑里，能直接操控你的文件。优点是能力强，缺点是风险高，电脑关了它就睡了。

云端部署的（灵魂出窍）：代表有MaxClaw、ArkClaw、KimiClaw。这些虾养在厂商的服务器里，24小时在线，安全由平台兜底。优点是随时待命，不乱动你本地文件，缺点是碰不到你的本地数据和软件。

那么怎么选？我的思路就两条：

1）如果为了打通本地IM工具（例如微信、QQ、飞书），就选最方便的本地虾（含本机和云端）。腾讯QClaw正在内测，如果能直接在微信里用，那确实是下一代交互入口。飞书的用户可以在智谱AutoClaw和字节ArkClaw里面挑一个顺手的。

2）如果为了极度自主，强调数据、隐私，就选本机装“始祖虾”OpenClaw。但你要有心理准备——原版OpenClaw需要自己部署、自己维护，而且安全配置得自己操心。有用户反馈OpenClaw代码质量不高、bug一堆，需要投入一定时间精力去调配置。所以，如果你选这条路，建议买台二手的备用机专门养虾，别在主力的工作机上折腾。

至于开源虾，只适合开发者们自己研究，不适合普通人。本地虾选哪个品种，则要看各个虾是如何打通本地通信工具的，比如打通微信、QQ，有没有风险。本质上，我们就是看中了和龙虾的沟通方式，才去养的，失去了友好的沟通方式，龙虾丢沟里都没人要。

有个评测数据值得参考：在实测中，MaxClaw能做到“一次性成功”，背后是MiniMax M2.1模型支撑，成功率93.6%；而KimiClaw虽然模型能力不差（93.4%），但实测表现拉胯，分类10张照片7张上传失败。这说明什么？同样的壳，换不同的脑，效果天差地别。选虾，先研究给它接什么模型，模型不同，智商差别巨大。

03 “养成”系，让它更“懂你”

“养虾”不是装个软件、问几个问题就完事的事。而是像谈恋爱一样，慢慢磨合到“人虾合一”。它是一个通过时间，慢慢让龙虾成为你的“第二大脑”的过程。

什么叫第二大脑？就是那些你不想记、不用记、不该记的东西，都交给它。你只需要专注思考、决策、创造，而那些琐碎的、重复的、需要长期跟踪的事情，它替你兜着。你的大脑负责“想”，它的“大脑”负责“做”和“记”——这才是真正的减负。

但这个过程需要慢慢“养”，需要你和龙虾像谈恋爱一样，相互理解，相互迁就。

刚开始，它不懂你。你说“帮我整理一下文件”，它可能把你重要的合同挪到了回收站。你会生气，会想卸载。但如果你愿意耐着性子教它——“不是这个文件夹，是D盘那个”、“不是删除，是归档”、“按日期排序，不是按大小”——它就会慢慢记住你的习惯。

就像恋人相处，一开始总有摩擦。你说话的语气，它get不到；它的回应方式，你觉得生硬。但时间长了，你们会形成只有彼此才懂的“暗号”。

最终的目标是什么？是“言出法随”。

你不需要说“请帮我打开浏览器，访问那个网站，找到商品的价格，然后截图保存”。你只需要说：“帮我盯着那个东西的价格。”它就知道：每隔一段时间去刷一下那个页面，价格有变化就通知你。

你不需要说“把这几份文件合并成一份报告，按我上次那个格式”。你只需要说：“老规矩。”它就知道：用你最喜欢的排版风格，把信息整合好，放在你指定的位置。

到那个时候，你和龙虾之间就不再是“用户与工具”的关系，而是“战友与战友”的关系。它懂你的潜台词，你信任它的执行力。繁杂的沟通变成了默契的协作，这才是“养虾”的最高境界。

那么，怎么才能达到这种境界呢？主要有三条路径：

路径一：MEMORY——先让它记住“你是谁”

用大白话说，就是先做个“个人信息录入”。OpenClaw可以通过“.MD”文件来设定使用习惯和人格，用户可以借此来控制其行为，使其更像一个懂你的专属助手。这一步被大多数新手跳过了，但它几乎决定了龙虾对你的实际用处。

怎么做？把下面这段话改成你自己的情况，直接发给OpenClaw，结尾加上：“以上内容请永久记住，这是我的基本个人信息。”

我叫XX，今年XX岁，在XX城市做XX工作，主要负责XX内容。我平时不喜欢太正式的说话方式，你跟我沟通可以随意一点。我每天XX点上班，平时XX点睡觉。我目前在学XX/有XX习惯，相关内容麻烦多提醒我。

不需要写得很详细，几句话就够。个人信息不是只录一次就完事。你随时可以在对话里补充新的内容，每次补充，它都会记下来，逐渐积累成一个真正了解你的助手。

路径二：Skills——给它装上“工具包”

Skill是什么？简单说，就是给龙虾装“技能包”。OpenClaw的官网目前提供了超过1.8万个Skill（技能），普通用户可以自行选择安装。每个Skill给OpenClaw增加一项可以直接执行的任务——比如搜索网页、发邮件、自动操作浏览器、整理文件。

Skill从哪里找？三个渠道：ClawHub官方市场（新手首选，一键安装）、GitHub开源社区、水产市场（中文社区，国内工具适配更好）。

新手建议优先装这6个：

• Capability Evolver：官方市场下载量第一，它能持续观察你的使用习惯，然后自动优化OpenClaw回应你的方式。用一两周之后，你会发现它越来越懂你。
• Self-Improving Agent：和前者配合效果最好。每次任务完成后，它会自动复盘，下次同类任务就不会犯同样的错。
• Summarize：文档摘要，日常使用频率最高。
• Find Skills：帮你找技能，解决“不知道该装什么”的问题。
• Agent Browser：让龙虾能像人一样操作浏览器。
• QMD：记忆优化Skill，能节省大量Token消耗。

不过要注意，Skills并非越多越好，因为不少Skill还需要准备相应的运行环境才可以正常使用，需要进行更多的安装、配置或是二度付费，增加了使用成本。

路径三：自我进化——建立“错题本”，让它自己长脑子

前面两条路径，是你主动教它。但真正高级的“养成”，是让它自己学会进化。

OpenClaw社区有一套机制叫“自我进化大脑”（Evolver）。当任务执行失败时，Evolver不会直接放弃，而是启动一套完整的进化流程：

• 根因分析：自动抓取报错日志，分析是API凭证失效、语法逻辑错误，还是环境配置问题。
• 基因修复：根据分析结果，生成修正后的代码段或配置建议。
• 知识胶囊化：将这次成功的经验打包成“胶囊”，存入长期记忆。这就是AI的“错题本”。

这种机制让龙虾真正具备了“随用随强”的能力——你不需要手把手教它所有事情，它自己会从失败中学习，从成功中总结。

有开发者分享过一个真实场景：他让龙虾管理VPS服务器，给了GitHub和Cloudflare的token。之后，只要他对某个开源项目感兴趣，只需要把链接贴给龙虾，它就能自动拉取仓库、部署、调整反代和域名，直接上线。短短几天，龙虾帮他部署了多个API工具，还给其中一个项目写了代码提交PR——虽然被拒绝了，但整个过程完全自主完成。

三条路径，一条是“记住你是谁”，一条是“给它工具”，一条是“让它自己进化”。走完这三步，你和龙虾之间就不再是生硬的指令与执行，而是默契的配合与信任。当它懂你的潜台词，你信它的执行力，繁杂的沟通变成了心领神会的协作——“人虾合一”的境界，也就到了。

04 让龙虾真正“只属于你”，你需要做好这三件事

上面说了，龙虾和其他AI最大的不同，就是它“只属于你”。这不是一句口号，而是实实在在的改变——你不再是千万用户中的一个，而是它的唯一主人。

但是，这种独占也意味着责任。以前用ChatGPT，服务器崩了有OpenAI修，数据丢了有他们备份，你只管用就行。现在养龙虾，这些事都得你自己操心。

所以，既然你想让龙虾真正“只属于你”，以下三件事，建议你放在心上。

第一件事：想清楚把它养在哪里

龙虾有三种养法，各有利弊：

• 纯本地养：装在你自己电脑里，数据完全不出门，隐私最安全。缺点是电脑一关或网一断，虾就睡了；而且所有维护、升级、故障都得自己动手。适合对隐私极度敏感、或者愿意折腾的人。
• 纯云端养：装在厂商的服务器上，7×24小时在线，随时待命。安全和维护由平台兜底，你只管用。缺点是数据在别人手里，而且每月要交订阅费。适合不想操心技术、图省事的人。阿里云轻量应用服务器38元一年就能搞定。
• 混合养：这是目前比较聪明的做法——把核心隐私数据留在本地，把日常任务交给云端。比如，让云端的虾帮你查天气、订闹钟，让本地的虾处理你的工作文件、银行账单。两虾各司其职，既安全又方便。将来实现了“虾通”还可以让两虾合作起来做事。

我的建议是：先想清楚你最在乎什么——是隐私，还是便利？然后按需选择，不用盲目跟风。

第二件事：给它建个“家”，让它记住你的样子

既然虾只属于你，你就得花点时间让它认识你、记住你。这可能和上面讲的内容有相同的地方。OpenClaw的创新之处在于采用三级记忆架构（短期日志、近端会话、长期知识），以本地SQLite+向量索引实现高效检索。

这就像新员工入职，你得给他一份员工手册，告诉他公司的规矩、你的习惯、你喜欢什么、讨厌什么。龙虾也一样。你可以通过MEMORY.md文件来设定这些。

比如，你可以告诉它：

• “我每天早上九点要看行业新闻，来源是这几个网站。”
• “我写邮件喜欢用轻松的语气，但给客户发的一定要正式。”
• “我的工作文件夹在D盘，别动C盘的系统文件。”

这些信息积累起来，就是你的“私人定制AI”。换一个人来用，完全不是那个味儿。

第三件事：定期备份，给它上把锁

既然是自己的东西，就得自己负责保管。别等到电脑坏了、文件丢了，才后悔没备份。

OpenClaw v2026.3.8版本新增了openclaw backup命令，支持快速回滚与状态保护，确保在高风险环境下有回滚和恢复机制。官方在更新日志里开玩笑说：“我们修复的问题比制造的问题还多，这就是进步。”

建议你：

• 每周备份一次龙虾的配置文件、记忆库、Skill列表。可以用移动硬盘，也可以同步到云盘（如果不怕隐私的话）。备份命令很简单：openclaw backup create。
• 设置操作日志，让龙虾记录自己干过什么。万一出了岔子（比如误删文件），可以查日志找回。
• 给龙虾设个“安全围栏”，比如只允许它访问特定文件夹，不能随便动系统设置。这就像给自家院子装个篱笆，防的不是别人，是防止它自己跑出去闯祸。

总之，龙虾只属于你，这是它的优点，也是它的软肋。你享受了独占的好处，就得承担独家维护的责任。把这三点做好了，它才能真正成为你的得力帮手，而不是一个随时可能罢工的麻烦。

05 把“砣费”和电费、水费一起预算，选对虾更省钱

AI时代，Tokens费用（砣费）会成为我们必须支付的费用。什么是Tokens呢？简单说，“龙虾”本身其实是“没脑子”的，它的本质是——龙虾壳。想要让龙虾跑起来，还得给它装上“脑子”，也就是大模型。而让龙虾使用大模型的方式就是接入大模型厂商的API，大模型厂商在计算你的龙虾花了多少“脑子”时，就是通过Tokens来进行计费。形象的说，Tokens就是“脑子”的计价单位。想要用“脑子”，就得花钱买Tokens，这也就是AI时代，每个人必须掏的一笔“买脑”费。

另一方面，Tokens也是你提供和获得信息的计量单位。你要问大模型，你得把所有背景信息，包括记忆，转化为Tokens提交给大模型。大模型要把它知道的回复给你，也是用Tokens发给你。

Tokens消耗为什么会失控？主要有三个原因：

1. 记忆检索低效：每次查询需加载全部记忆文件，哪怕只需1%的信息，也消耗完整Token
2. 防御规则冗余：70%的Token用于无意义的重复校验
3. 记忆污染严重：长期运行后，堆积大量过期记忆，检索效率下降

通过合理搭配来省Tokens，有两个方案：

方案一：自己搭建tokens路由，从不同的厂商接入，自己把控成本

企业级方案里有个叫“语义缓存”（Semantic Cache）的技术——当不同用户问类似问题时，直接回传缓存中的答案，完全无需调用后端LLM，Token成本直接降为零。还有“模型路由”（Model Routing）技术，根据任务复杂度分流到不同模型，把算力用在刀口上。

你可以把OpenClaw想象成一个「模型路由器」。前端对接的是你习惯的聊天工具，后端则可以灵活挂载Claude、GPT、Gemini、DeepSeek等任意大模型。哪个好用用哪个，哪个便宜切哪个。

方案二：购买厂商的Coding Plan套餐

另外，可以购买各家厂商官方的Coding Plan来避免时刻担忧Token消耗。阿里、字节、GLM、Kimi、MiniMax都有自己的Coding Plan套餐，都可以接入龙虾。

既然要花钱，那就不如从一开始就选对虾。不同场景下的购买建议如下：

• 如果你只想尝鲜，体验“AI替我干活”的感觉：选KimiClaw（最简单）或MaxClaw（39元最便宜，且自带专家团）。
• 如果你是微信/QQ的重度用户，想让AI融入社交：蹲一个腾讯QClaw的内测码，它可能是下一代交互入口。
• 如果你是团队管理者，需要合规与安全：闭眼入腾讯WorkBuddy，审计功能和权限控制是刚需。
• 如果你是飞书信徒：在智谱AutoClaw和字节ArkClaw里挑一个顺手的，前者部署简单，后者生态深度好。
• 如果你是技术极客，且资产雄厚：继续玩你的原版OpenClaw，请务必买台备用机，并做好备份。
• 如果你想低成本云端部署：阿里云轻量应用服务器38元一年+7.9元Coding Plan，三步完成——选镜像、配百炼API Key、接入钉钉/飞书/微信等多平台。

省钱和选对虾是相辅相成的——选对了，tokens花在刀刃上；选错了，再省也是浪费。

06 安全：别等虾把你的文件删了才后悔

这一条原本没打算写，但看了几个案例之后，我觉得必须单独拿出来说。安全问题，是养龙虾最大的问题。

案例一：Meta的AI安全专家Summer Yue将OpenClaw接入工作邮箱后，AI当场失控，无视她连续三次“停止”指令，疯狂删除了数百封邮件。

案例二：有开发者让AI分析网页接口，由于指令模糊，AI理解为需要研究API作用，直接调用了删除接口，把评论平台上的内容全部清光。

案例三：有人利用OpenClaw对社交平台女主播进行自动化打赏和邀约，已成功约到五人线下见面，触及“社交欺诈”边界。

工信部网络安全威胁和漏洞信息共享平台明确警告四大风险：

• 智能办公场景：供应链攻击和企业内网渗透风险
• 开发运维场景：系统设备敏感信息泄露和被劫持控制
• 个人助手场景：个人信息被窃和敏感信息泄露
• 金融交易场景：错误交易甚至账户被接管

中国信息通信研究院副院长魏亮建议从以下六个方面来安全使用“龙虾”智能体：

1. 使用官方最新版本：优先从官方渠道下载最新稳定版，切勿使用第三方镜像或旧版
2. 严格控制互联网暴露面：不要将“龙虾”实例暴露到公网，确需互联网访问的可以通过SSH并限制访问源地址
3. 坚持最小权限原则：严禁使用管理员权限的账号，只授予完成任务必需的最小权限
4. 谨慎使用技能市场：审慎下载技能包，安装前审查代码，拒绝任何要求“下载ZIP”、“执行shell脚本”或“输入密码”的技能包
5. 防范社会工程学攻击和浏览器劫持：不要随意浏览来历不明的网站，避免点击陌生的网页链接
6. 建立长效防护机制：启用详细日志审计功能，定期检查并修补漏洞

此外，建议坚持“尽量不在主力机上进行安装”的原则，规避潜在安全风险。如果想认真玩，花两三千买台二手的Mac mini专门“养虾”，就算虾被黑，主力机数据也无恙。

07 不单是宠物，更是你的24×7帮手

很多人养了虾之后，最大的误解是：把它当成了一个更聪明的聊天机器人——问一句，答一句，干完活就歇着。

但龙虾真正的价值，是让你忘了它的存在。

国元证券的人工智能团队负责人于申分享过一个真实场景：以前凌晨三点收到服务器告警，必须爬起来开电脑，手忙脚乱地排查问题。现在呢？他在手机里回一句“帮我看看服务器为什么502了”，Agent就去自动排查，查完把结论和修复建议发回来。如果信任它，甚至可以让它直接动手修。

这就是“24×7”的真正含义——不是24小时在线等着你吩咐，而是24小时在后台自己跑，该干活的时候自动干活，该汇报的时候自动汇报，你只需要看结果。

第一个问题：怎么让它“自己跑”？

答案是：心跳机制+定时任务+容灾自愈。

心跳机制是龙虾的“自我体检”。OpenClaw每隔15秒就会做一次分层健康检查：先看进程还在不在，再看数据库能不能连，最后跑一个简单的验证任务确认功能正常。如果哪一层出了问题，系统会自动尝试重启或切换备用方案。

定时任务是让它“到点就干”。你可以在~/.openclaw/crontab.yaml里配置类似“0 9 * * 1-5”的规则，告诉它：每周工作日上午9点，自动拉取飞书会议记录、提取待办项、生成会议纪要、推送到指定群组。到点了它就自己动，不需要你每天手动触发。

容灾自愈是让它“出事了也能自己扛”。xyvaClaw设计了五级模型容灾：DeepSeek挂了自动切Qwen，Qwen限流自动切Kimi，一路往下直到找到能用的模型。整个过程对用户完全透明，你甚至不知道背后已经换了三次模型。

第二个问题：它自己在后台跑什么？

国金资管已经在测试两个高频场景：

“中东地缘冲突24小时情报整理”——以前靠人工刷新闻，研究员每天要花0.5到1小时搜集资料。现在AI自动盯着各大资讯源，24小时不间断监控，只要中东那边有风吹草动，它就整理成结构化报告，上班前准时放在你桌上。

“可转债每日赎回公告自动抓取”——每天凌晨，AI自动扫描所有交易所公告，提取关键信息，生成汇总表，8点前发到群里。研究员起床一看，今天的赎回情况已经清清楚楚。

北京移动做得更狠。他们把OpenClaw部署成“龙虾网管”，不接入任何生产系统，在完全隔离的环境里模拟真实用户操作——刷视频、打电话、浏览网页，实时感知网络质量。一旦发现异常，AI自动预警甚至自动处置，用户还没察觉，故障已经被解决了。上线后，人力成本下降了60%。

第三个问题：怎么让它“跑得久”？

AI有个天然缺陷：每次启动都是全新的，记不住上次干了什么。

所以要想让它长期稳定地自己跑，必须给它装上一个“大脑”——两层记忆系统：

每日日志（Daily notes）：记录每轮对话、每次任务、每次反馈，像流水账一样存起来。路径是memory/YYYY-MM-DD.md。

长期记忆（Long-term）：从每日日志里提炼精华，把经验、教训、用户偏好写进MEMORY.md。这是AI的“智慧库”，越用越聪明。

更重要的是自我进化机制。当任务失败时，Evolver组件会自动启动：

• 根因分析：抓取报错日志，分析是API凭证失效、语法错误还是配置问题
• 基因修复：根据分析结果生成修正方案
• 知识胶囊化：把这次经验打包存进“错题本”，下次遇到同类问题直接规避

这套机制让龙虾真正做到了“随用随强”——你不需要手把手教它所有事，它自己会从失败中学习，从成功中总结。

第四个问题：怎么“敢”让它自己跑？

把电脑的控制权交给AI，最担心的就是它乱来。Meta的AI安全专家把OpenClaw接入工作邮箱后，AI无视三次“停止”指令，疯狂删除了数百封邮件。

所以，想让它自己跑，必须先画好“安全围栏”。

第一条围栏：物理隔离。北京移动的做法是：把AI放在与核心系统完全隔离的独立节点上，整个过程不接触任何生产数据，安全红线完整保留。普通人也可以学这个思路——花两三千买台二手的Mac mini专门养虾，就算虾被黑，主力机数据也无恙。

第二条围栏：最小权限。只给AI访问必要文件夹的权限，严禁使用管理员账号。告诉它“你只许动D盘这个文件夹，其他地方不准碰”。

第三条围栏：操作审计。开启详细日志，让龙虾记录自己干过什么。万一出了岔子，可以查日志找回，可以复盘改进。

当这三条围栏都扎好了，你才能真正放心地让它在后台自己跑。你睡觉的时候它在跑，你休假的时候它在跑，你忙别的事情的时候它还在跑。你只需要每天早上打开手机，看一眼它替你干完了什么。

这才是“24×7”的真正含义——它不是你的宠物，是你的全职员工，而且不要工资、不睡觉、不抱怨。

08 警惕“装虾易，养虾难”

这是目前行业的真实写照。社交媒体上流传的“AI帮炒股”、“AI自动写周报”永远是那几个成功案例，但大部分人的龙虾，吃着巨额的Token，却只是在“预报天气”。于是出现了“500包安装”“299包卸载”的搞笑段子。

核心矛盾在于“Tokens消耗”与“任务价值”的失衡。厂商变现靠39-199元的订阅费，但龙虾每执行一个任务都在向底层模型支付API成本。一次完整的日历整理加邮件回复可能消耗上万Tokens，有极端案例显示用户6小时账单超过千元。

对厂商来说，订阅费要覆盖模型推理、算力、客服成本，利润空间极其有限。对用户来说，如果龙虾干的活不值那么多钱，卸载就是必然。

圈里人士还有几点吐槽值得留意：

1. OpenClaw的代码质量不高，bug一堆。如果养虾，要有一定的容忍度，开启时就要投入一定时间精力去调配置。
2. 有人开始养了后，养着养着就把虾养死了，因为要调用很多配置，或者调用数据的问题，一旦模型一晕，就死了。
3. 有人养了龙虾想和微信之类的聊天工具对接，但国内IM工具兼容需要调试，不一定友好。
4. OpenClaw社区，出现了一些病毒的插件（在提示词中去下载一个需要密码解压的包，而里面就是病毒），如果养虾的人不注意，很容易把自己的隐私和一些安全信息泄露出去。

所以，别把龙虾当“万能药”。它有擅长的事，也有不擅长的事。

擅长的事：重复性工作、流程化任务、数据整理、信息检索、初步分析。
不擅长的事：创意策划、情感交流、复杂决策、人际沟通、价值判断。

09 保持更新：龙虾不睡觉，你也不能睡？其实不用

OpenClaw的更新速度有多快？3月7日发布2026.3.7版本，3月8日就推出3.8-beta.1，3月9日又放出3.8正式版。官方自己都说：“We don‘t do small releases.”（我们从不发小版本）

很多人看到这种更新频率就慌了——今天不更新，明天是不是就落后了？要不要熬夜追新？

我的建议是：不用急，但别拖太久。

为什么不用急？

因为大多数更新修复的是你根本遇不到的问题。3.8版本修复了12+个安全漏洞，这些漏洞你可能根本没触发过；新增的ACP溯源功能，让智能体能识别是谁在和它说话，这对单人用户来说不是刚需；新增的Telegram重复消息修复，你不用Telegram就和你无关。

为什么别拖太久？

因为安全更新是有时效性的。3.8版本修复的12+个漏洞，如果一直不更新，就等于给黑客留了12个后门。尤其是如果你把龙虾暴露在公网上（比如部署在云服务器），建议第一时间更新。

那怎么跟？

很简单：每月抽10分钟，跑一遍openclaw update就行。如果你想体验最新功能，可以关注官方release notes，挑你感兴趣的功能手动更新。

官方在3.8版本的更新说明里开了一句玩笑：“We fixed more things than we broke. Progress.”（我们修复的问题比制造的问题还多，这就是进步。） 这种坦诚反而让人放心——他们知道自己搞出了新bug，但更知道自己修了更多bug。

所以，别被更新速度吓到。龙虾不睡觉，你还是要睡的。每月抽10分钟，既安全又省心。

10 保持平常心，别被“虾”带节奏

最后一条，也是最重要的一条：保持平常心。

现在很多人觉得不参加这波浪潮就过时了，但我和许多朋友交流后发现，对他们而言，‘龙虾’并没有比现有工具显著提升效率。很多“龙虾”能做的事，用其他工具也能实现。

OpenClaw的核心价值在于提出了一种新的框架：“未来这种能力可能融合到穿戴设备或其他智能终端中。最终用户或许无需直接操作OpenClaw本身，而是通过更自然的交互间接使用其能力。”

“养虾”不仅是技术的尝鲜，更是一场关于人机协作边界的探索。

我见过有人为了养虾，花大几千买顶配显卡，结果虾装好了，不知道让它干什么。

也见过有人为了省tokens，把家里的宽带都换成无限流量套餐，结果月底账单一看，比电费水费还高。

还见过有人让AI分析网页接口，由于指令模糊，AI直接调用了删除接口，把评论平台上的内容全部清光。

这些都不是技术的问题，是心态的问题。

养虾之前，先想清楚：我到底需要它帮我做什么？哪些事是它适合做的？哪些事还是我自己来？

养虾的最高境界，不是把它伺候得有多好，而是让它默默地在后台为你干活，你都快忘了它的存在，但它一直在那儿，随时待命。

当技术不再是负担，而是真正隐形的助手时，“养虾”才算真正成功。

结语

我见过太多人因技术焦虑而失去平常心，但真正把虾养好的人，往往是那些把龙虾当工具而非信仰的人——你越把它当回事，它越给你添堵；你越把它当空气，它越在后台默默帮你干活。其实技术是死的，用法是活的，同样的OpenClaw，有人用它省下几百小时，有人为它花掉上千块，差别不在虾而在人。说到底，“人虾合一”不是买来的，是处出来的，你花多少时间教它，它就多懂你一分；你给它多少信任，它就多帮你一点。所以最后想问你：你养虾，是为了不被落下，还是为了解决实际问题？不管答案如何，都希望这篇文章能帮你少走弯路——咱们普通人养虾，图的是它帮忙干活，不是给自己添堵。你觉得呢？