文 | 市值榜，作者 | 相青，编辑 | 赵元
三月还在排队找人代安装，四月就已经退坑。OpenClaw 的热度就像过山车。
3 月 3 日，OpenClaw 的 GitHub 星标超越 React，用不到 60 天完成了后者十年的积累。微信指数飙到 1.65 亿，"24 小时数字员工 " 的叙事席卷中文 AI 圈，" 全民养虾 " 成为继 DeepSeek 之后又一个现象级 AI 文化符号。截至 3 月 15 日，当月累计 token 调用量达到 10.4T，成为全球调用量最高的 AI 应用。
但一个月后，风向突然反转。
4 月，OpenClaw 访问量直接腰斩至 1420 万，环比跌幅 50.67%。腾讯旗下 QClaw 访问量环比暴跌 99.19%，Kimi Claw、CoPaw 等国产 " 龙虾 " 产品同样大幅跳水。开发者论坛上开始出现："OpenClaw 已死。"
而就在这场龙虾热退潮的同时，有两件事值得注意。4 月，Anthropic 宣布订阅不再支持 OpenClaw，只给用户一天缓冲期；5 月初，OpenAI 的 Sam Altman 在凌晨发推，宣布 ChatGPT 用户可以直接登录 OpenClaw —— "happy lobstering"。
一家公司把龙虾踢出门，另一家连夜打开后门把它接进来。某种程度上，OpenClaw 的退潮，或许并不是 Agent 热潮的结束，而是 AI 行业开始思考，AI Agent 应该如何运行、由谁控制、又该如何收费。
一、一场可预见的退潮
要理解它的退潮，首先思考它为什么能爆火。
大多数复盘把 OpenClaw 的爆火归结为产品力，比如支持 50 多种集成，兼容 Claude、GPT-4o、Gemini 和 DeepSeek 等，并吸引了企业用户的采用，腾讯甚至直接在其基础上构建了一个平台。这些没错，但只说对了一半。
真正的驱动力是访问权限而不是能力，OpenClaw 使得大规模使用功能强大的模型变得成本低廉。
用户发现，OpenClaw 可以通过调用 Claude Pro 或 Max 用户的登录授权，并模拟 Claude Code 客户端的请求方式接入 Claude。这意味着，用户无需再为每一次 API 调用单独按 Token 付费，而是可以借助固定月费订阅，以更低成本进行高频 Agent 调用。
这个事情的本质，是一场悄无声息的套利。
Claude Max 的订阅价格是每月 200 美元。而通过 API 运行同等工作负载的成本，行业分析师估计超出五倍以上。换句话说，Anthropic 每月在为每一位 OpenClaw 重度用户补贴数百美元。
有了近乎免费的算力作为燃料，才引起了 OpenClaw 病毒式传播，开启了关于 " 全民养虾 " 的增长神话。
但今年 4 月，Anthropic 发出一封邮件，通知用户 Claude 订阅不再覆盖 OpenClaw 等第三方 Agent 的高强度调用，新规当天生效，只留给用户一天缓冲期。
这封邮件在 OpenClaw 社区的效果，堪比有人在派对正酣时拉下了电闸。
同时，大规模部署 OpenClaw 的用户开始看到它的实际局限性。比如，智能体很脆弱，在多步骤任务中会不可预测地失败，不同工作流程和环境下的可靠性并不一致。
更重要的是，对于大多数非技术圈用户来说，设置和维护并非易事。
OpenClaw 最火的那几周，国内甚至出现了专门的代安装生意——收费帮人完成部署、调通 API、配置权限，价格从几十到几百元不等，供不应求。某种程度上，一个需要付费找人安装、远程调试的工具，本身就说明它距离真正的大众化产品，还有很远的距离。
此外，另一场危机也在悄悄侵蚀用户信心。
OpenClaw 和普通 AI 聊天工具有一个本质区别，它不只是 " 说 "，它会 " 动手 "。打开文件夹、发邮件、执行命令、调用各种软件，它在你的电脑上拥有的权限，远比你意识到的要大。
这在演示视频里看起来很酷。但现实是，一旦出错，代价也是真实的。普通 AI 聊天工具产生幻觉，顶多给你一个错误答案；OpenClaw 产生幻觉，可能直接删掉你的文件、把你的账号密码发出去、或者在你不知情的情况下执行一段破坏性的命令。
更麻烦的是，很多用户在完全没有意识到风险的情况下，已经把 OpenClaw 接入了自己最敏感的那部分数据，工作邮箱、云端存储、甚至公司的服务器权限。
因此，围绕 OpenClaw 的讨论，逐渐从 " 效率革命 " 变成了 " 风险失控 "。
二、谁接住了流失的用户
OpenClaw 的热度退潮之后，用户去哪了？
粗略来看，他们分成了三类，分别是迁移到 Hermes 的重度开发者、转向 Claude Code 的专业用户，以及垂直行业 Agent 的企业用户。
Hermes 是目前接住最多 OpenClaw 用户的产品，这一点已经有数据印证。
5 月 10 日，Hermes 以单日 2240 亿 token 的消耗量超过 OpenClaw 的 1860 亿，登上 OpenRouter 全球日推理量榜首。这是自 OpenClaw 发布以来，第一次有别的 Agent 拿下这个位置。
圈内开始流行一句话：" 不流行养虾了，都开始养马了。"
Hermes 在代码里内置了一键迁移工具，专门为从 OpenClaw 过来的用户设计，可以自动导入配置、记忆、技能包和 API 密钥。
但迁移工具只是入口，真正留住人的是设计逻辑的差异。
OpenClaw 每次任务都从同一基线出发，完成即结束，下次重新开始。Hermes 内置了学习循环，任务完成后自动生成可复用的 Skill 文件，跨会话构建对用户的持久理解，大多数 AI 工具是无状态的，Hermes 的逻辑与此相反。让它做一次竞品分析，下次只需说 " 像上次那样 "，不需要重新描述流程和要求。
用得越深，迁移成本越高，这是 Hermes 留住重度用户的底层逻辑。目前 Hermes 已积累 11 万 GitHub 星标，社区贡献集中在技能质量和学习能力改进，而非功能数量扩张。这和 OpenClaw 早期 " 什么都能做 " 的生态扩张路线明显不同，用户结构也更专业、更高频。
除了 Hermes，还有一批专业开发者去了 Claude Code。
这是 Anthropic 直接提供的命令行编程 Agent，不试图替你管邮件、跑日程、操控桌面，只做一件事，在代码层面完成复杂任务，执行环境受控，行为可预期。
这个分流揭示了开发者群体内部真实的价值分裂，OpenClaw 优先开放性和无限制能力，商业系统优先可靠性和受控执行。随着 AI 编程工具成熟，许多开发者意识到，他们要的不是高度自主但不可预测的 Agent，而是稳定的系统。
换句话说，" 让 AI 替我干所有事 " 和 " 让 AI 在特定场景干得更好 "，本来就是两类需求强度完全不同的用户。OpenClaw 的退潮，把他们重新分开了。
还有一批用户，既没有去 Hermes，也没有去 Claude Code，而是选择了具体的行业工具。
钉钉悟空、WindClaw 这类产品的逻辑与 OpenClaw 正好相反，不追求什么都能做，而是把 Agent 能力嵌入企业现有的工作流，处理审批、报表、投研简报这类高度重复的任务。
但有一个事实容易被忽略，退潮中规模最大的那批用户，没有迁移到任何产品。
跟风者回到了豆包和 ChatGPT，轻度用户从来没有找到过真实的使用场景。对他们来说，Agent 这个品类在现阶段就不适合，因为工具太复杂，成本太高，需求太低频。
三、Agent 开始戴上 " 镣铐 "
OpenClaw 退潮的同时，发生了一件很容易被忽视的事。
4 月 4 日，Anthropic 向用户发出封杀邮件；紧接着，5 月份，OpenAI CEO Sam Altman 却在 X 上发出一条推文："ChatGPT users can now log into OpenClaw. Happy lobstering."
一家切断连接，一家主动开放入口。某种程度上暴露了 AI 行业内部正在出现的路线分化。
过去一年，AI 行业对 Agent 最迷人的想象，是 " 数字员工 "。
OpenClaw、AutoGPT、Devin 这类产品所描绘的未来，是 AI 像人类一样独立完成任务：读邮件、调工具、写代码、跨软件协作、自主执行复杂工作流。
但真正进入现实场景后，问题开始集中暴露。Agent 越自主，越容易失控；任务链路越长，越容易偏离目标；权限越高，企业越不敢真正放权。
很多用户后来才意识到，他们真正需要的，并不是一个 " 替自己工作 " 的 AI，而是一个 " 协助自己工作 " 的 AI。
于是，行业开始出现一次明显的转向。
OpenClaw 这一代产品相信：越开放越强、越像人越强、越自主越强。但新一代 Agent 产品开始反过来思考，限制权限、缩小场景、保留人工确认，反而更容易真正落地。
Hermes 开始强调长期记忆和技能复用，不再追求 " 什么都能做 "，而是让 Agent 在固定流程里不断学习用户习惯。Claude Code 则进一步收缩能力边界。它不试图替用户操控整个电脑环境，而是把能力限制在代码场景中，让执行过程更可控、更稳定。
于是，整个行业开始从 "Autonomous Agent" 重新转向 "Human-in-the-loop"。也就是：AI 不再试图完全替代人，而是重新回到 " 协助人 " 的位置。
这种变化，在大厂身上更加明显。
微软开始把 OpenClaw 式 Agent 能力重新封装进 Copilot 体系；NVIDIA 推出 NemoClaw，重点强化企业级安全和权限控制；国内厂商把 " 龙虾 " 改造成钉钉悟空、WindClaw 这类垂直产品，嵌入具体的审批、报表、投研流程。
它们有一个共同点，不再追求 " 什么都能做 "，而是把 Agent 嵌入具体工作流。因为企业真正需要的，并不是一个会随机执行命令、可能误删数据库的 AI 冒险家，而是一个稳定、确定、可审计的数字系统。
某种程度上，OpenClaw 像一台典型的 " 组装机 "。
用户自己找模型、自己配环境、自己调 API、自己修 Bug。它能力强大，却极度脆弱。极客乐在其中，但普通用户很难长期忍受。
这和 iPhone 出现之前的个人电脑时代很像。在那个阶段，技术爱好者热衷于 " 攒机 "，普通用户却只想按下开机键。Agent 行业今天也正处在类似节点。
人人都已经意识到，AI Agent 会是下一代重要的人机交互方式。但大多数人并不想 " 养虾 "，他们真正想要的，是一个已经被封装好的产品。
OpenClaw 用几个月时间，让整个行业提前看到了一件事，AI Agent 的未来，未必属于最自由的系统，而更可能属于那些最稳定、最安全、最容易被普通人使用的系统。
