最近一周风向有点变，很多人真正使用OpenClaw后，认为它是鸡肋。

不知道你是否有这样的感觉呢？

今天在生财有术里，有朋友向我提问。我也分享给大家我的思考。

Mae Y 提问：

关于openclaw“鸡肋”的问题希望收获老师一些建议，看看是否我使用的方式不对或者技巧没到位

openclaw爆火以后，各种低门槛高门槛、云端部署本地部署的虾试了一个遍，刚开始使用还是有比较多的新鲜感的，每天也搜罗着各种技能钳给虾装上，但新鲜感过去以后，真正想让虾投入生产力使用时就发现了它实在是很笨，具体体现在：

1. 想让龙虾完成的垂类任务，专业度堪忧，最后还不是不得不用一些垂类的专业工具；

2. 装了非常多的技能，但龙虾自己并不会主动的组合调用，必须靠人来告诉它这个任务需要用什么技能，感觉就3.是有一个丰富的工具箱，但它自己却不知道

3. 所谓的记忆功能，实际使用中没有发挥出来越用越聪明的体感，时间一长或者上下文一场经常出现信息丢失、犯过的错误一犯再犯，整体的记忆逻辑不是一种“学进去”的感觉，就是“死记硬背，还常常背漏了”，感觉是现在过于简易的文件式记忆管理体系导致的

下面有几个具体的例子

1. 想让虾帮我写一个目前正在创业的一个赛道的调研报告，发现它上网搜索的水平基本只有一些简单的关键词，最后提交给我的也是很水的文档，几乎没有信息量，在给它装了几个写研究报告的技能、数据获取&分析的技能，甚至给出了明确的报告框架以后，写出来的东西还是不可用，说实话折腾了这一通就发现它交付的东西还没有市面上各种chatbot内置的研究技能交付的东西好使；

2. 之前有一本写了一半的小说，让小龙虾帮我续写，喂了各种人设、背景、大纲的东西进去以后，还是呈现很明显的“失忆”现象，体验下来并没有把本地的知识库用起来的体感，另外对于写作中我给它指出的错误，能够一步步改好，但没有记下来，比如这一章我指导它改出来我满意的了，下一章它写出来又是原样的错误再犯一次，并且在我给出明确的指令“根据之前我指出来过的你的问题先检查修改一下”后，只记得上一轮的错误，往前十几轮的不会主动记忆起来，需要非常明文的指示才可以，感觉就是记下来了很多东西，但完全没有理解和在后续的任务中应用起来；

我的回答

你好。

你的问题让我回想起来，今天的 OpenClaw，跟一年多前（2024 年底、2025 年初）的 Cursor 非常像。当时说 Cursor 是鸡肋的人，可太多了。

那时候，大部分人（99%+）跟风用了 Cursor 之后，得出的结论都是“没什么用”——

“AI 写代码老写错”

“AI 编程只能做简单的任务”

“人类程序员绝对不可能失业”

“AI写的只是胶水代码”

……

还有一件趣事，当时我的前老板傅盛，在公司会议上演示Cursor写代码的时候，遇到了一个Bug，当时就有程序员起哄，说“看吧，我就说吧，还是需要有经验的程序员才能搞定”。下面的人哄堂大笑。

一年多前，我和程前朋友圈做过一期采访，分享了我是如何用 Cursor 做出商业化能打的产品的。那期评论区里，时不时就会出现这样的声音：“我以 14 年资深软件工程师的身份告诉你，AI 写代码不行。"

感兴趣的朋友可以去考古看看。

在当时，只有一小撮人，大概只有 1%，他们顶着困难，哪怕那时候 Cursor 和 AI 编程还不够好用，仍然选择主动去适应它的工作方式，不懂就慢慢学、慢慢弄懂，AI 弄错了就耐心跟它磨。

就是在那个阶段，他们也已经能靠 Cursor 做出真正有用、商业上能打的产品。

很幸运，我就是其中一员。我是在2023年Cursor“比2024年更难用”的时候，就开始用Cursor了。在2025年1月，在那些“14年的资深工程师”还在当键盘侠的时候，我已经用Cursor做出来挺能打的产品了。 

我用Cursor做的产品，月活超过100万了

我不知道那些"资深软件工程师"，现在是否改变了看法。也许他们永远不会改变。那又怎样呢？和我无关。我们各自有各自的世界。

回到你的问题。

小龙虾好用吗？当然不好用。你描述的那些现象，都是客观事实，不用怀疑。

但我想说的是——面对"一个还不好用的新事物"，你其实有两种选择：做大多数人，或者做那一小撮人。两种选择都没有错。

做大多数人，会比较轻松，也没什么损失。不好用就先不用，等好用了再说——反正现在 AI 进步这么快，等个一年半载，自然就好用了。

做那一小撮人，会非常累。但一旦做到，就能比大众至少提前一年享受到红利。

能提前享受到的红利，才是真红利。你说是吗。

假设你想在小龙虾这件事上做后者

假设你想在小龙虾这件事上做后者，这里有几个具体建议。

1. 如果用于严肃工作，那请你只用最顶级的模型来驱动小龙虾。

在今天这个时间点 ，最顶级的模型只有两个：GPT-5.4、Claude Opus 4.6； （如果用来娱乐倒是无所谓，最近国产模型都挺好的。）

2. 每项你安排小龙虾做的工作， 你都要明白原理。 因为只有你本人明白了原理， 才能想办法改进。

比如你刚才描述的什么记忆丢失问题，那你得先明白在你那个场景下记忆为什么丢失，才能跟AI一起想办法，从原理层面想到另外的方案。

再比如你提到的工具装得多忘记调用的问题、专业知识的不够专业的问题，都一样。

3.耐心。

你无法通过只靠"看AI总结"的方式，瞬间学会高等数学——学任何东西都需要时间和练习、需要真正的理解。

无论AI有多强，“你能瞬间学会高等数学”的这一天，永远不会到来。

同样，为什么你会有错觉，觉得只和小龙虾随便聊聊天，就能用好它呢？

关于这一点，我正好昨天单独写了一篇 AI时代，最稀缺的能力是耐心

4.先本地验证SOP

你想想看，就和师傅带徒弟一样，和我做课也一样 —— 我在课里写的内容，那肯定是我全部实操过、任何人操作都不会出问题，我才敢写到课里面，最后还要邀请不同年龄段不同背景的人分别测试。

你不妨把小龙虾当成你的实习生。复杂的工作任务，你自己先用Claude Code或者Codex，在你自己电脑上做一遍，形成SOP（也可以是skill），确保无论什么情况它执行后都能稳定产出符合要求的结果，然后再把SOP给到同样使用顶级模型的OpenClaw，这事就成了 —— 以后你只需要在飞书/Telegram里指挥小龙虾就行。

5.耗时长的任务，让小龙虾使用ACP或TMUX工具来协助

原理和操作方法在这一篇文章里 如何让OpenClaw指挥三位大哥协作写代码？

无论你认为OpenClaw是不是鸡肋，你都是对的

佛学里有个词，叫“相由心生”。不是指人的长相。

它的意思是：你眼中看到的世界，是由你内心的状态塑造的。

同一件事，悲观的人看到的是障碍，乐观的人看到的是机会；

同一个工具，觉得它没用的人用出来的是废品，觉得它有潜力的人用出来的是杠杆。

你的“心”，决定了你眼前这个世界的“相”。

你认为 OpenClaw 是鸡肋，它就是鸡肋。你认为它是值得深耕的工具，它就是。

这不是自我安慰，也不是鸡汤——这只关乎你的价值观和你的选择。

中文圈子把"使用 OpenClaw"的过程，叫做"养虾"。我觉得这个词起得非常贴切。

养虾，不是一件一劳永逸的事。你得喂它、观察它、在它犯错的时候耐心纠正它，在它进步的时候及时给它新的任务。慢慢地，它开始懂你的习惯，懂你的偏好，懂你做事的方式。

但在这个过程里，悄悄发生变化的，其实还有你自己。

你会开始思考：什么任务值得交给它，什么任务必须自己来。你会开始拆解流程，因为只有你自己先搞清楚，才能教会它。你会变得更有耐心，也更清楚自己真正想要的是什么。

养虾养到最后，你会发现——你养大的不只是一只虾，更是你自己。