鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

在闲鱼,他帮人抓住一只狂奔的“龙虾”

编程导航
编程导航
2026-03-15 12:30
阅读 277
编程导航
2026-03-15 12:30
阅读 277

文 | 人间像素

他以为卖的是上门安装龙虾,后来才发现真正的生意根本不在这里。

在全民 FOMO 的浪潮里,有人抓住了时代的痛脚”。

在如今的互联网语境里,一种新技术的爆发,往往伴随着一场大规模的“数字踩踏”。

从比特币、NFT,到去年的大模型,再到如今这个绰号“小龙虾”的 AI 智能体 OpenClaw。每一次潮汐涌来,人们最担心的不是“它是什么”,而是“如果我没有,我会变成什么”。这种深不见底的错失恐惧(FOMO),像一种无色无味的催化剂,让原本冷静的中产阶级、律师、私募经理和创业者们,陷入了一种近乎原始的、购买“通往未来入场券”的冲动中。

小王就是在这种情绪的最高点,精准地切入了市场。

作为一名在家里“蹲”了近五年的人工智能专业毕业生,@小王同学不吃草 在 3 月初挂出了一个在旁人看来极其荒诞的服务:“保洁+OpenClaw 代部署”。

“我认为这两个服务是天造地设的一对,在下载安装包时扫地,在晾干地板时完成剩余配置。家里有扫把和电脑就可以下单!”

在那篇笔记里,小王这样写道。

这门生意的第一单,小王是真的带着保洁阿姨去的。

他还带上了自己的扫地机器人——为了“增加科技感”。

在扫地机器人规律的背景音里,小王为客户安装好那个绰号为“小龙虾”的 AI 智能体。他发现,客户全程盯着屏幕,对他身后的扫地机器人和家政阿姨视而不见。

“人们其实不关心保洁,”小王意识到,“他们只是需要一个人,带他们挤上那台通往未来的班车,顺便帮他们处理掉那些琐碎的、令人生畏的技术门槛。”

那单小王报价 400 元,分了 100 给阿姨,扣掉路费,小王到手 200。

全民养了一只龙虾

要理解这门生意是怎么冒出来的,得先说说这段时间发生了什么。

这些年,中国互联网上隔一段时间就会爆发一次集体性的焦虑。加密货币火的时候,朋友圈里人人都在转“上车指南”,生怕自己是那个没买比特币的傻子;NFT 火的时候,一张像素头像卖出天价,大家又开始研究怎么铸造自己的“数字资产”;DeepSeek 出来的时候,技术群、创业群、家长群,全都“炸”了,好像不会用大模型就要被时代抛弃。

每一次,都是同样的剧本:一个新事物突然涌现,一种弥漫性的恐慌随之蔓延——别人都有那把铲子了,我要不要去买一把?

OpenClaw 是这个剧本的最新一集,但烈度明显更高。

这东西可以用一句话概括:它不是跟你聊天的AI,而是能替你操作电脑干活的 AI。你说“把桌面上的 PDF 文件按日期分类”,它真的会去翻你的文件夹、建好目录、逐个移动;你说“帮我查最近三天的行业新闻整理成摘要发到微信”,它会自己搜索、阅读、整理,然后发出去。它不只是工具,更像是一个能接管你部分工作的“数字雇员”。这种能力让人觉得,如果不赶紧搞明白,自己就要被甩下去。

3 月 6 日,深圳腾讯大厦北广场,近千人排起长队,不是在等开工红包,是在等腾讯云工程师免费给他们装龙虾。队伍里有小学生,有退休老人,有从香港专程赶来的,有从杭州飞过来的。马化腾看到这个场面,在朋友圈发了一句话:“没有想到会这么火。”

闲鱼平台上,OpenClaw 相关服务的日交易量在这段时间环比增长了 1850%。上门服务的行情价在五百元上下,加上调试和培训能到八百到一千。

一场淘金热,以这个奇怪的方式,悄悄在北京、上海、深圳的各个角落开始了。

但热潮背后有个细节很少被提到:真正把 OpenClaw 用起来的人,不到下载量的一半。

大多数人装了,然后就不知道怎么办了。

他们买的不是工具,是一种“我没有缺席”的安心感。

混吃等死,以及奶奶剪下来的那张报纸

2022 年,小王在小红书发了一条帖子,配图是一张剪报,边角微微泛黄,上面印着“七部门集中发布优质就业岗位”的标题,旁边用钢笔工工整整地写着日期:2023 年 2 月 28 日。

老太太快 90 岁了,一直头疼小王找不到工作这件事,也不能理解为什么现在的年轻人找不到工作。奶奶平时也没有手机,只看电视和报纸。她把自己认为有用的报纸剪下来给我看,还标注了日期,想让“小王跟上队伍”。

小王是北京本地人,大学读的体育与人工智能——这个专业名字本身就透着一股时代气息,他原本学运动康复,是被一位老师“忽悠”转的专业,那位老师说年轻人要布局未来,小王就向未来奔了两步。

毕业后,小王没有找到对口的工作,开过咖啡店,帮人谈过生意,打过杂,在闲鱼上接过各种零散的活。NFT 最火那年,他自己写了一个批量生成工具,帮甲方跑了一段,后来也没跑出什么水花。

就这样,晃过了五年。

家里不催,北京的根扎着,没有什么迫切的压力。对职场,他有种发自本能的距离感。“就不太适合我。”他说。

今年 2 月 13 日,小王从泰国甲米旅行回来,在小红书发了一篇笔记,标题叫《2026 我决定混吃等死》,配的背景音乐是《马到功成》。他写到在泰国甲米遇见的那些人:住在攀岩场的美国人 Brownie,从加拿大飞来避寒、叽叽喳喳说个不停的白姐,旅居过十几个国家、爱吃臭豆腐的以色列卷毛哥。记录下这些人的最后,他写道:“原来人生根本不需要一个正事……大家都没证明自己有用,却都活得结结实实。”

那条帖子发出去两周后,OpenClaw 来了。

一条鱼,一只虾,和一个比别人早懂一点的机会

小王是在 2 月 28 日被卷进来的。

朋友找到他,说自己折腾了一晚上没装上OpenClaw,听说他学过计算机,问能不能帮个忙。他花了 5 个小时踩平了所有的坑,帮朋友搞定了。朋友惊讶之余顺口说了一句:现在好多人想装又不会装,你这不就是现成的生意吗?

这才有了那条荒诞的帖子,和那趟带着保洁阿姨上门的第一单。

客户全程都在盯着他的屏幕,对阿姨的存在几乎无感。后台的咨询也印证了这一点——大家都在问能不能只装 OpenClaw,没有一个人在乎卫生。阿姨的活儿干得很好,但显然不是大家花钱的理由。

接下来几天,他转移到闲鱼接远程单,故意把客单价压到 150 块当作练手。几单下来,安装本身越来越顺,踩过的坑基本不会再踩第二次。

但他很快发现了一个完全没预料到的问题。

装是装好了,客户不让他走。不是不满意,是不知道用来干嘛。

他愣在了那里。“我以为大家都是会用才装的。”

但现实摆在那里:对大多数非技术用户来说,装好 OpenClaw 只是打开了一扇门,门后面是什么、怎么走进去,他们完全没有概念。就好比你给一个人装好了 Photoshop,他盯着那一排工具栏问你:然后呢?

他耐着性子教完了基础操作,对方还是不会,继续追问怎么用到自己的工作里。他坐在那里,突然意识到,这个“然后呢”才是真正的问题——不是技术问题,是认知问题。

于是他把自己对 AI 应用的理解整理了一下,卖给这位客户一套 580 元的课程加课后交流服务,手把手教她怎么把 OpenClaw 真正用进日常工作里。

这笔 580 块,让他想明白了一件事:大家买的根本不是安装,而是跨越那道鸿沟的能力——从“装好了”到“用起来”,中间隔着一道大多数人跨不过去的坎。而他,恰好站在那道坎的另一边。

OpenClaw 的热潮在闲鱼上留下了一条清晰的痕迹。最早一批挂出服务的人,定价普遍在一两百块,标题写得很朴素:“帮装 OpenClaw,远程,当天完成。”后来同类帖子越来越多,价格开始分层,有人加了“上门”,有人加了“培训”,有人直接写“手把手教到会”,客单价悄悄涨到了五六百。

做这件事的人,背景杂得出乎意料。有刚毕业找不到工作的计算机系学生,挂出去的第一个服务定价 99 元,两天接了七单;有在职的IT工程师,白天上班,晚上开远程,当副业跑;还有一个在郑州开维修店的师傅,本来修手机电脑,发现 OpenClaw 的单比换屏幕赚得多,就在橱窗里加了一项新服务,顺手把店里的招牌也换了一行字:“智能助手部署·同城上门”。

他们未必真的深度用过 OpenClaw,有几个人坦率地说,自己也是边接单边摸索,“客户问的问题比我懂的还多,我就现查现答”。但他们有一种共同的本能:看见一个口子,先伸手进去,再说别的。

接到大单的两天

闲鱼上的十单让小王摸到了节奏。客单价从 150 元涨到 300、500、800 元,客户没有减少,反而开始主动加钱要求上门。服务的对象也在悄悄变化:从普通个人用户,到律师,到中小企业老板。

然后来了一个百万粉博主。

对方在闲鱼找到他,说想买他两天时间,帮自己的团队搭一套基于 OpenClaw 的工作流。小王当时的单价并没有太大竞争力,但对方看了小王的简介,就觉得他靠谱。在得知他腾不出排期时,客户主动提出加价。

“他问我,能不能给他一个能过来的价格。”小王回忆道,“钱不只是钱的事,那是一种认可,我这几天才真正感受到这个。”

冲着这份认可,小王把手头剩余的散单全部推掉或取消,All in 这一单。

他踌躇满志地去了。

但进了对方的办公室,一切和他想象的完全不一样。

博主的团队不大,十几个人,运转节奏很快。对方是彻底的“结果导向”——不关心部署环境是否干净,不关心底层配置是否规范,只要你告诉他工作流能不能跑、跑出来是什么样子。而很多前提条件根本没有对清楚:博主想要什么、团队的工作流长什么样、哪些环节可以让龙虾介入——全是模糊的。

两天下来,真正花在 OpenClaw 上的时间,大概只有 10%。

剩下的 90%,小王坐在那个陌生的办公室里,周围全是叫不出名字的人,每个人都在忙自己的事,没有人来跟他对接,没有人告诉他下一步该干什么。“我话都说不出来,那么多人。”——那是他第一次真正意义上感受到职场的氛围。咖啡馆、实验室和攀岩馆是他熟悉的空间,那个办公室,或者说,那个职场,对他来说完全陌生,他是一个闯入者,或者说,是个过客。

原定的两天服务时间结束,客户没有续费。

离开那里的时候,他没说什么,拎着电脑出了门。路上他想,这事儿和 NFT 那次有点像——进去了,但没走出来。“All in 这个大单,可能是个误判。”

他以为那扇门打开了可以一直往里走,但其实那只是一次性的机会。窗口期似乎在他犹豫的时候悄悄变窄了。各大科技厂商竞相推出“龙虾一键安装包”,曾经日入两千的“信息差”正在像退潮一样迅速消散。

也就在那两天里,大厂竞相推出“龙虾”相关业务,大大降低了零基础者“跟风”的门槛,人们不需要复杂的“上门安装”服务,在微信、飞书这样的聊天软件里就能体验“养虾”的感觉。小王推掉的散单客户,有的转头就在闲鱼上找了其他的服务者,也有的,就通过云服务部署,走完了对一个新产品从兴奋到冷静的周期。

但那两天也有真实的收获。他亲眼看见了一个创业者是怎么管理团队——每个人的工作流彼此隔离,各自推进,最后汇聚到一件事上,“就跟OpenClaw 的沙箱模式一样,把每个人隔离开,让他们在里面干活”。他觉得很厉害,但他也清楚,那不是他的方式。

他停不下来思考,去想自己的方式应该是什么样。

一人公司,第二收入

这波热潮里,还悄悄跑出来一种结构:白天上班,晚上接单,两条收入线并行,互不干扰。

林晓在一家中型科技公司做产品经理,月薪一万八。

OpenClaw 出来之后,他花了一个周末把自己的工作流跑通,觉得“确实有用”,就在闲鱼挂了一个服务:帮企业梳理可自动化的业务流程,按需定制 OpenClaw 工作流,起价800元。第一个月接了四单,进账三千二。他没有注册公司,没有营业执照,用的是个人账户收款。他说这不叫副业,“更像是把自己会的东西卖了个零头出去”。

类似的人不难找到。有在广告公司上班、下班帮人写 AI 提示词的文案;有白天做 HR、晚上卖 OpenClaw 培训课的;有本职是中学老师、周末给家长们开“AI 工具入门”工作坊的。他们的共同点是:主业提供稳定的收入和社会身份,副业提供另一种可能性——有时候是钱,有时候只是一种“我在跟上”的感觉。

这种结构并不新鲜,但这次有点不一样的地方在于:技术本身降低了门槛。以前开副业需要一门手艺,或者一套货源,现在只需要比周围人多懂一点,早懂一点。一个人,一台电脑,一个闲鱼账号,就可以是一家公司。

风还在,他还在想下一步

小王在家歇了两天。

这几天的热点已经变成了“上门卸载小龙虾”——装了发现不会用,或者出了点什么问题,又找人来给卸掉。

他觉得很正常,甚至有点好笑。当初推着大家装机的那股 FOMO,消散起来也很快,就像加密货币、NFT、DeepSeek 的每一次浪潮,来得猛,退得也干净。

在这个全民追逐风口的时代,所有的狂热都有一个极短的半衰期。最开始小王并不在乎这门生意能做多久,他很清楚,自己只是在时代的缝隙里做了一次短暂的奇袭。

但他现在想清楚的是,他从来不只是一个装机的。

从 3 月 3 日到 3 月 8 日,短短五天,他接了 10 单 OpenClaw 上门安装。那十单里,每一个客户的需求都不一样:有人想让龙虾帮他整理案卷,有人想自动生成每日销售摘要,有人想用它筛选研报。他们的共同点不是不懂技术,而是不知道怎么把自己的工作流拆开来,交给一个 AI 去跑。“真正值钱的,是帮他们想清楚这件事,”他说,“工作流怎么拆,哪些环节可以自动化,哪些不能。”

他现在觉得真正有意义的是,帮这些急需用 AI 工具的人,用上真正适合他们的产品。他正认真考虑做这方向的培训或者顾问服务。想法还在验证阶段,自己也说还有点“抹不开面”——做培训就得一直跟客户保持连接,有点像销售,必须跳出他的舒适区。

这话说得很轻松,但背后有一些真实的东西。他不是不在乎,而是已经经历过足够多次“浪潮来了又走了”,

知道死抓一个风口不是他的方式。他的方式是:保持好奇,持续折腾,在每一次浪潮里往下多走一步,一直走到真正有意思的地方。

NFT 那次,小王止步在工具层。这次,他走到了“鸿沟”的另一边。

有人看了他的分享,找到他想一起合作,对方是位程序员,也在这波浪潮里跃跃欲试,小王准备和他见面聊聊,“反正路径很多,看看大家想要什么,看看我们能提供些什么”。也有人刷到已经成型的 OpenClaw 教程分享给他,鼓励他根据自己的经验,“做一个更好的”。 

2022 年,奶奶剪下那张报纸,想让他跟上队伍。四年后,他没有跟上任何一支队伍,却在一场全民 FOMO 的热潮里,从一个近乎玩笑的起点开始,找到探索属于自己的一小块地方。

这个毕业后没有上过一天“正经班”的年轻人,现在决定要自己拉起一支队伍来。

于小王来说,“龙虾时刻”或许是那个他等待已久的机会——首先踩准风口,且自己也燃起了深究的兴趣。

只要这个时代还在加速,也总会有下一只“龙虾”在某个寂静的凌晨,再次搅动起整座城市的野心与惶恐。

愿人人都能抓住属于自己的“龙虾时刻”。

原文链接: 在闲鱼,他帮人抓住一只狂奔的“龙虾”
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥 热门文章
1
离谱,DeepSeek 崩了 5 小时,大家却喊:梁圣恩情还不完??
430
2
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
390
3
DeepSeek 全新模型发布,性价比最高的一集!
390
4
自己学习ai,直接买cursor 的套餐,还是买gpt 或者claude 的套餐?
360
5
又一个国产版 Codex 神器,也来卷办公了!
340
6
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
310
7
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
300
8
我的第一个出海产品!7 天 2 万
300
9
WorkBuddy 本地 API 桥 + dsh 插件:把你的 WorkBuddy 额度,变成手边随手可用的模型
300
10
什么是LLM
300
11
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
260
12
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
260
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
墨得问题墨得问题