OpenClaw 4个月狂揽27万GitHub星标，超越React登顶全球第一；同期Hermes Agent异军突起，48小时暴涨6万星。这场"养龙虾"热潮背后，有人真的赚到了钱，有人却亏了电费还删了电脑。AI Agent创业变现，到底是金矿还是深坑？
背景：一场从硅谷烧到中国的"养虾"运动
2025年11月，一位奥地利开发者Peter Steinberger在GitHub上发布了一款名为OpenClaw的开源AI Agent软件。由于其Logo是一只红色龙虾，这款软件被中国开发者亲切地称为"龙虾"。
上线不到5个月，OpenClaw在GitHub上狂揽27.9万颗星标，一举超越React、VS Code等老牌项目，登顶全球第一。有外媒统计，OpenClaw成为GitHub历史上增长最快的开源项目之一。
这场热潮迅速从技术圈蔓延至普通用户。2026年初，深圳腾讯总部的一场OpenClaw免费安装活动，近千人在排队；百度举办"龙虾市集"，在全国17个城市提供免费部署服务；阿里云、Cloudflare等大厂纷纷推出一键部署方案，试图将这波流量转化为长期订阅收入。
电商平台上，OpenClaw远程安装服务售价198元至566元，销量突破900+；闲鱼和小红书上，上门安装报价从几十元到几千元不等。因Mac Mini在苹果M系列芯片上运行表现优异，一度出现一机难求、涨价断货的盛况。
热潮之下，一个问题浮出水面：OpenClaw到底能不能帮人赚钱？
OpenClaw是什么？为何掀起全民"养虾"潮？
与传统聊天机器人不同，OpenClaw是一款能够真正操控电脑的AI Agent。
它可以阅读浏览器内容、存取本地文件、调用各种应用程序，通过WhatsApp、Telegram等常用通讯软件与用户沟通，能够处理清空收件箱、发送邮件、管理日历、办理航班值机等多种日常事务。
用香港无线科技商会主席李劲华的话来说："传统聊天机器人是被动的，但OpenClaw会设有'心跳机制'，会主动按用户设定的指示主动办事，如检查邮件、阅读新闻后再回报重要信息。"
它的核心价值是：让AI真正动手干活，而不是仅仅回答问题。
案例拆解：从律师到淘宝店主，全民入场
案例1：30岁独立开发者杨明锋
杨明锋是一位独立软件开发者，他的工作是"指挥"不同AI协作完成开发流程——他负责与客户沟通了解需求，随后将其喂给AI生成需求文档，再监督不同模型分工完成架构规划与代码落地。
OpenClaw出现后，他注意到这个能替人"干活儿"的AI助手，当天便完成了部署。
第二天早上，他的手机照常弹出客户的修改需求。"一个念头突然冒出来：能不能让OpenClaw来做？"他尝试后发现，真的可以。
由于OpenClaw对中文用户不太友好，他向官方提交了汉化代码，但石沉大海。随后，他有了开发OpenClaw中文分支版的念头。
他用了一天做界面汉化，一天搭建网站，还集成了飞书扩展集——这部分代码后来被OpenClaw官方团队采纳。
OpenClaw中文社区上线后：
- 上线首日网站独立访客破千
- 次日起破万
- 短时间内运营的社群扩展到29个
- 几乎每天都能进满一个200人的新群
案例2：产品经理Sensen的通勤革命
产品经理Sensen每天需要长时间通勤，一直渴望有款产品能让他不带电脑也能稳定调度AI模型生成代码。
在接入OpenClaw后，每天通勤路上，OpenClaw会自主读取并分析线上数据看板。这样在早会上，Sensen就能根据Agent抓取的最新数据，迅速指挥团队进行业务调整。
在他看来，这就像一个圆桌会议——"我抛出一个目的，看这群Agent互相讨论，甚至产生我没想到的问题。而且它的记忆存储能力很强，能够记住个人的投资风格。"
像Sensen这样的投资者并非个例。在OpenClaw社群里，股票分析、量化交易、投研报告、Crypto交易、一级市场研究……几乎每个细分场景都有人试图用这只"龙虾"撬动更大的信息优势。
案例3：律师邹浩的AI尝试
中部三线城市某律所负责人邹浩，在发现OpenClaw后，曾两次尝试本地部署。这对非技术出身的他来说并不轻松——他一边用Coze写代码，一边让GPT解决Bug，在屏幕前死磕了7个多小时才跑通程序。
在使用过程中，邹浩尝试用它抓取网页、分析数据，甚至进行模拟谈判——这是Chatbot无法做到的。
他原本计划春节期间将AI嵌入律所的OA系统，后来干脆准备开发机器人。
祛魅：热潮背后的三大困境
然而，喧嚣的另一面是骨感的现实。
困境1：技术门槛高
OpenClaw需要系统级权限，大多数用户出于对隐私边界和数据安全的警惕，选择将其部署在不常用的电脑或云端服务器中。对于没有编程基础的用户，安装门槛极高。
邹浩的经历很有代表性：光是本地部署就折腾了7个多小时，后续运行中，改个模型API、加个搜索API、创个Skill、搬个文件目录等各种原因都可能导致它"死掉"，每次修复需要半小时以上。
困境2：成本不低
OpenClaw虽是免费开源软件，但运行需要接驳不同的AI模型，每个动作——阅读新闻、删除档案——都需要按Token付费。
Sensen每月支付几百美元的Token费，他调侃自己是"贷款上班"。在大模型出现之前，作为产品经理的Sensen几乎没有为产品付费的习惯。
有用户反馈，每月电费、API调用与存储成本叠加，开销并不低。
困境3：能力有上限
OpenClaw的能力上限取决于调用的大模型能力。律师邹浩发现，一旦投喂的上下文过多，OpenClaw就会崩溃。
更重要的是，OpenClaw的技术本身并不算惊艳。算法工程师秋风认为，底层的Agent Loop架构是2025年行业卷到头的相对共识，OpenClaw作为开源项目，因过度堆砌功能而臃肿，使其内核不能随着技术迭代同步进化。
当任务启动后，OpenClaw无法像人类一样实时接收反馈并修正错误。"你发现指令有误想让它停下来，它不会立刻停，必须先把上一条指令彻底跑完才会处理下一条命令。"
困境4：安全争议
安全公司OX Security扫描了约98,000个公开的OpenClaw实例，发现超过1,800个暴露的API密钥、数据库凭证和OAuth令牌。另一家公司Straiker AI更发现全球范围内超过4,500个暴露的实例，主要集中在美国、德国和新加坡。
中国工信部直属事业单位"国家工业信息安全发展研究中心"已发布风险预警通报，指出OpenClaw存在信任边界模糊等情况，可能面临系统越权失控、敏感信息泄露、外部攻击面增加等潜在风险隐患。
至少15间券商已发布内部合规通知，严禁未经许可在办公网络或业务系统安装使用OpenClaw。
网络上有不少"养虾人"已开始连夜寻求上门卸载服务，同时涌现大批收费"除虾"商家。
Hermes Agent崛起：更懂学习的"成长型"Agent
就在OpenClaw争议发酵之际，另一款AI Agent悄然崛起。
2026年2月25日，Nous Research开源了内部工具Hermes Agent。短短48小时内，其GitHub星标暴涨6万，目前已达64.8K，引发社区大规模迁移。
Hermes Agent的核心卖点是"会成长"——它内置学习循环框架，能从任务中自动淬炼出技能，能够长期记忆用户偏好，跨对话精准回忆，目标是"愈用愈懂你"。
核心差异
| 特性 | OpenClaw | Hermes Agent |
|---|---|---|
| 记忆机制 | 静态，无状态或简单向量检索 | 动态，会从经验中学习进化 |
| 定位 | 多通道操作、团队工作流 | 持久化记忆、自动生成技能 |
| 配置 | 依赖静态设定，需手动修改 | 单一代理框架，自动更新 |
| 学习方式 | 手动编写Skills | 自动生成Skill文件 |
技术细节：Hermes的四层记忆架构
- 常驻提示词记忆：MEMORY.md和USER.md，存储每次会话开始时需要自动读取的上下文，总字数限制3575字。
- 会话存档：每段对话写入SQLite数据库并使用全文索引检索。
- 技能文件：学习循环产出的可复用操作流程，按需求读取。
- Honcho：跨会话被动累积用户偏好、沟通风格和领域知识的用户建模层。
关键创新：自动生成Skills
每次完成复杂任务后，Hermes会检查：这次执行值得记下来吗？触发条件包括：
- 工具被调用超过5次
- 犯错后自我修复
- 被用户纠正
- 采取了一条不明显但有效的路径
满足任一条件，它就会在~/.hermes/skills目录中生成一个Skill文件，下次执行时自动载入，相当于记住了最有效的操作流程。
实操指南：普通人如何入场AI Agent创业？
路径1：SaaS订阅（最稳健）
针对特定行业训练具备专业知识的Agent，向用户收取月费或年费。
案例：一个专门处理跨境电商退换货流程的Agent，可以替代人工客服完成80%的重复性工作，企业极其愿意为此付费。
行动步骤：
1. 选择一个有明确痛点的垂直行业（如法律、医疗、教育）
2. 训练具备该行业专业知识的Agent
3. 设计订阅定价模式（月费99-999元不等）
4. 接入支付工具，开始获客
路径2：任务抽佣（高潜力）
按"结果"收费，而非按账号或对话次数收费。
核心指标：Agentic Margin Ratio（AMR）
计算公式：AMR = (收入 - AI成本) / 收入
好案例：
- Paid.ai按成功预约收费
- Sierra AI按客户问题解决率收费
- Leena AI从用量计费转为outcome-based后业务明显加速
行动步骤：
1. 明确你的Agent能解决什么具体问题
2. 设计可量化的成功指标
3. 设定抽佣比例（通常10%-30%）
4. 建立数据追踪系统
路径3：私有化定制（高客单价）
为大型企业定制基于内部知识库的私有化Agent，单笔合同金额通常在50万至500万人民币不等。
行动步骤：
1. 积累至少3-5个细分场景的解决方案
2. 建立企业级安全和合规体系
3. 通过渠道接触企业决策者
4. 提供POC（概念验证）演示
路径4：内容流量变现（门槛低）
利用AI Agent批量生产高质量短视频、文章或社交媒体动态，通过平台分成、带货或广告变现。
实战数据：
- 有人用AI Agent做小红书账号矩阵，17天赚了100万
- MCN机构已将实时追踪热点并自动生成内容的Agent列为标配
行动步骤：
1. 选择一个内容平台（抖音/小红书/公众号）
2. 训练Agent掌握该平台的内容风格
3. 建立选题库和素材库
4. 规模化生产，建立流量矩阵
常见问题
Q1：个人开发者现在入场AI Agent创业还来得及吗？
完全来得及。 大厂提供基础设施，个人开发者应聚焦微小而具体的垂直场景。例如专门为某个小众软件做自动化插件，这类需求往往被大厂忽略，但付费意愿极高。
Q2：OpenClaw和Hermes Agent应该选哪个？
不要做二选一。常见设定是把Hermes当高级规划器，在OpenClaw工具上运行。运行hermes claw migrate命令，可以一键迁移现有Skills和记忆。
Q3：AI Agent变现最大的技术障碍是什么？
是幻觉问题和环境适应性。如果Agent在执行任务时经常出错，客户将失去信任。
还有一个数学问题：如果Agent每一步的准确率是90%，那5步之后的整体成功率只剩59%，10步之后只剩35%。
Q4：应该用最贵的模型吗？
不一定。 把便宜模型用来做分类和简单回应，只在真正需要推理时才调用高级模型。业界估算，适当的模型分层可将AI Agent整体算力成本降低60%-80%。
Q5：企业使用AI Agent有哪些风险？
安全风险首当其冲。建议：
- 使用官方最新版本
- 应只授予最小权限
- 将运行环境隔离于本地设备或服务器
- 避免在办公网络环境处理敏感数据
总结：工具本身不会创造价值
回到文章开头的问题：OpenClaw到底能不能帮人赚钱？
答案是：能，但取决于使用它的人。
OpenClaw创始人Peter Steinberger曾在访谈中建议，开发者应以"玩"的心态去接近Code和Agent工具，去完成那些一直想做却迟迟未动手的项目。
OpenClaw本质上是一种工具，或者说一种杠杆——它本身不会创造价值，只能放大使用者原有的能力。
真正赚到的，是那些本来就有专业技能、明确需求、愿意投入时间学习的人。
而那些指望"养虾"就能躺赚的人，很可能连夜卸载，还得付一笔"除虾费"。
2026年的AI Agent浪潮，不是工具本身，而是"用工具赚钱"的能力。你准备好了吗？
数据来源：36氪、BBC中文、掘金、CW杂志、Shareuhack等媒体公开报道，数据截至2026年Q1。