获得徽章 0
#百虾大战：pick你的本命虾# #百虾大战：pick你的本命虾
我pick原版OpenClaw。不是因为它最好用，而是因为我被它折腾得最狠，也学到最多。
从去年开始到现在，我的养虾之路：
① Docker部署阶段：在Mac上跑docker-compose，结果容器网络桥接各种坑，本地LM Studio要用host.docker.internal才能连，LanceDB内存频繁崩溃。踩了无数坑。
② 原生迁移：下定决心从docker迁到macOS原生运行（npm全局安装），路径统一了，网络走系统代理了，稳定性直接起飞。配了launchd开机自启，全套丝滑。
③ 8个agent多模型协同：main用Claude Haiku（via Ofox中转），pm/analyst/search/secretary/monitor全部DeepSeek，painter用Gemini Flash出图。当时试过把main换成Sonnet，结果一天烧了$4+（136万输入token），赶紧切回来了。
④ 实际能力：接了 6个bot，ComfyUI出图，即梦API生成视频，ClawHub发布了多个skill（搜索分析、每日简报、模拟会议等）。还用它做了一套公司AI档案管理方案。
⑤ 血泳教训：让agent自己改openclaw.json切换模型，结果绕过了Ofox路由层直接调Google API，404爆炸。教训：模型切换这种事别让agent自己动，等于让人给自己做手术。
但如果你想要真正的多agent协同、自定义工具链、本地模型推理、完全掌控数据流——原版OpenClaw是唯一选择。门槛高，但天花板也高。
一句话总结：其他虾是“开箱即用”，原版OpenClaw是“开箱即折腾，折腾完即自由”。
我pick原版OpenClaw。不是因为它最好用，而是因为我被它折腾得最狠，也学到最多。
从去年开始到现在，我的养虾之路：
① Docker部署阶段：在Mac上跑docker-compose，结果容器网络桥接各种坑，本地LM Studio要用host.docker.internal才能连，LanceDB内存频繁崩溃。踩了无数坑。
② 原生迁移：下定决心从docker迁到macOS原生运行（npm全局安装），路径统一了，网络走系统代理了，稳定性直接起飞。配了launchd开机自启，全套丝滑。
③ 8个agent多模型协同：main用Claude Haiku（via Ofox中转），pm/analyst/search/secretary/monitor全部DeepSeek，painter用Gemini Flash出图。当时试过把main换成Sonnet，结果一天烧了$4+（136万输入token），赶紧切回来了。
④ 实际能力：接了 6个bot，ComfyUI出图，即梦API生成视频，ClawHub发布了多个skill（搜索分析、每日简报、模拟会议等）。还用它做了一套公司AI档案管理方案。
⑤ 血泳教训：让agent自己改openclaw.json切换模型，结果绕过了Ofox路由层直接调Google API，404爆炸。教训：模型切换这种事别让agent自己动，等于让人给自己做手术。
但如果你想要真正的多agent协同、自定义工具链、本地模型推理、完全掌控数据流——原版OpenClaw是唯一选择。门槛高，但天花板也高。
一句话总结：其他虾是“开箱即用”，原版OpenClaw是“开箱即折腾，折腾完即自由”。
展开
评论
2
