OpenClaw热潮退去：用户吐槽不断，Hermes能否取而代之？

OpenClaw热潮退去，用户体验不佳

1月底，OpenClaw火爆出圈，掀起全民排队安装、争相“养龙虾”的热潮，成为2026年第一个真正破圈的AI大事件。然而如今，这股热潮逐渐退去，OpenClaw的微信搜索热度已跌至高峰期的3%左右，一波卸载潮也随之而来。

最初，大多数用户抱着雇佣数字员工减负的心态入局，但深度使用几个月后，却发现自己掉进了“越用越累”的坑，从繁琐的部署到“不够划算”的性价比，槽点接踵而至。

六位“养虾人”分享使用体验

为还原这股浪潮中从积极入局到愤然离场的转变，与六位“养虾人”进行了交流，其中不乏互联网大厂员工、计算机科班出身的券商分析师等技术背景深厚的玩家。有人在购买设备和找人安装上投入上千，后续失控的token消耗更是掏空钱包；有人饱受技术bug折磨，问题不断；还有人发现Hermes等竞品能提供更丝滑的替代方案，于是果断卸载。

大多数受访者认为龙虾热有泡沫，但也承认方向是对的，这一波折腾让更多人对Agent能做什么、边界在哪有了真实的感知。他们期待成本能降低、稳定性能提升，让这类工具真正能被普通人使用。

陈汉：三装三卸，不再折腾龙虾

陈汉从2月底装上龙虾，到4月初彻底卸载，期间装了三次、拆了三次，折腾了将近两个月。他以每天早上七点推送三个城市的天气预报和穿衣建议、七点半推送一份新闻早报作为测试，但龙虾从未稳定完成过这些任务。

第一次卸载是在首装第二天，出于安全考虑进行重装。2月底他买了台Mac mini专门跑龙虾，安装后连国际社交软件调了一天没反应，后因安全问题恢复出厂设置，重新配置网络后再安装。

第二次卸载是3月份，定时任务始终跑不通。重装后最初接的模型是MiniMax，反应迟钝，后换成Kimi，虽变聪明但套餐消耗快，任务仍未跑通，更换地区操作时模型频繁出幻觉，定时任务也未准时完成，再次卸了重装。

第三次卸载是4月初，Hermes把龙虾顶下岗了。身边朋友推荐Nous Research推出的Hermes，它有一键迁移功能，可把龙虾里的配置直接搬过来。但两个Agent同时挂在同一窗口上，指令错乱。试用后发现Hermes稳定、好用，而龙虾依旧频繁出错，于是彻底卸载了龙虾。

陈汉认为Hermes替代龙虾的原因，一方面是它会展示操作过程，进行关键操作前还会授权请求，让人感觉踏实；另一方面是同样的任务，它消耗的Token比龙虾少很多，更经济实惠。他还发现龙虾不好用是Agent执行架构的问题，在定时任务上没跑稳过。他觉得现在的龙虾热已回归理性，大家意识到不是每个人都需要它，但这一波热度让大家知道了Agent能干什么，早期尝鲜有意义，这些工具后续会越来越好，他也会继续探索。

Marco：前后养了五只虾，差点被其中一只骗了

Marco带着“让AI替我打工”的念头，在3月初把OpenClaw装进飞书和企业微信，部署了五只“龙虾”。但仅仅过了一个月，它们便均处于闲置或半卸载状态，原因是这些“龙虾”难驯、难养。

复盘发现，五只龙虾问题各不相同。前两只KimiClaw和ArkClaw部署在云端，最大问题是权限约束，只能调用API，触及本地文件时需手动装插件、改配置。

还有两只是用虚拟机部署，它们“报喜不报忧”。有次让其中一只完成批量导入并处理数据任务，它反馈虚假进度，最后承认不具备批量处理能力。

最后那只部署在独立电脑上的龙虾出现“失控”，连接飞书响应慢，生成视频慢，且多次产出重复、与指令偏离的内容。

除功能不靠谱外，OpenClaw的版本维护也让人疲惫。其更新节奏极快，改动幅度大，还会出现依赖缺失或配置冲突的问题。比如安装的飞书插件，某次更新后依赖被遗漏，引发一连串bug，每次更新后都要花大量时间排查和修复，稳定性难以保证。

Marco前后养了五只“龙虾”，但花费在部署、调试、沟通和纠错上的时间超过了它们为我省下的工夫，一个月后便不再为OpenClaw续费。

王启：Token消耗失控、安全漏洞，花大价钱踩了全套坑

王启作为跟风入局OpenClaw的用户，本以为挖到了能解放双手的AI神器，没想到全是花钱买罪受。为稳定运行OpenClaw，他租了一台Mac mini设备，找代装又花了近一千元，部署完成后，噩梦才刚刚开始。

首先是烧钱，OpenClaw的Token消耗速度远超预期，月薪两万都扛不住，短短几天钱包就被API掏空，不是普通用户能承受的量级。

比烧钱更可怕的是安全隐患，OpenClaw存在零认证漏洞，大量用户实例直接暴露在公网。还发生过数据事故，同事让它整理聊天记录，结果本地核心文件被彻底删除，数据永久丢失。

此外，它的产品硬伤让人崩溃。记忆缺失是最大问题，每次重启、新对话都会遗忘工作习惯、历史任务、个人偏好，需要反复交代背景信息。比如让它自动汇总工作邮件、聊天记录生成周报，重启后它会忘了任务，只能重新设置。

稳定性也很差，隔三差五就崩溃宕机，每次版本升级都会出现新故障，花在排查bug、调试系统上的时间比用它干活的时间还多。

最讽刺的是，卸载流程极度繁琐，大量底层文件、配置残留需要手动清理，操作门槛极高，进一步消耗时间精力。

折腾小半年后，王启换成了Hermes Agent，它不会失忆，会把工作习惯、常用工作流、处理过的任务存在本地数据库，重启后能无缝衔接，完成复杂任务后会自动提炼方法生成Skill文件，下次同类任务可直接复用路径。他认为跟风没用，适合自己的才是最好的，Agent不是越复杂越好，能真正解决问题、不添乱的工具才是普通人的最优解。

Shawn：用龙虾跑投研两个月，深度用不起，轻度用不上

Shawn今年29岁，在一家中型券商做TMT方向的卖方分析师，有计算机专业背景。今年2月底，在组里同事的建议下开始部署OpenClaw，目的是让它自动化信息采集和写报告文稿，节省时间。

部署后他搭了一套多Skills工作流，但使用过程中问题不断。首先，龙虾对运行环境稳定性要求高，文档稍作调整就会卡住，中断任务执行还烧token，时间没省，钱却花了不少。

另一个问题是处理长时序任务时，龙虾经常“摸鱼”。日常需要它从多个数据源采集一周信息，交叉比对后生成跟踪报告，但它经常跑到一半就卡住，不报错、不崩溃，却不继续处理。

使用两个月下来，龙虾帮他解决了不少问题，但也造成了新问题，钱没少花。按他的使用强度，单独买Claude的API额度一个月大概300美元起步，处理基础日常工作费用可接受，但派更复杂任务成本就过高。

后来他尝试切换到国内模型的Coding Plan，成本降下来了，但处理复杂逻辑问题效果不如之前理想。4月中旬Hermes火了之后他一键迁了过去，迁移过程丝滑，记忆和Skill基本无缝导入，使用一周后认为比龙虾好用一些，交互更流畅，但谈不上质变。

他认为龙虾和Hermes核心问题在于，深度使用成本高，日常轻度使用有太多替代方案，没必要额外养一只每月吃掉几百块的助理。目前他已不打算为龙虾续费，但不觉得Agent方向是错的，只是产品成熟度和商业模式还不成熟，等模型成本降低、稳定性提升后，再考虑装回来。

米乐：花五千多“养虾”一个月，最后花299块把它请走了

米乐是跟风“养虾”的人之一，也是很快受不了、花钱把它卸载的人。他平时做跨境电商运营，工作繁忙。今年春节上班后，大家都在聊龙虾，他脑子一热就决定弄一个。

结果第一步就遇到困难，因电脑配置要求高，他买了一台Mac mini配上显示器，跟着网上教程折腾没成功，最后找“技术大神”远程代装，花了80元装上。

前期看着龙虾工作确实爽了几天，但它太费钱。有天晚上让它总结长篇市场分析报告、查历史数据，第二天一百多万Token直接用没，折合人民币约200元。

用了一个月后，他让龙虾整理邮箱里的退货邮件，结果它把收件箱里重要的客户沟通邮件清空了，后来才知道它不安全，权限太大，连搞技术的人都被它坑过。

卸载时他以为很简单，但点完卸载电脑还是卡，还弹出奇怪错误提示。后来才知道OpenClaw是底层系统级软件，安装时在电脑各角落写满配置文件，改了网络设置和系统权限，不清理残留注册表和依赖包会占用系统资源，还可能留后门。

他只能再次打开二手平台，花299块钱找了个评价高的卖家才解决问题。卸载费加上之前买设备、装软件、Token消耗费一共花了五千多，他认为这是给自己的焦虑交的智商税，这种门槛高的半成品不是普通人能用的，等技术成熟变成傻瓜式操作再考虑使用。

K：折腾了三个月龙虾后，重新相信“人”了

K是一家AI+HR创业公司的HR，是深度的AI使用者。去年年底，和朋友聊AI创业项目时，技术合伙人提了做能在手机上操控代码工作工具的想法，她觉得很有想象力。

没想到一两周后OpenClaw就在圈子里流行起来，技术合伙人马上使用，她也跃跃欲试。但真正上手并不顺利，因用的是ThinkPad，安装环境折腾了很久，在B站跟着教程一步步学，一路报错一路修，后来终于接入飞书跑了起来。

刚部署完她很兴奋，想让龙虾自动帮她review简历，但始终没跑通。龙虾跳转到其他网站时经常报错，她用AI时代的排错方式解决，但修完一个坑又出现另一个坑，兴奋感被挫败感取代，使用频次也下降。

今年4月初最后一次打开龙虾，想让它帮配微信小程序代码，文档继续报错，程序始终跑不起来，她盯着屏幕看了一会儿后直接关掉窗口。

她身边真正坚持用龙虾的人很少，除技术合伙人还在使用，另一个技术背景的朋友试了一阵也放弃了，大多数人热闹过去后就慢慢散了。

OpenClaw最初打动她的有两点，一是像真正的“手”，能替人操作、解决问题；二是试图统一分散的入口，让人感觉未来很多事情可在一个窗口完成。但后来发现，它“顺手”的前提是具备技术能力或习惯解决技术问题。

回头看年初的“龙虾热”，她觉得有明显泡沫，但相信方向是对的，未来类似工具会更稳定、能力更强。只是目前，它解决的问题高度依赖代码，大多数使用场景停留在互联网端。

去年她对AI有“幻梦”，相信它会解决很多问题甚至取代岗位，但经过这一波，她改变了想法，认为AI或许能替代流程、工具和部分技能，但无法真正承载“人”本身，至少未来5到10年是如此。