在年初的时候，OpenClaw在国内外的AI圈子里被视为新时代生产力的重要标志。
很快地，无论是对人工智能有所了解的人还是相关领域的开发者都知道有一个名为“龙虾”的软件可以帮用户处理邮件、安排日程、阅读文件等任务。可以说，这款工具让智能代理的概念深入人心。
然而，在一个月左右的时间里，如果只观察社交媒体上的动态，“龙虾”似乎热度下降了。进入四月后，OpenClaw的微信搜索指数从上亿跌至百万级别，其人气仿佛坐了一次过山车一般。
龙虾真的不火了吗？还是说它只是从大众关注的话题变成了一个小众、高端且实用的工具？
仅看“微信指数”这类表层指标的话，答案似乎是前者。但是，当我们转向项目和行业层面时，情况却完全相反。
OpenClaw 的 GitHub 公开发版显示，团队仍在持续更新和完善软件功能，包括提高对 GPT-5 系列模型的支持、修复 Telegram 频道中的问题以及优化 Ollama 连接超时等问题，并进行了一些底层架构和性能调整。
更广泛地看，AI 用户群体的整体规模依然稳固，“人人都能轻易使用Agent”的幻想则逐渐破灭了。
根据 Gallup 最新的一项调查，2026年第一季度，在美国工作的员工中已有50%表示他们在工作中至少偶尔会用到人工智能技术，13%的员工每天都会使用AI工具，而有28%的人每周多次使用这些技术。
同时，该数据还显示只有41%的公司真正将AI引入到了实践中，说明尽管普及率在增加，但实际应用仍处于分层状态。
对于普通用户而言，用整套OpenClaw工作流来完成日常需求可能有些过度。但在一些复杂的工作场景中，智能代理的应用正在变得越来越重要和高效。
谷歌在今年四月透露其平台上的AI token调用量已经达到了480万亿次，同比增长了36倍；而字节跳动此前也宣布旗下大模型的日均token调用量已经超过120万亿。这表明在企业级自动化和生产力领域中对算力的需求仍然十分旺盛。
这种现象背后的差异，在“龙虾”热度下滑与AI token使用量飙升之间体现得尤为明显。
对此，我们其实可以得出这样的结论：从大众视角来看，“龙虾”的风头确实已经减弱。但从另一个角度来看，整个智能代理的生态反而进入了更为精细和专业的阶段。
为什么轻度使用的普通用户难以持续使用“龙虾”？
首先，这款软件有一定的入门门槛，并非仅仅在于安装过程。
早期的OpenClaw更侧重于本地部署和开发者工具链，但现在官方已经提供了Northflank、Railway等云端一键部署选项，各大厂商也迅速推出了各种云端托管版和一键部署版的“龙虾产品”。
尽管与最初发布时相比，如今进入软件的方式确实更加便捷，但这并不意味着所有用户都能轻松上手。科技社区Hacker News上有开发者指出：“对于技术论坛的老手来说安装可能不难，但对于大多数人而言却是一个挑战。”
在更广泛的用户群体中，“小白”使用“龙虾”的体验往往是初次配置时花费了数小时，并且因为错误信息而不得不重装三次。
另外，在完成安装之后，“会用”才是关键问题所在。
即使是在云端环境下，用户也需要理解模型绑定、权限授权等新概念。对于普通用户来说，每天几十美元的月费已经是他们能承担的上限了。
对于有复杂工作流需求的专业人士而言，“龙虾”提供的功能和效率是无可替代的；但对于那些只是想尝鲜或低频使用的大众用户来说，则显得过于昂贵和繁琐。
在智能代理领域，尽管“龙虾盛宴”的热潮已过，但革命性的变化正在全面展开。
在各类对龙虾用途的讨论，会发现公认的最有价值的用法，是让OpenClaw定时抓取数据，自动写入知识库，再整理成周报和月报。这种模式，本质上是把它当数字助理长期使用。
可对大多数普通用户而言，真实需求往往只是查资料、润色文字、总结文档、偶尔做表格。也就是说，大部分人的工作，根本没有复杂到需要AI去承接工作流，这些任务今天用ChatGPT、Claude、豆包和DeepSeek等网页产品就能完成。
美国“贴吧”Reddit上甚至有人总结观察到的“三周流失路径”：许多新用户第一周热情高涨，第二周开始遇到循环调用、插件报错、费用上涨等问题，第三周就暂时搁置。
说到底，不是龙虾没能力，而是工具复杂度超过了多数人的真实需求强度。
在操作门槛之外，以龙虾为代表的“系统级”Agent，还有无法忽视的安全问题。
微软此前曾公开提醒，OpenClaw并不适合直接运行在普通个人电脑或企业办公终端上，因为它通常需要接触软件权限、在线账号令牌、本地文件等高敏感资源。
OpenClaw早期曾被评为8.8/10的高危漏洞。网络资产搜索平台Censys此前的扫描数据称，在相关补丁发布前，互联网上可识别的OpenClaw暴露实例超过21,000个。
而一旦涉及到用户数据，自然也会触及很多用户敏感的神经。Thales 2026数字信任指数显示，仅有23%的消费者信任企业会负责任地使用AI数据，77%的人对AI代理替自己在线行动感到担忧。
显然，对于轻度用户而言，“龙虾”生态带来的好处和现实需求出现了错位。
因为，以OpenClaw为代表的系统级Agent，是一套需要交出权限、持续投入费用的系统。如果没有足够高频的刚需，企业级的安全维护授权，大多数人很难长期坚持使用。
但如果因此断言“龙虾凉了”，又过于草率。因为留下来的用户，并不是在大众社交平台占据最多声量的人，而是最重度的一批开发者、自动化用户和企业实验团队。
微软最近传出正在Copilot里测试OpenClaw式的常驻Agent，而且强调会做得更适合企业、更安全；这恰恰说明，OpenClaw代表的路线并没有被判死刑，相反，它正在被大厂吸收、重做和企业化。
最近两周，国内并非没有新“龙虾”，而演化为各类Agent生态的延伸。
阿里在本月推出 Qwen3.6 新版本，强化复杂任务执行与工具调用；字节本月初上线 OpenClaw 国内镜像站，方便开发者部署技能生态；阶跃星辰已与 OPPO、吉利合作，把Agent能力推进到手机和汽车终端。
17日，《哈佛商业评论》发文点名中国 AI Agent 正快速进入电商和零售场景。文章以美团为例，提到美团在内部把“小美”定位为“调度者 + 执行者”，能帮用户完成下单、比价、售后、路线安排等整套任务。
也就是说，相比起龙虾的概念火不火，厂商们已经开始聚焦争夺真实入口，当然，这项竞争还在早期阶段。
智库机构The Conference Board几周前发布的调查显示，美国企业中60%的组织仍处在AI应用早期阶段，主要停留在实验和试点层面，仅11%进入更成熟的整合状态。
换句话说，今天讨论“龙虾退潮”，很大程度上是结束了大众的“围观”，而在真实的使用场景中开始了高强度试点。
近期的全球模型API调用激增，也揭示了让小白用户真正退而却步的一点：“龙虾”的Token耗费巨大，而普通人很难持续的为模型API买单。
大众用户参与龙虾的另一个拐点，是Anthropic在几周前斩下的那刀。本月4日，Claude订阅额度不再覆盖OpenClaw这类第三方harness的高强度使用，想继续跑就得切到单独按量付费。
过去几个月中，模型厂商有的把OpenClaw剔出订阅套餐，有的不断给API涨价。这等于正式告诉市场，Agent的消耗，已经超出了“几十美元月费随便包”的范围。对于普通用户而言，只是停留在体验和探索层，显然很难接受每月付出上百美金、甚至更高昂的模型费用。
而且，Agent的贵，不是模型单价贵，而是任务链路贵。
以OpenAI最新定价为例，调用网页搜索功能，大致是每1000次10美元，部分场景更高；如果任务需要代码执行环境，还要额外支付“容器费用”，按20分钟一次会话计费，配置越高越贵，从几美分到接近2美元不等。这还没算模型本身输入输出的token成本。
说白了，Agent不再是你问一句、它答一句，而是先搜索、再调工具、再跑代码、再读取上下文继续执行。和Chatbot时代的API消耗Token的速度相比，完全不是一回事。
而Anthropic这边的收费逻辑，更能说明Agent时代为什么越来越贵。
官方定价页显示，短时缓存写入要加价约25%，长时缓存最高加价到2倍，只有命中缓存重新读取时，成本才会降到正常输入价的一成左右。也就是说，模型越常驻、任务越长链路，费用结构就越复杂。
几天前，Anthropic发布Claude Opus 4.7时表示价格与上一代相同，仍是每百万输入token 5美元、输出token 25美元。但许多社区反馈显示，新版分词机制可能让同样内容消耗更多token，用户感受并不是“没涨价”，而是“同样的问题更费额度了”。
这也解释了为什么最近Claude Pro用户抱怨增多。美国“贴吧”Reddit上有人称，自己用Pro套餐“问了3个问题就烧掉了50%的5小时额度”；也有人吐槽，以前能顺畅做完整学习笔记，现在很快就触发限制。
我本人的经历甚至更“夸张”。在Claude Opus 4.7发布当天，我曾试图让Claude整理某家公司的资料，同时以行业视角进行横向对比。这是一个信息量稍显复杂的Prompt，而Opus 4.7只运行了两轮就烧光了Claude Pro的5小时限额。
虽然这些反馈不代表官方平均水平，但它至少说明一件事：2026年，如果你想把模型当成同事、研究助手或代码搭子连续使用时，月费几十美元更像是一张体验票，而不是稳定的生产力预算。
但API价格攀升的另一面是，模型厂商的算力矩阵和服务器正在拉满运行。
Anthropic今年3月曾短暂把低峰时段订阅额度翻倍，引导用户错峰使用；月底又调整高峰期额度消耗速度，想要利用规则调节算力拥堵，给有限GPU资源排队。
另一边，今年2月，智谱宣布GLM Coding Plan套餐整体涨价30%起，海外订阅价格提高30%-60%，部分API调用价格提升67%-100%。官方给出的理由是：市场需求持续增长，用户规模与调用量快速提升，同时要保障高负载下的稳定性，并继续加大算力和模型投入。
换句话说，模型厂商涨价不是因为没人用，而是因为用的人太多。
更值得注意的是，涨价后需求并未明显回落。第一财经近期披露的报道显示，智谱2026年第一季度API价格上涨83%后，调用量仍同比增长400%，出现“量价齐升”。
其他国产模型大厂的情况也类似。阿里云、百度智能云等平台3月开始同步上调部分AI算力、模型服务和GPU租赁价格，高端GPU租赁成本上涨，交付周期拉长。价格抬升背后，本质仍是推理需求增长快于供给释放速度。
模型厂商们纷纷开始采用更精细的收费方式：按token、按工具调用、按额度、按套餐层级收费。
对企业来说，这些费用都被视为效率提升的成本；但对普通用户来说，几十美金的月支出已经是大众用户的上限。
所谓的"龙虾降温", 实际上是用户群体的变化：那些尝鲜的小白用户、低频使用以及希望通过低成本套利的人已经退出；而留下的则是个人开发者和技术需求复杂的用户。
尽管大众对“龙虾”的兴趣减退，但智能代理技术革命的进程却在全面加速。