惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Y
Y Combinator Blog
The GitHub Blog
The GitHub Blog
Vercel News
Vercel News
D
DataBreaches.Net
MongoDB | Blog
MongoDB | Blog
H
Help Net Security
小众软件
小众软件
美团技术团队
T
The Blog of Author Tim Ferriss
爱范儿
爱范儿
D
Docker
Martin Fowler
Martin Fowler
大猫的无限游戏
大猫的无限游戏
博客园 - 聂微东
Blog — PlanetScale
Blog — PlanetScale
H
Hackread – Cybersecurity News, Data Breaches, AI and More
罗磊的独立博客
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
V
V2EX
S
SegmentFault 最新的问题
云风的 BLOG
云风的 BLOG
B
Blog
雷峰网
雷峰网
The Cloudflare Blog

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
龙虾越火,我越觉得不对劲
吴怼怼 · 2026-03-23 · via 人人都是产品经理

当OpenClaw以"系统级接管"的惊艳演示刷屏时,很多人惊呼"未来已来"——但真相或许是:模型能力本就存在,龙虾只是以"能力泄露"的方式将其释放。它用隐私和经济性换取了戏剧性,用高成本路径换取了短视频传播力,更像房地产的"样板间"而非可入住的"成品房"。真正的挑战不在于技术上限,而在于谁能把惊艳的demo变成可持续、可负担、可规模化的系统。

很多人第一次看到龙虾,会有一种很直接的感觉:

AI 好像突然变厉害了。

它能自己操作网页,处理复杂任务,在一些场景里,比人更快。

如果只看这些演示,很容易得出一个结论:

AI 已经进入下一阶段了。

但我最近反复看下来和用下来,有一个判断不一定对:

龙虾没有让 AI 变强。

它只是把原本就存在的能力,以能力泄露的方式放出来了。

现在市面上各类AI科普自媒体,大部分就是把各类产品的说明书重新包装整理一遍,然后感叹一句未来已来。未来来了很多遍了。

而目前用龙虾的案例,有很多是为了工作而工作,不是减轻工作而是增加工作负担。

其效率,在很多情况下,倒不如Chatgpt和Gemini的deepreseach,也不如直接使用Notebooklm或者Manus,更别提目前大部分Vibe coding和龙虾关系不大,都是开发者直接在用Claude code更多。

不是说龙虾不好的意思,但龙虾真没那么好。

01 模型其实一直都很强

很多人误以为,是龙虾让 AI 变强了。

真实情况更接近另一种逻辑:

模型的能力早就在那里。

只是过去几年,厂商一直在给它加边界。

这些边界包括:权限边界、成本边界、风险边界、产品责任。

一个成熟的 AI 产品,从来不是把能力全部放出来,而是反复做加减法。

什么能做,什么不能做。

什么时候该停,什么时候要确认。

一次任务最多消耗多少资源。

系统有没有兜底。

这些事情不会出现在 demo 视频里,但它们决定了产品能不能活下来。

龙虾做的事情很简单。

它把这些边界放松了。

于是很多人第一次直观地看到:

原来模型已经可以走到这一步。

02 惊艳体验背后,是两个现实代价

龙虾之所以看起来像“未来提前到来”,背后有两笔交换。

这一点受到王自如最近直播提到的一段话启发,这一回他还真说对了。

第一笔,是隐私。

龙虾的运行方式,本质上接近系统级接管。

浏览器、文件、本地环境、账号状态,都可能进入任务链路。

这件事在技术上不难。

难的是责任。

当用户规模从几千人变成几百万,任何越权、误操作、数据外流,都会变成公司层面的风险事件。

所以OpenAI、谷歌和Anthropic目前在龙虾这块是相对保守的。

不是因为做不到,而是因为不能这么做。

第二笔,是经济性。

龙虾的很多流程,本质上属于“高成本路径”。

长上下文、多轮调用、复杂链路,都会直接转化为算力开销。

在 demo 场景里,这些成本可以被忽略。

在真实业务里,它们会迅速放大。

一旦用户量上来,每一个任务都是持续消耗。

没有中小公司会长期运营一个不可预测成本的系统。

03 它更像一个样板间

如果一定要给龙虾找一个产业类比,它很像房地产的样板间。

样板间的意义,是展示可能性。

不是直接拿来住。

里面的设计、材料、空间利用,都会被做到极致。

但真实交付时,必须考虑预算、维护、标准化施工。

龙虾承担的角色也类似。

它让行业和用户看到:

当权限、成本、流程限制同时被放松时,AI 可以做到什么程度。

这是一种非常强的想象力刺激。

但想象力刺激,不等于商业路径。

04 为什么大家都在讲龙虾

从传播角度看,龙虾具备一种很罕见的内容属性。

它既有技术感,又有戏剧性。

过程可以被完整记录,结果往往有惊喜。

这种结构天然适合短视频和社交媒体。

另一方面,它也击中了当下的情绪。

很多人对 AI 的态度,是一半期待,一半焦虑。

期待效率提升,焦虑职业变化。

龙虾提供了一种可视化的答案。

哪怕这个答案还不成熟,但它足够具体。

还有一个更现实的因素。

今天的大模型商业模式,核心仍然围绕调用量展开。

复杂任务链意味着更多 token 消耗,也意味着更直接的收入。

在这种情况下,行业内部天然存在推动“重度使用场景”的动力。

龙虾正好成为一个放大器。

05 龙虾会不会成为未来

更值得讨论的问题是:

为什么很多人,会把一次能力展示,当成产品形态。

技术发展过程中,经常会出现这种阶段。

某些极限形态先出现,用来证明方向是成立的。

然后行业才慢慢回到现实约束里,重新设计路径。

AI 也在经历类似过程。

接下来几年,更大的变化,很可能不是模型突然再强N倍。

而是产品越来越稳、越来越便宜。

真正进入日常生活的技术和产品,往往不会以“震撼”的方式存在。

它会变成基础设施。

龙虾必然不是ChatGPT时刻,但是很多网友似乎表现出了比GPT3.0出来的时候更疯狂的热情。

所以回头看龙虾,也许可以把它当作一个信号。

能力已经走到这里了。

接下来,比拼的是谁能把它变成可持续的系统。

而不是谁能做出更惊艳的 demo。

本文由人人都是产品经理作者【吴怼怼】,微信公众号:【吴怼怼】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于 CC0 协议。