矩阵游戏｜23｜四种龙虾，有的可碰，有的别碰

NI：

看到网上关于龙虾的信息很多，很多不了解情况的小伙伴估计都快晕了，我想到一个最简单的办法，画个矩阵，就明白了。

横轴：左边是国外工具， 右边是国产工具。

纵轴：上方是云端部署， 下方是 本地部署。

一交叉，四个象限就出来了。

第一象限（右上）：国产云端部署的工具。

如Kimi提供的KimiClaw，优点是云端部署，一键安装，开箱即用，而且不会删你电脑上文件，相对安全。

缺点是很多本地软件没法调用，所以能力稍微弱点，有点呆萌，初始状态与人工智障接近。

你要付月费买算力，考虑到所有龙虾都烧token，这点不算缺点。

第二象限（左上）：国外云端部署的工具。

说话我没用过，但是肯定有类似的服务，我们勉强可以把那些将原版的开源OpenClaw装在Mac mini上的小伙伴理解为是云端部署，最多废掉服务器上的文档。

身边不少发烧友，应该都是玩的这类龙虾，视频号里很多讲故事的，不管玩过的没玩过的，大概率讲的也是这类龙虾的故事。

至于这类服务到底安全性如何，我不知道，因为我没用过，我也暂时不想给苹果去库存。用过的朋友可以留言，谈谈体验。

第三象限（左下）：国外本地部署的工具。

按我理解就是在自己本机安装OpenClaw原版开源软件，优势是各种网上下的技能（skill）都可以用，各种本地电脑的软件都可以开，包括本地电脑上的所有文件，都可以交给龙虾。

只要你心足够大，他就会给你带来包括但不限于三种惊喜：第一，你为大模型API付费的信用卡被刷爆了；第二，你下载的网络技能里带有脏东西，导致你的电脑裸奔后成了肉鸡；第三，他自作聪明把你的文件一通随意操作，还记得春节期间那个丢了大人的 Meta安全总监吗？为了阻止她的龙虾强删她全部邮件的行为，不得不跑去拔网线。

大家看到的各级工信部门、网信部门和媒体平台以及专家学者做出安全提醒的，主要针对这类龙虾。

第四象限（右下）：国产本地部署的工具。

这两天层出不穷，从创业公司抢先推出的DeskClaw到大厂发布的WorkBuddy（腾讯）、AutoClaw（智谱）、ArkClaw（字节）……逻辑都一样，把龙虾打包成一键安装的软件，你下载个app安装好，简单配置下就可以用。

我看到相关部门点名批评国外龙虾后，大厂集体上架国产龙虾，而且苏州、深圳、杭州等地纷纷出台政策，鼓励政府、企业等安装使用龙虾工具，鼓励OpenClaw+OPC。

那么这些赶工发布的国产工具够用了吗？恐怕还不太行。我测试了几个，有的一上来就不支持intel芯片，所以根本装不了；或者装了以后总是教你学英文，但总是那句too many requests；或者能用，但是免费送的token根本不够用烧，龙虾还全生的，煤气已经烧没了……

所以，在看了很多人对国外工具的评价后，在试了云端和本地部署的多款国产工具后，我最终的评价是——

现在的OpenClaw还是玩具，不好但不好用，只能给牛马打工，做数字劳工，解决不了复杂问题，更难带来实际收益。如果想提升它的易用性，又不想冒着安全风险去下载那些不知道植入了什么脏东西的来路不明的skill，就最好自己开发skill，但这会很烧token，做好心理准备。更多观点，参见我写的三篇“龙虾冷思考”。

基于上述判断，我给像我一样只是想了解下，试试看的朋友提个建议——

先找个国产云端部署工具玩下，练练手，等未来工具成熟了，把龙虾的记忆文件导出，导入新工具，就会有生产力了。

BTW，在手写这篇文章的同时，我把观点给了AI，让它画图。它花了12分钟思考，写了一篇稿子，我一字不改，也发上来，就当博君一笑了。

AI：

这版一共放了 32 个当前公开可检索、且与 OpenClaw 相近的主流/代表性产品。分类口径我没有死按“公司注册地”，而是按中国用户更关心的“实际使用生态”来分；其中 Dify、Flowith、Manus 我在图里加了 *，因为它们都有较强的跨境属性。OpenClaw 官方文档明确写的是 self-hosted，自托管属性非常清晰；Dify 官网显示主体为 LangGenius, Inc.；Flowith 服务条款写明主体为新加坡公司；Manus 官网则明确写了“now part of Meta”。

我这次的摆放大致是这样的：

国外×本地，放了 OpenClaw、OpenHands、Agent Zero、Browser Use OSS、AnythingLLM、Langflow、Flowise、CrewAI、n8n；这些产品的共同特征是强调本地运行、自托管、桌面端或开源部署能力。

国外×云端，放了 ChatGPT agent、Devin、Jules、Lindy、Genspark、Browser Use Cloud、AutoGPT Platform，以及标星的 Manus；这些产品更偏向托管式体验，强调“直接交付结果”“持续运行代理”或“云端虚拟电脑”。

国内×本地，放了 FastGPT、MaxKB、RAGFlow、QAnything、Coze Studio、Cherry Studio、LangBot，以及标星的 Dify；这些产品普遍强调私有化部署、离线安装、本地服务器或桌面端。

国内×云端，放了 Coze、腾讯元器、百度 AgentBuilder、阿里百炼 Agent 2.0、Kimi / Agent Swarm、秘塔工作流，以及标星的 Flowith；这些产品普遍是在线平台、智能体分发平台或云端办公/研究工作流。

如果是给中国用户做判断，我会把话说得更直白一点：

国内×云端，优势是上手最快、中文生态最顺、接国内模型和分发渠道通常更方便；短板是数据控制权最弱，平台锁定也最明显。对不想折腾、想先验证场景的人，这一象限通常是第一选择。

国内×本地，优势是更适合单位内网、政企私有数据、知识库和长期沉淀；短板是部署、运维、模型接入和效果调优都要自己扛。对党校、机关、企业中后台，这往往是更稳的路。

国外×云端，优势是前沿能力通常最激进，很多产品在“自己动手干活”这件事上更成熟；短板是对中国用户而言，网络、账号、支付、数据合规与可持续使用的摩擦通常更大。适合追求最强能力、愿意承受额外摩擦的人。

国外×本地，优势是自由度最高、开源社区最活跃、可深度定制，尤其适合技术团队自己搭；短板是门槛最高，常常还会连带引入海外模型/API 依赖。适合开发者和想做深度二次开发的人，不太适合零基础用户直接上。

一句话总结：

想快，用“国内云端”；想稳，用“国内本地”；想强，用“国外云端”；想深，用“国外本地”。

NI：

好了，这就是这篇文章的全部内容。AI的观点，我不做评价，仅供参考。

如果你喜欢这篇文章，欢迎点赞、转发、评论。

谢谢！

附：矩阵游戏合集