龙虾openclaw选苹果还是微软

最近很多想玩 opencloud 的 朋友问我，是不是得先买一个 mac mini 或者搞一台高配置的电脑才能玩得动 opencloud 龙虾呀，今天给大家避一个坑啊！新手小白完全没有必要为了养龙虾专门花钱去买新电脑 啊！为什么你不一定要买新电脑呢？龙虾是不挑电脑的啊，不管是那个 windows、 mac 或者 linux， 其实都能养虾。很多人购买那个 mac mini 主要是因为它功耗低，像个省电的小盒子，以及它配置比较高，适合当二十四小时自动工作的 ai 助手。 但这个不代表普通的电脑不能装啊。第二个，算算你的那个电费的账，就是高配的台式机确实功耗高，常年开机费电啊，笔记本呢，一直插着电跑，对电池也不好。但是如果你只是刚开始尝试，没必要为了省这点电费去买几千块钱的新电脑或者上万块的 啊。第三个，最适合新手的养虾方案其实是租服务器，我一直建议小白先花六十块钱租一个云服务器一个月，这样你的龙虾就有一个二十四小时在线的这个房子了啊，不仅省电安全，还不用担心自己那个电脑死机断网以及数据安全的问题。

运行 openclock 到底需不需要使用 mac mini 主机？今天我用吃灰了大半年的 mini m 四的十六 gb 盖板进行了测试。 操作系统我已经升级到了二十六点三最新版，可以看到在刚刚登录系统且未运行任何其他软件的情况下，系统内存就已经被占用了大约十 gb， 这意味着留给大模型的运行空间仅有区区六 gb 资源，非常紧张。 大模型的运行软件我依旧使用了喜闻乐见的羊驼欧拉玛模型，使用的是千问三点五的九币和四币两个参数版本，可以比较好的适配目前的硬件资源。为了了解 mac mini 对 新版千问模型的支持情况，我运行了两个模型的性能对比测试。首先测试的是九币模型， 运行速度是十三 token 每秒，而四 b 模型的运行速度则是大约十九 token 每秒，区别并不大，不过应该可以满足基本的对话需求。下面开始测试。 openclaw 是 全新安装的 macos 版本，版本号是二零二六年三月二日。 在后台把模型设置为千问三点五的九币模型之后，我开始了第一次对话。首先要求龙虾机器人上网搜索今天全球最新的股市新闻。由于是全新安装的环境在思考，大约等待五分钟后，对话框提示需要配置 web search 的 api。 我 按照提示信息将提前准备好的 api key 输入了对话框，并要求他帮我写入后台配置文件。又是长达数分钟的等待， 机器人回复 a p i 的 配置信息已经更新好了，需要重启网关，但是很不幸，网关在重启时提示失败，提示无效的配置文件。很显然，由于模型的能力问题，配置文件的设置有误。好在新版龙虾提供了一个修复命令，我在运行后，网关终于再次成功启动了， 于是我要求龙虾机器人继续帮我搜集全球股市信息。对话框随即陷入了长时间的等待。期间我还关注到 mac mini 的 cpu 温度已经上升到了七十多度，说明后台在进行非常忙碌的数据计算。 不过好在大约十五分钟后，机器人给出了答案，虽然信息很简略，但是非常有条理，并没有明显错误。 于是我再次提出了下一个问题，要求机器人对中国 a 股进行点评分析。不幸的是，在长时间的等待后，页面弹出大模型无响应的错误， 说明后台硬件资源已经完全耗尽，于是我尝试将模型改为了四 b 的 版本，降低资源消耗。但是在我继续等待一段时间后，模型超时的错误再次出现，于是我只能彻底放弃下一步的其他测试。至此，经过我大约三个小时的深度测试，基本可以确认 使用盖板。 mac mini 运行龙虾机器人毫无必要，其有限的硬件性能无法满足基本的对话要求，特别是在单个对话动辄就有可能调用几十万 token 的 情况下。所以推荐的正确做法是选择旧版本更廉价的 mac mini 主机，比如 mac mini m 二， 或是我已经闲置吃灰很久的软路，由主机再配合外部大模型一起工作，才是迷你小主机的正确龙虾使用方法。如果你也有类似的使用经验，欢迎在评论区分享您的心得。

最近互联网养龙虾真的是杀疯了，刷十个视频，八个都在养，还有好多小伙伴私信我说刚入手一头雾水，不知道该怎么养，该怎么选，该怎么用，甚至踩了一堆坑。今天咱们就把所有问题一次性说透，从选择到变现，从避坑到省钱，新手看完之后可以直接上手，不花冤枉钱，也不用做无用功。 咱们先回应五个最火的问题，再补充你们比较关心的一些隐藏的疑问，全程干货，记得点赞收藏，避免刷着刷着找不着了。第一个问题，龙虾该怎么选？ 这是避坑的第一点。现在市面上各大厂都出了在线安装，一键安装，我实测下来，真心劝大家一定要装原生版的龙虾，那些所谓的什么什么可乐 仿生版龙虾，基本上都是阉割版的，上手感觉跟高版本的扣子没什么太大的区别，功能其实砍了 一大半，大部分是只能处理蚊子型的工作，离真正的原生龙虾真正的感受下来，可以说是差了十万八千里。所以说，新手如果选择要装，最好是装原生版的龙虾，只在装直接装在自己的电脑上。第二个问题，龙虾究竟能干什么？真有那么神吗？ 这么说吧，他是真的神，但又不是万能的，他最牛的地方就是能替代你所有重复性、逻辑性的工作，原则上电脑上能干的活，他基本上全都能扛下来。 写文案，剪视频，做表格，整理邮件，生成周报，甚至帮电商卖家二十四小时做客服，监控库存，帮设计师出出稿啊，晒素材，不用你熬夜加班，他二十四小时不停的在工作，那就包括现在他还在我后面这台电脑上一直在工作，就是妥妥的是一个全能的小助理。 而且他能接入微信，接入飞出这些常用的工具啊，不用额外装新的 app， 你 就可以在电脑端直接控制它。 第三个问题，为什么你装的龙虾不好使，跟别人的不一样？嗯，很多人装完之后就犯愁，说他啥也不会啊，其实不是龙虾不行，是你没装，找对方法。 龙虾不是装上之后他就是超人，他需要学习，需要被教育，就像养宠物一样，就像初代的贾维斯一样， 越养他越能干，你不能上来就跟他说，你帮我干活，你帮我去赚五百块。你这个要求太笼统，他听不懂啊，你要具体的告诉他啊，比如说帮我写一篇抖音的口播文案，主题是龙虾壁坑，语气要口语化一分钟左右 啊，指令越具体他越好用，慢慢教他就会越来越贴合你的要求，甚至能记住你的做事风格。 第四个问题，普通人用龙虾变现最快的途径是什么？作为一个做自媒体的来说，我的感受就是变现最快的途径就是做自媒体啊，写公众号图文， 写短视频脚本，做网站，出项目方案，这些活龙虾全都能帮你高效的去完成。原来一个人一天可能只能最多写十篇文案，但是现在有龙虾的帮助， 基本上五十天是打底，你的收入自然而然他就会涨啊。第五个问题，消耗 talk， 也就是算力贵不贵，普通人能不能承担的起？这个是完全可以，别被算力 talk 这些词吓住。普通人买一个 mini max 的 四十九元包月的套餐完全够用 啊。我测试是第一天就靠龙虾帮我写公众号，把四十九块钱的费用就完全已经覆盖掉了啊。更省的方法是，你日常做轻任务可以用免费的模型，用中度任务的话就用 mini max 的 模型啊，重度任务你再换高端的一些模型啊，普通人基本上用不到啊，你像那个 cloud 的 模型， 一次任务执行下来就大几百块甚至上千块。第六个问题，教育龙虾有什么技巧，怎么让他更听话啊？这是很多人关注的一个问题。技巧其实很简单，你就记住两点，一个是指定要具体，第二一个是要定期的清理记忆， 别跟他说笼统的一些话，一定要越具体越好啊。另外是要定期清理他的过期记忆啊，别堆太多没用的内容，这样他响应会更快更精准，还能节省你的 talking， 长期用下来，他就会越来越懂你， 干活也就会越来越高效啊。说一个小要点，就是跟他对话尽量要使用长句，这样会比较节省 tokin 啊，不然你的 tokin 就 会消耗的特别快。第七一个问题，那就是有些人问的，龙虾能帮我剪视频做海报吗？ 啊，这个是必须能，你只需要告诉他你常用的风格是什么样的，做什么类型的海报，你的做海报的逻辑是什么，他就能替代你做这些重复性的工作 啊，包括帮你剪视频，修图，做 ppt， 写代码，帮你查看所有的最便宜的机票啊，帮你盯一些所外所谓的啊曲线图都完全可以。 最后再总结一句话就是养龙虾一定要选对版本啊，我建议大家用原生版啊，教对方法，用对套餐，它就是你最省力赚大钱的一个机器。

部署 open cloud 需要什么设备啊？我个人只推荐苹果电脑，因为这个龙虾它本来就不稳定，就需要一个稳定的设备抬它一手。我本来呢是推荐 mac mini 的， 价格便宜，散热好， 更适合二十四小时开机。但是现在的新款 mac mini 价格被养龙虾的炒起来了。我个人现在用的是我们公司闲置的这个老款，五年前的 m e 芯片，只有八 g 的 这个内存，用起来执行轻度任务也没什么问题。如果有闲置的苹果笔记本也可以直接用，但是呢，要注意散热问题， 具体用什么型号的话看个人财力吧，只要能保证是苹果电脑 m 芯片，内存的话八 g 就 可以，硬盘二五六的盖板就可以。

openclore 很 强，但我劝你真别跟风装了，甚至可以说百分之九十九点九九的人都犯不着去折腾 openclore。 当然尝鲜学习是没错的，如果看完视频大家还想试试，我们也在后面给了大家一些实用的建议。首先毫不夸张的说， openclore 是 今年目前为止最火的 ai 产品， 只要把它装在电脑上或者部署到云端，咱在聊天软件里动动嘴皮子，这个 ai 助手就能帮你完成任务。当然，前提是大大小小权限都给到位了。 又因为 colo 这个单词有小龙虾钳子的意思，所以 open colo 又被大火们戏称为小龙虾，网上各种服务也满天飞，只要花上上百元，就能找人来帮你装上最新最前沿、最炫酷的 open colo， 成为一个云上养虾人。光是上门小龙虾安装一次收费五百元，已经有人号称几天赚到了二十多万， 甚至腾讯直接在深圳搞了个线下活动，免费帮你装机龙虾直接火到超出了小马哥的想象，属于是一代人有一代人的鸡蛋要领了。 这一切看起来是个蛮不错的生意，但是我还是想说，求求各位，别再花那个冤枉钱找人代装 openclaw 了。说句大实话，如果你连 openclaw 怎么安装都搞不明白，那花钱找人代装纯属是赶着当韭菜。 当然，咱们不是要否定 openclaw 这个项目本身，相反，我觉得它很棒，甚至可以说它是今年最让我激动的开源项目之一。但是如果你想着装了龙虾就能立马帮你干活，那你只是在给自己挖坑埋雷。 有没有一种可能，你装不上 openclo， 那 是 openclo 在 保护你。首先，这玩意儿和过去那些 steam 袋装花钱装系统这些传统派的付费安装服务完全不一样， 安装成功还只是万里长征刚开始的第一步，后面的使用门槛其实高得离谱。刚装好的 openclo 就是 一个纯纯的白板程序，在它的预设内容里，只有一个名叫 sod 的 md 的 文件是完整的。这个文件只限定了最底层的底线，叫它温和友善，别干坏事。除此之外，它什么都不知道， 他不知道正在对话的用户是谁，不知道你有什么习惯，他甚至不知道自己是谁。这就导致你在指挥他的时候，就像在带一个连 excel 都没打开过的职场纯萌新。比如，我喜欢熬夜，凌晨三点我给他下指令， 今天上午十点提醒我一下，结果你猜怎么着？他直接把我把日程安排到了明天上午的十点。就为了这么一个破事，我得专门教他理解时间格式，教他去判断用户五进里的今天到底对应什么时间戳。他的出版输出几乎全是浆糊。你必须强迫自己拥有极强的逻辑性，把自己当成幼教去一轮一轮的引导宝宝才行。 想要一个张嘴就会给你递扳手的赛博管家？做梦去吧哥们，在他学会递扳手之前，你得先教他什么是扳手。那你说我花点时间好好教，把他教好了总行了吧？不好意思，这龙虾根本教不熟，你给他下的指令可能随时都会被忘掉。 前几天 mad， 他的安全总监都翻了车。他本想让 open globe 帮忙整理一下邮箱，帮忙看看哪些邮件是可以删的，哪些邮件是自己要看的，还特别叮嘱让 open globe 只能先看看邮箱不能操作。 是没想到自己油箱里的邮件实在是太多了，直接触发了 openclaw 的 上下文压缩功能。结果这一压就出问题了，模型把上面那句只能看看不能操作给直接忘记了。 然后 openclaw 就 开始了原地发疯，删起了它的邮件，不管怎么喊停也停不下来。另外，这个龙虾生活的网络环境也是凶狠异常。大家都知道 openclaw 之所以好玩，是因为社区里有无数开发者写了各种各样的 skills 插件，你想让它干嘛？丢个链接让它自己装就行， 看起来很爽很简单是吧？咱再也不用从头教 ai 怎么解压压缩包了。但问题是，你装进去的这些 skills 真的 安全吗？网络安全公司 corei security 研究了一下，结果发现在龙虾应用市场里，超过百分之十的 skills 都有问题，可以说是一不留神，可能你电脑里的隐私信息就会被 open clock 给陷入个底朝天。 我之前让自家的小龙虾去论坛上冲个浪，结果随便一刷就撞到了，一夜暴富了呀！ 并且现在的 openclo 根本不是什么成熟的消费级软件，它就是一个充满 bug 和安全漏洞的实验品，整个项目里的 bug 和安全漏洞多到数都数不过来，随手一搜就能搜到一大堆，甚至连官方都发布了 openclo 的 安全风险提示。 总而言之，只要你的小龙虾跑起来了，那可以说是不管是系统 bug 还是提示攻击？或者是小龙虾自己发疯，它都有无数种姿势，能把你电脑里的隐私给扒的一干二净，而且它发疯花的还是你的钱。 openclo 可不是装完就能免费白嫖的东西。 吃龙虾，每一次他帮你干活、思考甚至只是挂后台监听你的指令，都会疯狂的燃烧你的钱包。腾讯那边的免费安装欧盟活动，前脚刚办完，就有人发帖说自己免费的额度已经给用完了，一天不到就倒欠了十几块钱。海外甚至还有网友睡了一觉，发现自己刚充了二十美元，就被这小龙虾给霍霍光了。 小龙虾把这笔钱拿去干啥了呢？拿去每隔半个小时叫自己起床一次，然后思考一下我是谁，我在哪，我要干什么这些低级的问题，每问一次消耗十二万头啃，差不多就是五块人民币。所以在这个荒诞的循环里，真正赚到钱的大概率，根本不是拿着 open call 准备大干一场的。 你是那些在淘金热里卖水和卖铲子的人，甚至可以说，这场淘金热里最大的铲子厂，就是那几家卖大模型的 api 巨头。 说实话，很多人想冲 openclaw 的 需求，也并不是真的有啥大项目偏要爱来帮忙，而是属于一种典型的错失恐惧症，也就是大家最近经常刷到的 fomo。 但化解这种赛博焦虑的解药，往往很朴素。正如冬泳怪哥说的那样，消除恐惧最好的办法就是去面对恐惧。放在 openclaw 这件事上也是完全一样。你对这个东西感兴趣，觉得它会改变未来，但应该做的绝不是赶紧掏钱找黄牛代劳，假装自己已经上车了。既然你认为它代表着未来的方向， 干脆就花个周末的时间亲自探索一下他的能力还有边界。哪怕你是个完全没超过代码的小白，哪怕你需要把终端里报的每一行错都复制到搜索引擎里去找答案，哪怕被卡在某一个环境配置上整整折磨了一个下午，这个跌跌撞撞去驯服这个小龙虾的过程才是最有价值的东西。 最后，如果你看到这大伙还是想试试 openclo， 我 们也给大家一些使用 openclo 的 安全小建议。最简单的一个就是信息隔离。为了保障自己的信息安全，我强烈不建议你一开始就把这玩意儿要装到自己的主力电脑上。不过 openclo 几乎不吃硬件资源， 你家里吃亏的 n 年老电脑都能跑 openclo。 所以， 如果你既不想泄露隐私，也不想花钱买云服务器的话，可以用家里的老电脑先试试。 其次就是在装陌生的 skills 之前最好做下安全审核，可以先装个 skill vader 来做个安全审查，这就相当于给你的 open globe 装了个火龙杀毒。 最后，建议大家装完 open globe 后，可以在服务器里再装个 cloud code 或者 codex kimi code 的 这些软件。用 open globe 的 时候，遇到问题先问问他们，绝必比自己捣鼓要方便得多。

苹果的入门级产品，首发原价拉完了，相同价格啊，隔壁都能买中高端了。降价叠加教育优惠后， npc 不 过是扣除了苹果溢价回归产品本身的价格罢了，最后再叠加国补夯爆了。什么？苹果居然也有性价比产品？没错，我说的就是 mac mini， 在 养小龙虾的浪潮下，还真给它卖爆了。而刚刚推出的 macbook neo 啊，它还在 这里。作为一个定位比 l 更入门的产品啊， macbook neo 用上了还不如显示器芯片的 a 十八手机处理器，就这还砍了一颗 gpu， 又因为用上了能耗比更好的手机芯片啊，那又得给 neo 的 电池容量砍上一刀，让它的续航刚好卡在低于 l 的 十六个小时。 虽然电池和屏幕都变小了，但整体重量却又刚刚好比 l 重了不到五克。刀法这一块儿，等级森严这一块儿，哇哦， 但即便如此啊，我认为 nio 只要能到两千多的价位，一样能够符合这个循环。八 g 内存够不够用？ a 十八性能够不够用？还有什么 usb 二点零没有背光键盘什么的，这些主包怎么都不提？我只能说啊，如果你在意这些问题，那你大概率就不是 nio 的 受众。 或许有些朋友知道啊，笔记本里有个品类叫做 chromebook， 这些都是搭载了 chromos， 且大部分都是八加二五六的低配上网本。但它却在整个二零二五年啊，出货接近两千万台，其中一千七百万都流入了教育市场。所以 macbook neo 大 概率是盯上了这块蛋糕，毕竟在三千块左右的价位里，比 neo 机身质感更好的 屏幕没它好，屏幕比 neo 更好的续航又不如它。除了教育市场，现在 leo bincloud 的 ai 智能体一样都是个不错的龙虾启动器，还多了便携属性。 毕竟接入 a p i 后啊，任务的推理、计算、调用各种模型呢，全都发生在云端的服务器上。作为一个收发信息的终端，八 g b 内存的 new 完全够用。 同理，一些简单的文档处理、浏览网页、在线编辑、看视频听音乐也完全够用。对于学生经常出差的内容创作者，或者甚至分不清内存和外存，就是想要一台够用但不廉价的轻薄本的人来说， macbook neo 确实是一个不错的可选项。

二零二六年最火的 ai 工具是什么？是 open core， 一个二十四小时能帮大家干活的智能体。今天呢，迪姐就用最简单的方式和大家分享一下如何养一只属于自己的龙虾，让他成为我们的 ai 专属数字员工，从部署到训练到具体的场景应用， 全程干货，建议码住收藏不迷路哦。第一部分是我们使用前的准备，首先呢，开始养虾之前，我们需要准备三样东西，第一个呢是运行环境， 一台普通的电脑就可以了， windows， mac， linux 都可以，或者是租一台云服务器，但也非常建议大家可以用自己平常闲置的电脑去进行一些运行，因为还涉及到一些数据权限的问题。那第二个呢，就是 ai 模型的 api key， 这个是龙虾的大脑，新手比较推荐国内的模型，比如说像 mini max， kimi， 智普 ai， 免费额度多，而且访问速度也会比较的快，如果大家预算充足呢，也可以用 cloud 或者是 gpt， 能力会更强一些。 第三个就是打通的通信渠道，就是大家平时用的聊天工具，像 facebook 啊， telegram， discord 都可以，这个可以用来给龙虾去下具体的指令。准备好这三样，我们就可以准备开始了。 第二部分是三种的部署方案，大家可以根据自己的这个过去的呃，这个技术的一些基础和目前自身的一些需求去进行选择。 那第一种方式呢？是桌面一键安装最适合小白上手的客户端，呃，去进行网页的交互式的这个安装， 然后填入 api key， 绑定飞书或者是 telegram， 五分钟就可以搞定，而且零成本，然后上手都是交互型的界面，复杂度极低。那第二种方案就是云端的托管服务，这个呢是最省心的，比如说像 kimi claw 或者是 max claw， 直接在网页上点击部署，按月订阅，大概是呃一百九十九一个月不用管服务器， 七成二十四小时在线。那第三种方案呢，就是云服务部署，它是呃最灵活的一种方式，比较适合开发者和企业用户。租一台云服务器，然后用 docker 一 键启动 opencloud， 完全是自主控制的，数据的私密性高，成本大概是每个月两美刀起， 新手呢就建议从方案一开始熟悉之后再慢慢的去升级。那第三部分就是核心的配置了，部署呢是完成了第一步，接下来的配置是关键，这步决定了我们的龙虾员工是不是好用。第一步是身份录入，那这个是养的核心，我们需要通过对话去告诉龙虾，你是谁啊？你的身份是什么？你需要什么？ 比如说我们会跟他讲，我是自媒体的内容创作者，日常需要你帮我整理资料，拷写出稿，管理日程，我习惯简洁直接回复，每一天上午九点向我汇报代办事项。以上内容请永远记住，这样龙虾就会有永久的记忆，越用就会越懂你，越知道你的诉求。 那第二步就是安装一些 skill 技能，就是龙虾的手脚决定它能干什么。那新手建议四个必备的安装技能。第一个呢就是 capability involver， 这个能让龙虾自己进行优化，越用越聪明。第二个就是 agent browser， 它能够操作浏览器，自动查信息，填表格。 第三个就是 summarize， 快 速总结 pdf 网页长文档。第四个就是 find skill， 需要新功能时让它自己去找， 在 clawhub 市场搜索这些技能的名字，一键安装就可以。第三步就是对接工作渠道，把龙虾接入到我们的飞书或者是 telegram。 以飞书为例，直接在飞书的开放平台创建企业自建应用， 开启机器人的权限，获取 app id 或者是 secret， 填入 open claw 配置页，就能够在飞书当中直接艾特你的小龙虾了。第四部分就是具体的使用场景示意， 配置完成之后呢，我们就可以像指挥员工一样去下达自然的语言指令了。第一个场景呢，就是办公的自动化，把我的邮箱里所有来自客户的未读邮件摘要整理成表格发到非书群里。第二个场景，信息处理 监控 abc 三个竞品和官网的社交媒体，每天下午五点给我一份动态摘要。第三个场景就是内容创作，根据我昨天整理的会议纪要，生成一份公众号推文的大纲，要求风格活泼。第四个场景就是定时任务了， 每周一早九点提醒我更新项目的周报。这些重复性的任务我们都可以交给龙虾，我们只需要专注创造性的工作。当然我们也需要注意一些事情，就是安全哈，务必设置以操作权限的白名单，避免执行一些特别危险的指令。就是还所以还是推荐比较用 docker 的 杀虾模式去去运行。 第二个就是控一下成本，其实因为如果按照 token 去计费的话，这个消耗还是挺大的，呃，或者是呃建议大家可以选择 maxclaw 这种固定式的订阅服务，也可以节省一些成本。第三个就是从简单开始，就是一次性，我们不需要装太多，从一个核心的需求，比如说像整理文件啊，然后 去解决一个子场景的一个小问题，一步一步去构建自己的这套体系。好啦，这就是二零二零年 openclaw 的 完整使用指南。 养虾呢，其实是一个持续部署和调优的过程，那后续迪姐也会在频道当中持续去更新 opencloud 安装部署，具体的呃使用场景等等相关的内容。如果大家感兴趣可以关注订阅迪姐的频道，我们就下一期视频，再见！拜拜！

龙虾机器人就是因为干活漂亮或者是科技平权才出圈的吗？那你就大错特错了，现在所有的投资人都快要疯掉了，疯狂的追逐跟龙虾机器人相关的这种产品。为什么呀？因为它才有可能是真正的 ai 时代的原声操作系统啊， 好多人根本没有 get 到这一点。到底龙虾机器人对整个科技圈来说有多大的震撼？我们之前用手机的时候，是不是用的安卓或者苹果系统啊？我们通过每一个具体的 app， 然后输入指令，它就能给你输出相应的结果。在大模型时代，人们既希望于什么？ 人们既希望于大模型，你够聪明，然后我就可以直接用大模型的思考，直接把我带到具体的 app 里边去。 大模型执行一个什么功能啊？大模型实际上执行着是一个操作系统的活啊，是不是他要负责分发，他要负责决定，他要负责去哪里， 甚至他还要负责输出结果？所以大模型是不是把所有的活都干了呀？在他干所有活的时候，大家发现他经常出现什么问题啊？一个是慢， 另是不精准，所以大家想了一个什么东西啊？叫工作流。什么工作流？刚开始的时候是提示词是吧？你提示一下，你要这么干，这么干，这么干，输上一大段文本，然后再问你问题，后来怎么着？干脆我给你做各种约束，你先干这个，然后你这个大模型再干这个，然后你大模型再干那个， 最后转来转去，转到 app 的 接口，到达最后执行等。大家觉得这个过程复杂吗？不仅复杂，还有三个不可避免的诟病。第一个诟病什么？就是错。这中间的任何一个工作流， 因为你入口的时候输入的语音也好，文字也好，稍微有点理解错误，你就大错特错了，错了之后他还不改啊，你就往那走，你就往那走，你就往那走，最后把你指到悬崖边上去， 哭笑不得。还有什么东西他不想错？那就多问你一嘴呗，老板做的对吗？我这样可以吗？好，反复反复的确认，最后完了之后把你整烦了，说这是人工智能吗？这是人工智障。然后还有什么问题？失忆的问题啊， 就是你今天问他的问题，明天他记不住了。这个问题通过模型的记录的长文本，慢慢上下文越来越长了， 记得越来越好了。但是你要是让他记住你这一个完整人的画像，还是稍微有点困难啊。所以他经常出现失忆，做些匪夷所思的不符合你要求的事情。这一系列事情导致整个大模型的干复杂活的能力现在是不得到认可的。大部分人我们现在 用 ai 干嘛呀？就是用 ai 跟它对对话，然后把对话来的内容拼凑起来，让我们人把它顺起来。为什么呀？因为这个就是前 ai 时代，整个大模型没有把它的潜力发挥出来。龙虾机器人真正带来的创新是什么？ 真正让大家感受大模型魅力的地方在哪呢？它真正的让 agent 走进现实啊，就是让生成，让大的 复杂的任务也能够进行执行，让智能体这个概念真正给凸显出来了呀，他通过什么呀？首先第一个事情，我们说他老错的一个核心的原因在哪啊？老错的核心原因在于他要做太多的事情了呀， 如果我们把他的事情提前给归属好了，是否他就有更多的可能性呢？所以我们需要一个什么呀？互联网时代都知道需要一个中台给他分发呀。 所以龙虾机器人第一个事情是什么东西啊？他是做了一个控制分发程序的活呀，他作为一个主管理员，然后完了之后把活再慢慢分出去，他可能有各个角色，有各个分身在负责不一样的什么叫 skill 是 吧？ 这些技能有些是负责画图的，有些负责设计的，有些是负责给你生成 ppt， 生成文档，或者甚至是给你发布社交媒体的。这一系列的这些能力就导致大模型的功能实际上是不是被分散了， 他只需要去找具体的能力圈的事情做就好了。所以当一个任务真正来的时候，先对任务进行拆解，拆解完了之后，你就可以用不同的 skill 去完成你对应的任务了。 而这个过程中调用的模型，你可以是调用 gbt， 你 也可以调用 kimi， 也可以调用 kimi。 模型在这个时候就充当了一个底座式的功能了。 慢慢的模型是不是就从一个大家长什么都干的这么一个活变成了是不是一个公用的设施变成一个基础设施了？所以大家慢慢会发现现在操作系统成谁的活了？操作系统现在是更像是龙虾的活了， 龙虾在充当着一个相当于安卓和苹果的操作系统的活。而所谓的大模型有一部分能力和像 gpu 一 样被统称为什么东西叫算力里边了？ 之前我们认为算力和模型是两个事情，但是通过最近的我们国家的各种表述也好，大家听没听过说建设算力网，很多人是不理解的，算力网如何能像电力一样工作呢？ 算力和电力听起来是一个是硬件，一个是硬件加软件的，但是在现实的生活中，大家通过龙虾的这个区分，看起来是不是这个事情变得合理了？ 在这种架构下，剩下也有很多事情就开始迎刃而解了呀。之前混杂在一起的时候，我们始终没法分清的什么模型应该给你说出什么东西，不应该给你说出什么东西，现在看起来应该与不应该的这些规则和权限的问题， 大家现在很还是够病是吧？给龙虾开的权限比较多，然后完了之后他就造成不可控的影响，但是不给他开权限他就比较傻。这个事情应该是模型定还是龙虾定？ 是应该基础设施定还是应该操作系统定啊？当把这一层隔绝出来，他现在所谓这个缺点， 正有可能正是龙虾的优点，有可能他更容易被规范。而之前大家说的偷啃用的比较多，消耗时间比较长的问题，也恰恰是他在不停的反复。他不要去你确认了， 如果你给他一些确定的身份，他有些时候不需要你确认，去追寻一个自己去找正确过程的道路呀。 这个过程会不会随着 skill 和龙虾之间的配合越来越好，越来越精准，然后我们具体的 skills 做的内容越来越流畅，这些问题会迎刃而解啊， 那现在它看起来是不是更像一个完整的生态了？所以龙虾的出现根本是让大家 真正的有机会去领略 ar 带来的智能体的魅力啊，而这个智能体的初步的形态有可能已经慢慢形成了，所以所有投投资人全球在搜罗有没有其他的龙虾，有没有其他的品种变种也行啊， 这就是龙虾真正带来的魅力啊，未来大家知道他会变成什么样子吗？龙虾会变成像我们现在安卓和苹果的操作系统一样，你见到了开源的龙虾，你就会见到碧源的龙虾， 你见到现在有各种做图的 skills， 明天就有各种网购的 skill。 随着这个 ai 原生生态能干的活越来越多，大家是不是把精力会越来越多，从手机慢慢转向 ai 的 原生生态啊？就像当年我们从电脑慢慢的转向手机一样啊， 我们的输入设备也慢慢从手机这些啊，以敲键盘，以触摸的方式为进行的这种终端慢慢转变成比如说语音啊，眼镜类似这些方式去执行啊， 这是不是带来的是整个软硬件生态的整个的更新啊，而这个更新的起点可能就是这只小龙虾，所以整个社会能脱节了。 我始终认为这是形态的初步产生，但是未来是不是他的为主载倒不一定啊，未来主要的设备是什么呢？是眼镜？是是手表？是 车机还是什么东西啊？有没有可能也是云或者其他这种形式呢？一切的整个社会都已经在慢慢发生变化了， 当然大家也不用过分焦虑啊，现在我一只龙虾还没养呢，不要紧，明天是章鱼啊，龙虾螃蟹还是什么别的东西我们现在完全不知道，但是可以确定的一点，因为他的搅动，现在整个跟 ai 相关的软件、硬件以及整个生态都已经在发生变化了， 我这里就不跟大家详细展开了，我怕大家又看不见，大家可以在评论区讨论一下，脑洞大开，谢谢大家关注。早点休息，拜拜。

最近啊，这个开源项目 openclaw 爆火啊，大家都在争着养龙虾啊，这个时候呢，就有人跳出来了说，哎，你看这个 ai 技术好像还是国外的厉害啊，但是你先别急，你知道吗，这次爆火的 openclaw 背后， 其实啊，收益最大的是咱们中国的 ai 大 模型公司，因为啊，这是 openclaw 简单粗暴的运行机制导致的。这个地方给大家简单解释一下， openclaw 呢，其实就相当于是 ai 的 手脚， 让 ai 呢，除了思考之外的话，还能够在本地电脑上去执行一些任务，但是这个 open cloud 它只有手，所以还需要额外的一个大脑，那么这个大脑呢，可以选择任何其他的人工智能，比如说你可以选择美国的人工智能 chat 的 gpt， 你也可以选择像咱们国内的人工智能，像豆包啊， mini max 等等。这个啊，用户都是可以自己选择的，但是结果你知道吗？现在全世界的用户选择最多的是哪个吗？不是美国的人工智能啊，而是咱们国内的啊，河南小伙严俊杰所做的这个 mini max， 为什么全球的龙虾用户都在用咱们中国的这个 ai 作为大脑呢？很简单啊，就是两个字啊，便宜。 opencloud 的 运行机制呢，其实很简单啊，其实跟咱们国内之前爆火过一段时间的这个豆包 ai 手机差不多啊，都是分析之后设计方案，然后再执行，然后再检查结果再分析啊，就这么往复地来完成这些任务， 所以 opencloud 对 于算力的消耗是非常非常恐怖的啊，那么在这样一个情况之下，咱们国内的算力成本低，而且呢，针对 agent 有 特殊优化的 mini max 一 一下啊，就脱颖而出了，做一个相同的任务啊，你用 mini max 相比你用美国的 chad gpt 能便宜一百倍。而且呢，因为 openclaw 呢，能够对结果进行反复的检查和校验，所以在最终的结果上其实都大差不差。 也就是说啊， openclaw 需要反复调用 ai 大 脑来校验结果的时候， mini max 用高性价比的算力实现了相同的一个效果。所以你想想你会用哪个呀？从这个角度来看的话，那省下来的那就是真金白银了呀。 二零二五年， minimax 的 海外收入占比达到了百分之七十三，而根据 openroot 平台的一个公开的一个调用量的一个数据，现在 minimax 已经冲进了全球的前五名。哎，你看，这就是路线的差距了。 美国人一直在强调大算力大模型，而我们之前因为算力的限制，所以咱们不得不追求高效率，而现在这么看，咱这一步啊，还真就走对了。 所以啊， mini max 破局点就是用速度让算力走出了这个成本陷阱。从二零二二年成立啊，到二零二六年港股上市， mini max 已经创下了全球 ai 企业上市的记录，而且呢，这家公司能有现在的一个速度，其背后呢，也是中国速度的一个加持。 所以啊，这场龙虾的狂欢，其实啊，是揭开了 ai 竞赛的一个新规则，当技术民主化的浪潮来了之后，中国企业高性价比加速迭代的组合拳，正在把那些美国的硅谷巨头们拖进一个他们最不适应的战场，那就是性价比之战。 而卷性价比，好像没人是我们的对手吧？你们同意吗？别忘了点点关注啊！文案内容了，来自我们公司自研的科研 asv 体，科研 asv 体打造有价值的自媒体。

在欧奔 klo 火了之后的几天时间里，突然间就冒出了很多的变种 klo， 什么 nano klo， nano bot， piccolo klo， 甚至还有可以部署在 esp 三二上的咪咪 klo。 呃，捅了猴子窝了。那在这些变种龙虾的宣传页面上，要么就写着它们的代码有多么的精简， 要么就写着它们占用内存有多低，只需要极其廉价的 cpu 就 能跑起来，那这对我这个硬件工程师来说就很有吸引力了，我可以在我之前做的这些电路板上来养龙虾。 不过面对这么多的龙虾，我的选择困难症又犯了，那这些龙虾到底有什么区别？像 zero klo 和 piccolo klo 看上去大差不差的，那应该怎么选择呢？另外的话，像咪咪 klo 这种能运行在 esp 三二上的龙虾，它真的好用吗？ 硬件工程师又应该去养哪一只龙虾呢？那今天的视频我们就一起来探讨一下这些问题。首先是欧奔卡洛，那比起其他的龙虾来说，就是大鳌权 github 上面的新标也是最多的，那部署的条件的话，基本上就只有一个内存足够大，按照我的经验就是大于四个 g， 所以 除了常规的电脑，像是树莓派五啊，地瓜的 r d k 叉五开发版啊，以及说大部分的乡城派开发版都是能够部署的。 然后呢，它有一个很大的问题，就是代码量比较多，有七十万行，所以呢，就有了 nano bot 这个项目，那它是基于 open core 修改而来的，目标就是追求极致的代码只有四千行。这样的好处就是一个差不多水平的软件工程师就能够读完所有的代码， 那在你读懂它之后呢，就可以基于它来构建出自己的龙虾。所以 nano bot 就 有点像是一个学习项目。那从功能上说，虽然说做了精简，但是总体还是能用的，简单的聊天、整理文件、调用 skills 都是可以的。那比起 open class， 它缺失的是一些高级的功能， 比如说没有向量化的长记忆功能，那这就导致了一段时间之后，它很有可能就忘记了前面的聊天。那另外的话呢，它也没有插件系统， 所有的功能不能通过第三方做扩展，只能说等官方来实现。那总体来说，我并不是很建议没有代码能力的新手去使用 nano bot， 它的文档也比较少，只有一个 readme。 那 不过如果你有能力去看懂 nano bot 的 代码，那基本上也就不需要接受我的建议了。 接下去是 nano cloud， 那 虽然名字里有一个 cloud， 但是它的功能和其他的龙虾其实是不太一样的，只是说借用了一个名字而已。它是基于 cloud agent sdk 开发的，简单理解就是一个对 cloud code 的 分装，所以本质上算是 cloud code 的 兄弟。那虽然代码量极少，但是它的内存占用并不低， cloud 的 cost 占用多少，它就至少要占用多少，所以它其实并不归属于龙虾的范畴。那 pico cloud 的 话是国内的一家开源硬件公司希素科技开发的，那他们家的主营业务就是卖 linux 以及 esp 三二开发板。 做 pico cloud 的 意图就很明显了，就是在低内存、低成本的 linux 开发板上养虾。所以说 pico cloud 的 核心目标就是省内存。那 pico cloud 是 基于 nano bot 修改而来的， 原本的话， nano bot 是 基于派送开发的，所以即便是做了精简，内存的占用率还是要到一百兆以上。那为了节约内存， pico cloud 的 开发团队就让 ai 把 nano bot 用 go 语言进行了实现，那因为是翻译语言，所以内存占用率一下子就降到了十兆以内。 那从能力上说，一开始的时候 pico 可乐和 nano boot 几乎是重叠的，不过随着时间的推移，慢慢的就分道扬镳了。那衍生出了一些自己的功能，比如说为嵌入式系统定制了更多的功能，集成了 fnc 和 spi 的 控制。 所以如果你是想玩玩低成本的嵌入式部署， pico 可乐还是不错的，尤其适合像 k 二三零、 d iv 幺幺零六、 c v 六幺零这种内置一百二十八兆内存的芯片，性价比是非常高的。 那接下去来说一说 zero colo。 zero colo 是 一个非常值得一提的项目， nano bot 和 piccolo colo 可以 说是从 open colo 那 边继承而来的，所以它们基本上就是 open colo 的 经典版本。 而 zero colo 就 不一样了，目标非常的宏伟，极低的内存占用，覆盖几乎所有的硬件，同时呢，具备 open colo 几乎所有的功能，也就是说它是奔着和 open colo 平起平坐，甚至是说干掉 open colo 来的。 那目前的话，它也拥有插件系统，原生的向量记忆系统，支持浏览器方案，甚至有自己的技能商店，有 hux， 做自动化也没有问题，有成熟的文档以及华丽的 web 控制台，那这些都是 nanobot 和 pico 所没有的。而且呢，它的内存占用率极低，已经支持了部分的侵入式芯片部署， 不过美中不足的是暂时不支持 risk 五芯片，所以像 k 二三零 d s g 二零零二什么的就用不了了。总体来说呢， zero cloud 是 值得去探索一下的， 如果想要取代 opencloud 还是任重而道远，很多的功能也仅仅是做了一个开头，需要大量的时间投入去生化。那最后一个是咪咪 cloud， 那 这个的话是一个绑定在 esp 三号上的项目， 这个对介入式工程师来说还是非常的诱人的，受众的话理论上说要更广一些，但硬件开发的难度也更低。不过实际使用之后呢，发现有两个致命的问题，或者说也算是一个问题吧，就是说它所有的能力需要你自己提前写好， 比如说你想要去控制舵机的转动，那么就需要修改咪咪可乐的代码，那给它加上舵机控制的函数，把它固化成一个原子能力，那后续的话就可以通过聊天让咪咪可乐去调用这个能力了。 那简单的概括就是，咪咪可乐只是能调用你写好的 api， 而其他的可乐呢，是能够自己生成代码并且执行的， 所以想要玩转咪咪 colo， 就 需要你有一定的嵌入式开发能力。好，那以上就是今天视频的全部内容了，简单的总结一下， open colo 算是大鳄权，但是占用内存高，那 nano bot 的 话呢，主要用于代码的学习，那 pico colo 的 话呢，更适合嵌入式的部署。 cora 可乐的话呢，野心比较大，但是有待发展。米米可乐是部署在 esp 商号上，但是无法自编程，需要有开发的能力。好，那以上就是今天视频的全部内容了，如果你对这方面有帮助啊，别忘了关注和三点，我们下期再见，拜拜。

大家好，在你装完 openclip 之后啊，第一件事要做的事情就是去选择一个模型，那模型作为 openclip 的 大脑，它起到一个非常关键的作用，那这么多模型，那他们之间有什么区别呢？ 那为什么你的模型只能识别文字，不能识别图片呢？那本期视频呢，就跟大家讲一下不同的模型之间能力的区别，以及怎么去配置模型。那对于一款模型来说，它的能力有接收信息，那信息类型啊，有可能是文字，也有可能是图片， 也可能是视频、音频或者其他就是你发的信息的内容可能包含这些类型。那么大模型在接收到你这些信息之后，他对你的信息进行回复，也有可能有这些类型，比如说他回复文字，给你回复图片，给你生成一张图片，或者说做出来一个视频， 或者说做出来一个音频音乐，那么也有可能是进行一个网页的搜索，你让他调用了搜索的工具进行一个网页的实时搜索， 那么这这两个东西就是一个输入和一个输出，那不同的模型之间的差异啊，就表现在接收和回复这个信息的内容区别上。那么 open core 官方呢， 截止目前也统计了一个模型的一个使用的一个排行榜，那么这个排行榜里面的模型的排名，不是说我们传统意义上那种模型的一个综合排名，它更多强调的是在 open core 里面的任务的完成的成功率和这一个排名，大家可以看一下， 就是平均的一个排名，就是比如说第一的是 gemini flash， 那 么第二的是 mini max 二，二点一，那么对于 mini max 它现在已经发布到二点五了，但是二点五的表现是在这个排行榜是比较差的， 这个也是非常奇怪的。那么前面还有这个 kimi 的 k 二点五，就这些模型在任务完成的成功率是比较高的，所以这也可以作为啊模型选择的一个参考。 接下来我们就来说一下不同模型在接收信息和返回信息之间的差异，大家可以去选择。就是你在完成任务的时候，为什么有些模型处理的不好，那比如说我们 dbisc， 那目前 v 三点二版本它只支持一个文本的输入和文本的输出，那么对于千万三点五 plus 来说，它能接收文本，也能发图片，它也能去理解这个图片是什么。比如说在我的这个 openclip 的 这个非书的聊天里面，我上传一张图片，那模型来识别一下图片中的文字， 如果你的配置的模型它不支持这种啊图片的识别，那么它出来的结果就是跟实际的结果是有很大的差异的， 那么可以看到它识别出来了这个图片里面的所有信息是完全非常准确的。那么在刚刚的演示里面，我们可以看到千万三点五 plus 它是有一个图片理解能，所以大家在用的时候一定要注意自己的业务的场景 啊，选择正确的模型。那么这里边除了图片理解呢，这边还有一个网页搜索，就是说它本身模型它本身支不支持这种搜索这种内容，因为对于模型来说，知识库它是有一个截止时间的，比如说你可能你 模型的训练数据可能只是截止到二零二五年，但是你现在搜索二零二六年的，那就有些模型他是具备这样的网页搜索能力，他就可以调用这种 实时搜索能力，那么有些是不支持的，那就要配置这样的 m c p， 官方也出了这样的工具，比如像豆包系列，二点零最新的模型也是一样支持文本和图片，那么他这边也是可以单独去开通网页搜索的能力啊。 那我们可以看一下，就是啊这几款国产的，比如说 mini max m 二点五、 m 系列和这个智普的五点零，他们这个图片的识别是需要单独去配置 mcp 的， 不然的话他是没办法去识别的。 那 timi k 二点五的话是原生就支持图片识别，那么国外的模型，比如说 colossal 四点六和 jpeg 五点四，还有 jimmy 的 三点一 pro， 那 么它们都支持图片识别，也支持这种啊网页的实时搜索，那算是这个综合能力算是比较好。那其他的比如说你要去让模型去申请个图片， 那基本上我们现在用到的这主流的这个啊主模型啊都不具备，那么你就可以去调用他们专门的图片模型。比如说像千万，他有专门的万象系列的生成图片的，那么都包括有纪梦相关的模型，那么像 jimmy 的 话，有专门的这个深图的模型也是可以的。就是这些 又需要去单独去配置，在你去生成图片的时候去告诉他去调用这个模型去做这个事情，那像这个火山，这个 cds， 二点零系列都是可以去生成视频的，那么这个就是一定要知道，就是一款模型，它不是万能的， 你可能需要不同的模型来配合去完成你的业务的场景，所以一定要一定要弄清楚你的业务场景里面涉及到了文本、图片、视频、音频， 就把这个东西先想明白了，再去找对应的模型配置好，就才能去把整个东西，整个东西串起来。选好模型之后，很多模型厂商都会有两种购买方式，一种叫做按 token 购买，就是 按用量购买，用多少啊你就付多少，这种方式是比较自由的，它是不受任何限制的。那么第二种就是按这种 coding plan， 就是 套餐的方式，那这种套餐是什么样子呢？一般是有 有限制，比如一个月能用多少次，然后一周能用多少次，然后五小时能用多少次，它是有一个这样的一个限制，会每隔五小时会刷新，每一周会刷新，然后总流量是不超过啊，每个月总流量那么像智普啊， mini max， 豆包，还有这个千万 都出了相关的这种啊这种代码的套餐啊，就是可以可以编码，又可以用在 openclo 里面，那每一个套餐这个量是不一样，大家一定要注意去看，它可能在官方的介绍里面会说啊多少多少次请求，但是要换成就是你的一次对话，就是你跟 openclo 对 话一次，可能要 调用很多这样的一个请求，那么这样的次数是没有他说那么多的。最后呢，就是我们选择好了模型之后啊，我们怎么去配置？第一种方法就是啊原声的就是它 openclo， 它本身你在配置的，你在安装的时候它是有模型的一个列表的，比如说你输入这个 openclo config menu， 那 么 到这一步的时候，你选择这个 model， 就是 你需要去配置这个模型这边的话就会选择很多啊，它本身的支持这个 pro i 的， 就是它本身已经内置了这这些模型的链接，那么你点进去之后，你就可以去输入你的 a p i t， 或者说输入你的这个认证授权的一个链接啊，那这能快速的去完成。那还有一，还有一些它可能是不在这里面的，比如说像千万千万的这个 codeplain， 还有一些其他的这种模型的配置啊，那么你就可以使用这种 cc switch， 那 这款软件，那这款软件呢？有一个单独的一个菜单，那么点进去之后你可以去进行配置，也是一个图形化的界面。那接下来就是这种比较繁琐的，就是去编辑这个这个 配置文件，那这个是 openclip 的 一个啊，总的一个配置文件，那这里面的话，你就要去修改这个 providers agents 里面的内容。一般是 如果你选择哪个模型厂商的话，它会提供这样的配置文件修改的，这个啊完整的字幕串，你直接去给它修改掉就行了。那么如果你自己改这个接线文件，因为这个接线文件非常大， 嗯，不太方便了，你可以借助这个 ai 编程工具，比如像 tree 啊，像 cos 啊去帮你去修改它，它这边是可以去给你修改，而且可以去给你修复可能修改出来的问题啊。 那除了这上面的方法之外，那就可以用它自己的这个外部端里面的设置里面找到这个 modus 的 节点啊，但是它这个说实话非常非常难用啊， 我觉得用上面的方法都比它这个官方这个界面用的会可能会更简单一点。那你如果配置完之后啊，最好是重启一下，那么你在页面上可以点去重启，或者说输入这个 open curl， get away restart 这些命令去重启，重启完之后，那么你就可以去使用新配的模型了。 ok， 那 本期视频到这，希望这个视频对你有所帮助。