OpenClaw（龙虾）为什么不火了？Harness OpenAi Claude DeepSeek Qwen3.8顶替了？

几个月前，如果你跟一个 AI 玩家说：

“我想在自己的电脑里养一个 24 小时在线的 AI。”

对方大概率会回你两个字：

养虾。

买 Mac mini、装 OpenClaw、接 Claude、GPT、Gemini，再给它邮箱、浏览器、终端、聊天软件权限。

然后坐等它替你干活。

那时候，“龙虾”简直像是 AI 圈的通行证。

有人教你怎么部署，有人卖 Mac mini，有人帮你远程安装，还有人专门研究怎么给龙虾装 Skills。

最夸张的时候，OpenClaw 在 GitHub 上的增长速度非常惊人，从 2025 年底上线后，仅仅几个月就冲到了数十万 Star。到了 2026 年 8 月，项目依然拥有超过 38 万 Star 和 8 万以上 Fork。

所以，现在再说：

“OpenClaw 凉了。”

其实不准确。

更准确的说法是：

OpenClaw 已经从“风口产品”，变成了“基础能力”。

这两个概念，差别非常大。

---

一、龙虾真的不火了吗？

你可以做一个很简单的实验。

现在去搜索 OpenClaw。

你会发现一个很奇怪的现象：

它的代码还在更新，社区还在增长，生态也没有消失。

但当初那种全民讨论“今天我的龙虾又干了什么”的热度，却明显下降了。

为什么？

因为 AI 圈已经换了一个问题。

几个月前大家问的是：

“怎么把 AI 装到我的电脑里？”

现在大家开始问：

“怎么让 AI 稳定地把事情做完？”

看起来只差几个字，实际上已经是两个时代。

OpenClaw解决的是第一个问题。

而现在的 Harness，正在解决第二个问题。

---

二、OpenClaw最牛的地方，其实不是“聪明”

很多人第一次接触 OpenClaw，会产生一个误解：

“龙虾是不是因为比 Claude、GPT 更聪明，所以才火？”

其实不是。

OpenClaw本身并没有创造一个比 Claude、GPT、Gemini 更强的新模型。

它真正干的事情，是把：

模型 + 工具 + 权限 + 记忆 + 工作流 + 消息入口

组装成了一个可以长期工作的 Agent。

以前你使用 AI，是：

“问一个问题。”

现在 OpenClaw 把它变成：

“给它一个任务，然后让它自己想办法完成。”

比如：

“帮我整理邮箱。”

“查一下竞争对手。”

“把这个文件转换格式。”

“帮我写代码。”

“去网页上查资料。”

“每天早上把行业新闻整理给我。”

这一步非常重要。

因为它第一次让大量普通用户意识到：

AI不一定只是聊天机器人，它真的可以成为一个‘数字员工’。

所以 OpenClaw最大的贡献，其实不是技术上的某一个功能。

而是：

它完成了 Agent 的全民教育。

---

三、问题也恰恰从这里开始

因为当你真正用上 OpenClaw，就会发现：

“让 AI 能干活”并没有想象中那么简单。

第一个问题：

太复杂。

你得部署。

得配置模型。

得配置 API。

得配置权限。

得配置工具。

得研究 MCP。

得研究 Skills。

得折腾终端。

得搞网络。

得处理各种报错。

对于开发者来说：

“这很酷。”

对于普通用户来说：

“我只是想让 AI 帮我干活，为什么最后变成了我给 AI 打工？”

这就是 OpenClaw 最大的悖论。

---

四、第二个问题：Agent 越强，权限越危险

这是 OpenClaw绕不开的问题。

普通聊天 AI 犯错，最多给你一个错误答案。

但是一个拥有：

文件权限、

终端权限、

浏览器权限、

邮箱权限、

系统权限

的 Agent，一旦犯错，后果就完全不同。

因为：

它不是“告诉你怎么办”。

它可能真的会：

替你执行。

这也是为什么 OpenClaw 一直伴随着安全争议。

此前就出现过让 Agent 操作邮箱后误删邮件等事件。

真正的问题并不是 OpenClaw “不安全”。

而是一个更加底层的问题：

当我们要求 AI 像人一样拥有手脚时，我们到底应该给它多大的权限？

Agent越自由，风险越大。

Agent越受限制，又会变得不好用。

这是一道所有 Agent 都躲不开的题。

---

五、第三个问题：养龙虾，真的很费钱

还有一个当初很多人忽略的问题：

Token。

OpenClaw这种长期运行的 Agent，不是你问一句，它回答一句。

它可能需要：

维护上下文、

调用工具、

读取文件、

执行命令、

失败重试、

重新规划任务、

持续记忆状态。

所以真正长期跑起来之后，成本会迅速增加。

于是很多人的体验就变成了：

第一天：

“卧槽，贾维斯！”

第三天：

“卧槽，还能这样？”

第七天：

“卧槽，我 Token 呢？”

这其实也是为什么很多“全民养虾”最后没有变成“全民每天都养虾”。

因为：

演示非常震撼，长期使用却是一门工程。

---

六、于是，一个新东西开始站到舞台中央

它叫：

Harness

很多人第一次听到 Harness，会觉得这是又一个 AI 黑话。

其实可以非常简单地理解：

模型负责“想”，Harness负责“让它持续、可靠、安全地干活”。

也就是说：

以前大家关注的是：

哪个模型最聪明？

后来变成：

哪个 Agent 最好用？

而现在越来越多开发者开始研究：

什么样的 Harness 能让 Agent 真正完成工作？

这就是变化的关键。

---

七、为什么 Harness突然这么重要？

因为一个真正能工作的 Agent，远远不只是一个模型。

它至少需要：

模型、

上下文、

记忆、

工具、

文件系统、

命令执行、

权限管理、

沙箱、

任务调度、

错误恢复、

状态管理、

人类确认。

这些东西怎么组合？

谁负责？

出了问题怎么办？

任务做到一半怎么办？

AI执行错了能不能回滚？

多个 Agent 能不能同时干活？

这些事情，本质上都属于 Harness 要解决的问题。

OpenAI现在对 Harness 的定义方向就很明显。

在其工程实践中，团队已经把工作重点从“手写代码”转移到“设计 Agent 工作环境、约束、反馈回路和验证机制”，并让 Codex 长时间连续完成开发任务。

这意味着：

AI Agent的竞争，正在从“模型竞争”进入“运行环境竞争”。

---

八、这也是为什么 Claude Code Desktop、Codex App 开始让人感觉“它们很像龙虾”

仔细看一下现在的产品，你会发现一个很有意思的事情。

Claude Code已经不只是一个命令行工具。

Anthropic现在的 Claude Code Desktop，可以直接在桌面里：

管理多个 Agent、

并行执行任务、

编辑文件、

使用终端、

查看预览、

进行 Computer Use、

远程继续任务。

OpenAI也是一样。

Codex App已经明确把自己定位为：

“Agent的指挥中心”。

它可以同时运行多个 Agent，让不同 Agent 并行处理不同任务，并对长期任务进行管理。

这时候你再回头看 OpenClaw。

会突然发现：

这不就是龙虾当初在干的事情吗？

区别只在于：

OpenClaw是：

你自己组装一个 Agent 工作环境。

而现在的 Desktop Harness 更像：

厂商直接把整个 Agent 工作环境装好了。

---

九、所以问题来了：

Harness是不是把OpenClaw顶替了？

我的答案是：

一半是，一半不是。

说“完全顶替”，太简单。

说“完全没有关系”，也不准确。

真正发生的事情其实是：

OpenClaw把路走出来了。

然后：

大厂开始把这条路铺成高速公路。

OpenClaw当初最大的魅力之一，就是：

高度自由。

你自己选模型。

自己装 Skills。

自己接工具。

自己配权限。

自己折腾。

这非常适合开发者和极客。

但大多数用户并不想研究这些。

他们真正想要的是：

“我给你一个任务，你干。”

所以现在厂商开始疯狂做一件事：

把复杂性藏起来。

---

十、以前是“自己养虾”

现在更像是：

“打开软件，叫几个 Agent 干活。”

这个变化特别关键。

你不需要再想：

“我应该安装哪个 Agent？”

你只需要：

“这个任务交给 Claude。”

或者：

“这个任务交给 Codex。”

甚至：

“同时让三个 Agent 干。”

然后你坐在桌面上看结果。

OpenAI已经明确在推动多 Agent 并行工作的桌面化体验；Anthropic 的 Claude Code Desktop也在往类似方向发展。

---

十一、真正改变用户体验的，其实不是“桌面版”

很多人会把这件事情理解成：

“哦，原来 OpenClaw 是命令行，现在做成桌面软件了。”

其实远远没有这么简单。

真正发生变化的是：

Agent正在从“工具”变成“工作环境”。

以前：

你打开 ChatGPT。

输入问题。

拿答案。

结束。

现在：

你打开一个 Agent Workspace。

建立项目。

让多个 Agent 并行工作。

Agent自己读取文件。

调用工具。

执行任务。

失败后重新尝试。

最后人类负责验收。

OpenAI在谈“harness engineering”时甚至直接提出：

Humans steer. Agents execute.

翻译成人话就是：

人负责下方向，AI负责干活。

这才是下一阶段真正重要的变化。

---

十二、所以 OpenClaw 最大的输赢，其实很奇怪

如果单纯看“现在还有多少人在讨论 OpenClaw”。

它当然不像几个月前那么疯狂。

但如果从技术演化来看：

它反而赢了。

因为它证明了一件事情：

人们真的愿意拥有一个能够长期替自己执行任务的 Agent。

于是所有人都开始研究：

怎么让 Agent 更稳定？

怎么让 Agent 更安全？

怎么减少 Token 消耗？

怎么控制权限？

怎么让 Agent 记忆更持久？

怎么让多个 Agent 协作？

怎么让 AI 在电脑里真正工作？

这恰恰就是今天 Harness、Claude Code、Codex 等产品正在解决的问题。

OpenClaw没有消失。

它只是从：

“产品”

变成了：

“范式”。

---

十三、这可能才是“龙虾退潮”最真实的答案

所以我并不认同：

“OpenClaw凉了。”

我更愿意说：

OpenClaw完成使命了。

就像当年智能手机真正普及以后，大家不再天天讨论“智能手机”。

因为：

它已经成为基础设施。

OpenClaw今天遇到的情况，也有点类似。

大家已经不再争论：

“AI Agent到底能不能干活？”

因为答案已经知道了。

现在大家真正开始竞争的是：

谁能把 Agent 做得更便宜、更安全、更稳定、更容易用。

这就是 Harness 时代。

---

十四、但千万别觉得 OpenClaw 就没有价值了

恰恰相反。

OpenClaw这种开放式架构仍然有一个非常大的优势：

自由。

厂商自己的 Agent，通常会把：

模型、

生态、

权限、

工具、

产品体验

绑定在一起。

而 OpenClaw 这类开放架构，更适合那些喜欢折腾、希望自己掌控环境的人。

你甚至可以把它理解成：

Linux 和 Windows 的区别。

一个强调自由。

一个强调易用。

所以未来未必是谁“消灭”谁。

更可能是：

普通人用原厂 Harness。

开发者、极客和企业继续使用可组合的 Agent 架构。

而两边最终还会不断互相吸收。

事实上，OpenClaw自身现在甚至已经开始接入 Codex Harness，说明“OpenClaw vs Harness”这个二选一，本身就可能是个错误命题。

---

十五、真正值得关注的，是下一场战争

所以现在真正值得问的问题已经不是：

“OpenClaw会不会死？”

而是：

“谁会成为AI时代的Windows？”

谁能够让一个普通人打开电脑之后，不再需要自己操作几十个软件，而只需要：

告诉 Agent 我要什么。

然后 Agent：

找资料。

做表格。

写代码。

发邮件。

改文件。

操作浏览器。

跑程序。

安排任务。

监督结果。

发现错误。

自己修复。

最终把成品交给你。

如果这一天真的到来，

那时候我们回头再看 OpenClaw。

可能会发现：

所谓“养虾热”，根本不是终点。

它只是第一次让大众看见了：

电脑里，真的可以住进一个会干活的东西。

而现在，整个 AI 行业真正进入的阶段是：

从“养一只龙虾”

到“管理一群数字员工”。

这才可能是 Harness 真正取代“龙虾热”的原因。

不是龙虾输了。

而是：

AI Agent已经进入下一局。