OpenClaw 最近火到什麼程度？火到衍生出一門上門安裝的生意。
海外代裝平台 SetupClaw 已經給出明碼標價：託管安裝，3000 美元；含 Mac mini 硬體的遠程配置，5000 美元；含 Mac mini 硬體的現場配置，6000 美元。
創始人 Michael 更是號稱靠這門手藝，有望年入百萬美元。
Introducing http://setupclaw.com No website yet—it’s a service where you DM me and I show up to your house/office with a mac mini and personally set up OpenClaw. Limited to sf.
上門幫人安裝 OpenClaw，年入百萬？
要回答這個問題，得先搞清楚 OpenClaw 究竟是什麼。
We just passed React on GitHub stars. 🦞 Let that sink in. A personal AI assistant built by a lobster-obsessed Austrian and an army of crustacean enthusiasts just outstarred the library that powers half the internet. We shipped 90+ changes today. They shipped a conference.
OpenClaw 是一款開源、本地優先、可自託管的自主 AI 代理與自動化平台，核心是用自然語言指令讓 AI 能夠直接在你設備上 「執行任務」，而非像 chatbot 聊天機器人一樣僅提供對話回復。
它還支持接入各類聊天軟體作為入口，比如你只需在 Telegram 或 WhatsApp、iMessage 等平台里發一句話，比如「幫我整理今天的郵件並把重要的標出來」，它就會在後台自動完成，還會主動找你匯報進度。
對於每天要處理大量資訊的人來說，這確實是個好幫手。但問題在於，它的安裝過程對普通人極不友好。
OpenClaw 的底層是一套面向開發者的本地網關服務，安裝需要依賴特定版本的 Node.js 環境，用命令行完成配置，還要處理守護進程、埠開放、Webhook 回調等細節。
儘管網上不少人調侃，代裝 OpenClaw 是門「智商稅」——懂技術的人自己就能裝，不懂的人根本用不上——但對於習慣了圖形界面的普通用戶來說，光是那個黑底白字的終端窗口，就足以把人擋在門外。
粗略觀察代裝服務的留言區，付費群體至少可以分出三層：
一類是個體創業者和自由職業者，對效率有強烈訴求，核心動機是省時間；一類是有技術認知但不願親自動手的職場白領，知道這東西能幹什麼，只是不想花時間折騰；還有一類是跟風購買的普通消費者，對實際能做什麼並沒有清晰預期。
而從公開報價來看，提供 OpenClaw 安裝的服務大致提供三個層級的方案：
託管安裝 (3000 美元)： 部署於雲端 VPS，包含安全加固、主流應用集成（郵件、日曆等）及 3 個自定義工作流。提供 14 天的專屬售後支持 (Hypercare)。
Mac Mini 遠程設置 (5000 美元)： 適用於需要 iMessage 集成或本地硬體的用戶。包含 Mac Mini 硬體成本及遠程配置。
Mac Mini 現場設置 (6000 美元)： 僅限舊金山灣區。提供上門安裝、調試及面對面培訓。
額外 Agent (1500 美元/人)： 為其他高管或團隊成員增加獨立身份和工作流的 Agent。
對比之下，國內上門安裝服務則普遍在 500-1000 元一次，包含系統配置、模型部署調試和基礎使用指導，標註現場驗收、確保可正常運行。
當然，這種安裝複雜嗎？其實並不複雜。OpenClaw 本身是開源的，目前諸如騰訊雲、阿里雲等不少雲廠商，以及 Kimi、MiniMax 等廠商也都陸續推進 OpenClaw 的一鍵部署。
APPSO 也出過手把手教學，歡迎自取👇。
包括最近有第三方做了一個 OpenClaw 生態工具目錄，收錄了幾十款相關工具，從部署、託管、插件到 token 優化一應俱全，還附帶從入門科普到進階調優的教學庫。
但對沒有技術背景的人來說，「能學會」和「願意學」之間，往往差之毫厘謬以千里。於是，大多數不想折騰的人，在 AI Fomo （Fear Of Missing Out，錯失恐懼症）的情況下，往往選擇了人類面對複雜事物的終極解法：花錢。
回頭看過去幾波 AI 熱潮，幾乎每一次都是同樣的路數。2023 年 ChatGPT 在國內掀起狂潮時，第一批賺到錢的人，不是用它寫文案做分析的，而是幫人代註冊賬號的賣家。
那麼，代裝這門生意本身賺不賺？SetupClaw 創始人 Michael 聲稱，單靠幫人安裝 OpenClaw，一年就有望賺一百萬美元。
I made 20k this week, so based on my expert calculations, I’m now at 1M ARR! there’s absolutely nothing wrong with this math I checked it twice just to make sure.
不過，這個數字沒有任何訂單量和交付成本支撐，更像是一句專門寫給同行看的招商廣告：兄弟，這行有搞頭，快來。
裝上之後，才僅僅是「入門」
很多人以為代裝生意的壁壘是安裝，實則不然，OpenClaw 只是一個框架，本身不包含語言模型，必須接入外部模型才能讓它運轉，費用按使用量計費。
OpenClaw 為了模擬全天候助理的待命狀態，內置了一套心跳（Heartbeat）機制：每隔 30 分鐘自動醒來，檢查郵箱有沒有新郵件、日曆有沒有變動、Slack 頻道有沒有消息需要處理。
問題是，每次後台喚醒都不是一次簡單的檢查——系統需要向雲端 API 發送一個完整請求，裡面裝著冗長的系統提示詞、數十個工具的參數定義以及近期會話的全部歷史記錄，體積龐大。
有開發者復盤後發現，系統在沒有太多實際產出的狀態下，僅靠心跳機制維持每天就消耗 20 美元，一個月白白燒掉近 750 美元。
OpenClaw is interesting, but will also drain your wallet if you aren't careful. Last night around midnight I loaded my Anthropic API account with $20, then went to bed. When I woke up, my Anthropic balance was $0. Opus was checking "is it daytime yet?" every 30 minutes, paying $0.75 each time to conclude "no, it's still night." Doing literally nothing, OpenClaw spent the entire balance. How? The "Heartbeat" cron job, even though literally the only thing I had going was one silly reminder, ("remind me tomorrow to get milk") 1. Sent ~120,000 tokens of context to Opus 4.5 2. Opus read HEARTBEAT .md, thought about reminders 3. Replied "HEARTBEAT_OK" 4. Cost: ~$0.75 per heartbeat (cache writes) The damage: - Overnight = ~25+ heartbeats - 25 × $0.75 = ~$18.75 just from heartbeats alone - Plus regular conversation = ~$20 total The absurdity: Opus was essentially checking "is it daytime yet?" every 30 minutes, paying $0.75 each time to conclude "no, it's still night." The problem is: 1. Heartbeat uses Opus (most expensive model) for a trivial check 2. Sends the entire conversation context (~120k tokens) each time 3. Runs every 30 minutes regardless of whether anything needs checking That's $750 a month if this runs, to occasionally remind me stuff? Yeah, no. Not great.
也正是這個痛點，網路上催生了圍繞 OpenClaw 的一批省錢攻略。
Made some adjustments based on lessons learned. Combined: roughly 200-400x cheaper heartbeat operation.
常見做法包括：
按任務類型路由不同模型，簡單檢索和狀態檢查用便宜模型，複雜推理再調用昂貴模型。
控制每次請求的最大 tokens，避免一次對話失控。
對長時間運行的會話做上下文裁剪，只保留必要的歷史資訊。
把部分任務下沉到本地模型（如通過 Ollama 部署）以減少對外部 API 的依賴。
if you don’t use subs it defo makes sense to tweak that or just disable the heartbeat feature. Cron jobs are better - heartbeat is sth I have more ideas for, rn it’s not super useful yet.
此外，OpenClaw 要真正發揮作用，得拿到郵件、日曆、通訊軟體等高權限渠道的訪問權限。這意味著一旦出了問題，你的隱私數據和核心賬號就有可能全部「裸奔」。
現實中的安全災難已經接連發生。一個專門針對此漏洞的掃描器，在短時間內就發現了超過 4.2 萬個暴露在公網的 OpenClaw 實例，其中九成以上可以被攻擊者直接繞過身份驗證，竊取 API 密鑰和私人通訊記錄。
在插件生態層面，OpenClaw 有一個名為 ClawHub 的插件市場。思科安全團隊審計發現，一個被人為刷到排行榜第一名的插件，實為偽裝的惡意軟體，在後台竊取用戶數據並植入惡意腳本。
甚至一些用戶還因為將 Google 賬號接入 OpenClaw，觸發平台異常負載檢測，導致整個 Google 賬號被封，Gmail、YouTube 也被一鍋端。
最具代表性的案例，發生在今年 2 月。Meta 旗下專門研究 AI 對齊問題的負責人 Summer Yue，甚至犯了一個新手的錯誤，給了 OpenClaw 真實郵箱的訪問權限。
很快，OpenClaw 由於丟失了最初收到的限制指令，開始批量清空她的收件箱。
Nothing humbles you like telling your OpenClaw 「confirm before acting」 and watching it speedrun deleting your inbox. I couldn’t stop it from my phone. I had to RUN to my Mac mini like I was defusing a bomb.
她在手機上連發停止指令，沒有任何反應。最後她不得不衝到 Mac mini 面前強制斷電，才讓它住手。
如果連最懂 AI 風險邊界的人，都能在這裡翻車，這大概不是個例。
而把一個還不夠穩定的 Agent，直接綁在郵件、日曆、賬號這類核心資產上，然後期待它乖乖聽話——本身就是一件需要打一個很大問號的事。
