你以为OpenClaw在帮你赚钱?其实它是在赚你的钱

不知道大家最近有没有注意到OpenClaw这个工具,简单的说这是一个能够把AI真正落地的工具。

OpenClaw是啥

传统的AI仍然局限在ChatGPT、豆包这种以对话的形式输出内容,但是其只能输出文本、图片等等这种,涉及到具体的执行层面只是告诉你步骤,而非真正帮你去做。

而OpenClaw则是一款能够真正帮你去""的AI工具。

通过接收指令 ------> 拆解 ------> 调用工具 ------> 执行操作,这一系列的步骤,实现AI代替人工进行操作。

而且OpenClaw是一款运行在本地的AI工具,也就是说隐私方面比较有保障。

并且其内部内置的多达 100+AgentSkills 保证了执行层面尽最大可能的不出现AI幻觉,社区方面也贡献了非常多的技能插件。

截止到目前为止基础功能可以说实现了 80% 左右的场景覆盖,无论是发个微信还是聊个钉钉,无论是整理个邮件,还是定时发送日报,又或者帮你追踪一下更新都手拿把掐

自动化方面可以说是做到了生产力工具这个级别,但是OpenClaw就真的这么好用到无可挑剔嘛?

其实不然!

赚钱

首先咱们说大家最关心的赚钱问题,相当多的人表示,有了OpenClaw妈妈再也不用担心我一个人没办法运行自媒体帐号了,确实,OpenClaw就好像一个优秀的员工在24小时不停歇的帮你工作。

去网上抓取最近的热点新闻,帮你进行筛选,供你进行确认,然后直接生成内容,上传到xx平台,你就光等着数钱吧。

以上内容它都能做到,但是,成本呢?

如果你使用本地模型来做,电脑显卡算力首先得跟得上,你只用个 Mac mini 就想在本地嗷嗷加我劝你还是想想算了。

如果你使用云端模型,好了,能力上来了,各种操作非常丝滑,但是代价是Token的消耗你根本承受不起。

咱们就以比较常规的场景来进行测试,一个简单的 邮件整理 + 生成代办 的任务,openClaw大概需要调用8次云端,Token的使用量大约是128000,这个使用量如果是用GPT-4o的话成本大概就是1美刀多,合将近7块多钱。

如果是鼓捣个爬虫?又或者是帮助调试个代码那简直了,2刀都可能下不来。

那么我请问,你的业务值不值这2刀?

你那个自媒体账号恐怕一天都赚不到这2刀吧?

使用体验

再说实际使用中问题,本土化的应用适配相当之一般,无论是飞书还是微信,大多是社区内自己做的Demo插件,使用上体验一般。

一些小众软件直接玩不了,还得自己做插件,这对于一般程序员都难以完成。

另外OpenClaw本身也需要相当好性能的电脑才能运行的比较流畅,低配电脑就别想了。

结合现在内存和硬盘的价格行情,所以我劝你配电脑这个事儿也三思。

OpenClaw现在本身问题也不少,超过 10 分钟的批量处理任务有大约 60% 的会陷入卡死、循环、报错、丢失上下文等情况。

对于浏览器的操作实测也相当一般,尤其是表单填写这一块。

安全问题

最后还有个大问题,安全

目前OpenClaw好用不仅仅取决于官方,更取决于社区生态。

社区开发的林林总总的插件其实目前很大程度上影响了其易用性,但是这种第三方插件也有一批是带着漏洞上来的,甚至说开发插件的人本身就存心不良。

总结

截止到目前为止OpenClaw的的确确算是一大突破,最起码他在AI从说到做实现了跨越。

而且能本地运行、隐私性好、数据不上云,并且其本身是开源的,自己能修改。

但是 Token 消耗极大,用云端模型很容易账单爆炸,复杂任务容易卡死、循环。

相关推荐
小孔菜菜6 小时前
LLM / Agent / Skills / MCP 协同关系深度解析
agent
JouYY7 小时前
聊一下多 Agent 编排架构的应用实践
架构·llm·agent
米小虾9 小时前
Loop Engineering —— 循环的设计与自主执行
人工智能·agent
米小虾9 小时前
Harness Engineering —— 系统的安全护栏
人工智能·agent
用户479492835691511 小时前
翻完 lark-cli 的 17 万行 Go 代码,我学到了什么
后端·openai
武子康11 小时前
调查研究-200 llama.cpp b9754:一次很小但很关键的 Agent 工具调用修复
人工智能·agent·llama
武子康11 小时前
调查研究-199 MCP Zero-Touch OAuth:为什么它是 MCP 进入企业生产的关键门槛?
人工智能·agent·mcp
用户9478505292712 小时前
Skill用得好,下班走得早:一文讲透Skill的结构与设计
agent
leeyi12 小时前
Batch 处理:并发控制与可中断批处理
aigc·agent·ai编程
冬奇Lab1 天前
Workflow 系列(01):基础理论——三种执行模型与 Anthropic 5 种模式
人工智能·agent·工作流引擎