让OpenClaw替你打工（五）：没花什么钱养了6只虾，还赚到了钱

昨天在朋友圈发了一篇文章，评论区朋友问："你现在接的什么 model？"

"GLM-5? GPT-5.4?"

"真有钱啊"

我说："不花钱。你信吗"

朋友不信。

好，这篇文章就说清楚一件事：我是怎么几乎不花钱，养了 6 只小龙虾的。

读完这篇，你能带走：

• • 一份 6 只 AI 助手的花费清单和使用评价，帮你省掉试错成本
• • 做了哪些真实项目：从信息搜集、量化交易、公号内容创作到代码重构
• • 1 个判断"你该不该养虾"的四维框架，别再被情绪裹挟

先说结论——我不是不用钱，是花的钱都在可接受范围内。

而且有些虾，真的免费。

可能只有准备续费的会持续花钱。

Trae 免费，WorkBuddy 送积分还没烧完。

你看，6 只虾，月均成本不到 90 块。

一顿火锅钱，换来 2 个 7×24 小时在线的数字员工。

这不叫花钱，这叫杠杆。

这几只虾，都帮我干了什么？

别以为我养虾是为了玩。

一开始养虾，就赚到了钱。

1 月底 OpenClaw 刚火的时候，就有客户说要养一只。

我研究了一下，写了篇文章我在云端搭了个“贾维斯”：Moltbot（Clawdbot）云端部署与初体验，然后按流程部署了一个云端版本的小龙虾。

这是小龙虾给我赚的第一笔收入。

后来各厂家陆续推出自家龙虾产品，我也陆陆续续养到了 6 只。

每一只虾，都有明确的任务分工。

我用它们陆续尝试了很多之前想完成又没时间弄的想法和项目。

实战一：一句话订阅 92 个科技博客，每天自动出简报

这是最早用龙虾干的活。

就一句话：

"这里有一份推荐的 92 个科技 RSS 列表：https://gist.github.com/emschwartz/e6d2bf860ccc367fe37ff953ba6de66b ，请帮我订阅。"

它就自动帮我获取到了 2025 年 Hacker News 最受欢迎的科技博客订阅，覆盖领域：编程、技术、安全、AI、产品、创业、科研。

再一句话：

"设置每天早上 9 点运行定时任务，读取过去 24 小时内的所有订阅邮件，整理一份核心要点摘要，并附上原文链接以便深度阅读。完成后询问我对本次内容筛选的评价。根据我的反馈更新你的记忆，不断优化筛选偏好。你现在可以先开始试运行一次。"

一个信息源就处理完了。

中间经过几次对话调整，每天早上 9 点就能收到它发来的摘要。

虽然有时候它偷懒，没翻译成中文，又或者 20 条信息只发了两条。

使用自我改进技能（给 OpenClaw 装了一套“学习系统”：Self-Improving + AutoSkill，Agent 开始自己进化了）让它记住后，也都解决了。

以前做同样的事，我需要写代码：

抓取订阅源、各网站抓取、翻译、摘要、发送。然后上线、部署、调试。

顺利的话，估计要三天时间。

现在一句话，一天之内搞定。

省下来的不是三天时间，是三天里本该做其他事的机会成本。

实战二：从 B 站视频提取量化策略，半天跑通回测

简报的事鼓舞了我，接着我想能不能用龙虾帮我建立自己的量化系统。

这事也是想了好久，一直没实施。

纯手工做至少要一周：找数据源、读接口文档、抓取历史行情数据、数据本地存储和调用、编写策略代码、模拟交易单、跑回测。

交给虾，半天搞定。

先拿它测了包括网格策略等几种策略在工商银行、恒生互联网 ETF、黄金 ETF、红利 ETF 的 2020 年到 26 年历史数据上的表现。

以后再看到有什么量化策略，只需要告诉龙虾，它就帮我获取数据、写策略、出回测报告。

这个策略是不是真的管用，一目了然。

再后来，让龙虾从 B 站一个短视频里提取了一个量化策略：

10元以下低价股 + 日换手率≥10% + 等权重持有20只 + 每日调仓 + 5%止损

直接让龙虾去测，结果出来了：

28.7% 年化收益率，14.2% 最大回撤，1.82 夏普比率，56.3% 胜率。

从看到一个视频到拿到回测数据，总共不到半天。

这就是杠杆：不是虾比你能干，是它把你想干但没时间干的事，变成了"一句话的事"。

实战三：公众号创作全流程提效，排版从 2 小时变 5 分钟

这是小龙虾帮我提效最多的场景。

先说排版。以前一篇文章花在改进、排版上就接近 2 个小时——调格式、对齐、加粗、预览、再调……

现在文档全部改成 markdown 格式（对大模型最友好的格式），用 baoyu-skills 的 markdown2html 工具一键转 HTML，再推送技能直接发到微信公众号草稿箱。

2 小时的排版工作，5 分钟搞定。

接着考虑能不能让 AI 把所有事都干了呢？

确实也这么做了，但效果不好。所以也不建议你这么做。

比如最近的这篇《从 52% 到 74%：他们让 AI 真正“长记性”了》。

最终成型的方案很现实：

1. 1. Agent 帮我做信息组合和二次创作
2. 2. 我做最后的"人味"调整——立场、语气、取舍

AI 帮我干 60% 的活，我干 40%。

但这 40% 决定了文章的灵魂。

顺便推荐一下 baoyu-skills，相当于文章创作过程的瑞士军刀。

它是一个功能丰富的技能库，涵盖内容创作、图像处理到格式转换，每个技能可以单独使用，也可以组合成完整的创作和发布流程。

实战四：写龙虾教程，流量主持续赚钱

光用不够，还得总结。

每折腾一个新技能，我就让虾帮我整理成一篇教程。

这不是额外的负担，而是使用过程的副产品。

流量主开通之后，关于 Agent 的创作内容也在持续帮我赚钱。

实战五：一周重构 5 个业务系统——多 Agent 开发

手里有一个代码开发项目，是历史路径形成的五个业务系统。需求方希望合并成一个，同时解决用户登录、权限统一的问题。

用 ChatGPT-5.4 的多 Agent 开发模式，一周时间就干完了：

• • 原系统源码读取和分析
• • 重构方案的技术架构设计
• • 底层领域的划分
• • 基础领域的代码开发和测试

一周干完五个系统重构的启动，这放在以前是不敢想的。

实战六：管理工作进展和灵感

脑子里时不时会冒出想法，以前记在便签里，然后就没了。

现在随手丢给虾，它会帮我分类、关联、甚至提醒我哪些想法可以组合成一个项目。

你看到的这些成果，本质上是同一个能力在不同场景的复用：

让 AI 帮你处理重复性工作，你把精力留给决策和创造。

6 个实战，1 个共同点：

每一件事，以前想做但没做，不是因为难，是因为"启动成本"太高。

龙虾的价值不是替你干活，是替你按下启动键。

养了几个月虾， 3 条养虾的建议

这 3 条是从上面的实战里反复踩坑总结出来的，每一条都真金白银。

① 指令三要素：做什么 + 给什么 + 要怎样

反面示范："帮我把会议纪要整理一下。"

正面示范："把 D:/会议纪要/0320 产品评审.docx 整理成清单，包含：1）每个议题的结论 2）责任人和截止日期 3）标记有争议的事项。表格输出，不要开场白。"

虾不会读心术。你给的信息越少，它的发挥空间越混乱。

量化策略那篇就是反面教材——第一次我只说"帮我测个策略"，结果它给我跑了一个完全不是我想要的参数。后来我学会了把策略参数、标的范围、时间区间全部写清楚，一次就对了。

② 小步快跑，一次只推进一步

不要把 50 页报告一口气丢过去说"帮我全翻译了"。

拆成三轮：第一轮提炼核心结论，第二轮写大纲，第三轮扩展细节。

每一步都有验收标准，出了问题不用推倒重来。

公众号创作就是这样——我一开始让 AI"帮我写一篇公众号文章"，结果出来一个四不像。

后来拆成：先搜素材 → 再搭骨架 → 确定写作风格 → 然后扩写 → 最后我调整语气。效果天差地别。

③ 省 Token：让它写代码处理数据，别把一堆数据丢给它

WorkBuddy 有代码模式，让它写脚本来处理数据，再解读执行结果。

几百行数据不用塞进上下文，一个脚本搞定，Token 省一大半。

跟模型对话，学会列 1、2、3 的要求，有条理地表达，效率翻倍。

你该不该养虾？四个问题问清楚

说实话，很多人根本不需要。

在一片"AI 焦虑"的噪音里，我想帮你冷静下来，想清楚这四个问题：

1. 你有没有明确的、高频的、可自动化的任务？

虾的价值不在于偶尔帮你查个天气。

它在于每天自动整理邮件、监控信息源、定时生成报告——这种重复性高、规则明确的工作。

如果你日常工作主要是创意决策、人际沟通……那虾对你的实际价值有限。

别为了养虾而养虾，先找到那个值得自动化的痛点。

2. 你愿意投入多少时间和金钱？

硬件成本、API 费用、前期配置时间、持续的"养成"投入，加起来不是小数目。

有人算过：Mac Mini 加顶级模型高频使用，月均成本几百到上千。

养虾之前先算账。省下来的时间，值不值这个钱？

3. 你的技术能力和风险承受度如何？

完全没有命令行经验？直接上手本地部署，挫折感会很强。

更务实的选择：先试试封装产品（比如 Trae、WorkBuddy），感受一下 Agent 的基本能力，再决定要不要深入折腾。

如果决定本地部署，务必做好安全隔离——独立设备、Docker 容器、API 消费上限。

别把虾部署在存有重要数据的主力电脑上。

4. 你的"驾驶能力"够不够？

这一点最容易被忽视。

AI 是放大器，人才是决定因素。

同样一只虾，在一个懂得拆解任务、编写 Skill、设计反馈循环的人手里，和一个只会丢一句模糊指令的人手里，效果可能差十倍。

龙虾不会自动变成好员工，就像好电脑不会自动让你变成好程序员。

最后

OpenClaw 验证了一种让人兴奋的可能性：AI 不再是聊天窗口，而是真正能替你干活的执行者。

但它目前更像一个充满潜力的原型，不是一个普通人可以无脑上手的成熟工具。

龙虾之父 Peter 说过："如果你不懂命令行，这个项目对你来说风险太大。"

这话值得每个正在犹豫的人仔细品味。

不过，轻量体验、摸清特点，是很有必要的。

毕竟，机会只留给最有洞察力、最勤于思考的人。

而在一片喧闹之中保持冷静独立思考，才是每个独一无二的人类，最独特的优势。

养虾不贵，贵的不是虾，是你的时间和注意力。

你现在最想让 AI 帮你自动化的一件事是什么？

• • A. 信息整理（邮件/简报/RSS）
• • B. 内容创作（写作/翻译/排版）
• • C. 代码开发（写代码/调试/重构）
• • D. 还没想清楚，但想先试试

如果想看上面实战案例的具体步骤，评论区留言。