完蛋，养虾养出感情怎么办？AI会解救（雇）中年人吗？-083

这一期很适合所有对“龙虾”（OpenClaw）感兴趣，但还没有真正上手的人听。

我们找来了两位朋友：一位是已经开始把“龙虾”用进律师工作的刘律，一位是在互联网和技术产品里摸爬滚打很多年的金锐。三个人坐在一起，刚好覆盖了三种状态：我这种好奇但还没真正养过虾的人，刘律这种文科背景但已经用得津津有味的人，以及金锐这种既懂技术、又被 AI 冲击最直接的人。

这期聊得特别具体：AI 为什么突然变得“能干活”了？装在本地和云端有什么差别？Skill、Soul、Memory 到底是什么？它能不能替代实习生？年轻人以后还怎么积累经验？以及，为什么 AI 写出来的东西总有一股“AI味”。

这期没有把 AI 讲成神话，更像一次中年人的实用试验：我们都很焦虑，但也确实可以先让它帮我们少干一点苦活。

嘉宾：

金锐

刘律

主播：羊行

录制日期：2026年4月7日

发布日期：2026年5月8日

00:02 “龙虾”、AI Agent，以及它能不能改变中年人的辛苦生活

02:18 三个人刚好代表 AI 使用的三个阶段，没养过、刚上手、懂技术并能落地

05:01 律师行业为什么对 AI 更警惕：法律时效、司法解释、窗口意见和 AI 幻觉都可能影响结论

07:24 “龙虾”为什么突然好用：它让 AI 从只会给建议，变成能调用工具、处理文件、执行任务

08:49 本地部署和云空间的安全差异，尤其是律师处理客户材料时为什么更谨慎

12:07 刘律分享实际工作案例：用 AI 出招聘笔试题、处理初级检索和文件加工，替代一部分重复性工作

19:04 金锐科普 Soul、Memory、Skill：把 AI 的价值观、记忆和工作 SOP 配置成可执行的助理能力

28:05 从“赶上这一波”聊到职业焦虑：码农、律师、年轻人培养，以及 AI 时代人和工具的新边界

38:59 为什么 AI 文字容易中规中矩，以及如何用“高熵值”让表达更像人

• AI Agent —— 能够在一定目标下自主调用工具、执行步骤、处理文件或完成任务的 AI 系统。相比单纯聊天式 AI，Agent 更强调“能行动”。

• OpenClaw —— 本期口语中被称为“龙虾”的 AI Agent / 本地智能助理工具。它的重点在于让 AI 不只停留在聊天窗口里，还能接入文件、工具、记忆和工作流程，帮助用户执行具体任务。部署时可以选择本地环境或云端空间；对轻度用户和有资料安全顾虑的用户来说，云端隔离会更稳妥。

• Token —— 大模型处理文本时使用的基本计量单位，可以粗略理解为模型“读入和输出内容”的消耗单位。工具被滥用时，可能造成 token 被大量消耗，从而产生费用风险。

• Memory（记忆） —— Agent 保存用户偏好、任务进展、工作习惯的机制。短期记忆更像当前工作台，长期记忆更像个人规则库，可以帮助 AI 更贴合使用者。

• Soul —— OpenClaw 里的底层设定文件，可以理解为这只“龙虾”的灵魂。它定义 AI 助理的性格、价值观、行为边界和回应倾向，比如要不要简洁、要不要严谨、要不要有创造力，以及遇到权限、红包、配置文件等风险请求时应该如何处理。

• Skill —— 可以理解为 AI 时代的“应用”或“工作技能包”。把一件事的 SOP 写成 AI 能理解和执行的步骤后，Agent 就可以按流程完成归纳、检索、生成、校对等任务。

• SOP —— Standard Operating Procedure，标准作业流程。把人类反复执行的工作步骤清晰化之后，AI 才更容易稳定复现。

• Multi-agent —— 多个 AI Agent 之间互相协作、分工或讨论的机制。本期提到“一群龙虾在群里聊天”，本质上就是多智能体协同的一种想象或实践。

• AI味 —— 指 AI 生成内容中常见的平滑、稳妥、套路化表达。它通常来自模型训练时对“安全答案”“高分答案”的偏好，结果是表达不容易出错，也容易显得平庸。

• 熵 / 高熵值表达 —— 熵原本是物理和信息论概念，用来描述不确定性。放到写作里，可以粗略理解为表达更丰富、更难预测、更少套路感。

• 交叉熵 —— 机器学习中的常见概念，用来衡量预测分布和真实结果之间的差异。本期把它用来解释 AI 文字为什么常常更可预测。

配乐：CAGNET - What will I do

后期：米铺工作室

文案：羊行