少开发者在社区里分享自己的“龙虾成长记录”，甚至还有人开玩笑说自己每天都在“喂龙虾”。如果只看字面，很容易以为是某种娱乐梗，但实际上，这个说法背后反映的是 AI 使用方式的一种变化：从“工具式 AI”，逐渐走向“陪伴式、持续成长型 AI”。

所以这玩意儿就是目前我仍然不看好AI取代程序员的原因。

这玩意儿真的比程序员便宜吗？不好说。

而且还不可控、不贡献就业岗位（因此得不到税收优惠）、上游养了个根本惹不起的巨头（而不是随便可以欺负的程序员）。

我觉得老板们不傻，就现在这个情况而言把程序员都裁了all in AI应该是不太可能的。

而且你别看现在搞的好像ai百花齐放，很多中小公司也选择部署开源大模型去打磨自己的ai智能体，但是未来如果这玩意真能大规模应用，那头部公司的算力领先一定是断层式的，他们是有议价权的。到最后资本的垄断还是会恢复原来因为ai的爆发而占用的一些人类岗位数量，起码也是一种平衡状态，否则一家独大的情况下，垄断起来就像当年的运营商、烟草，他们说啥就是啥

用户不只是给它一次指令，而是持续给它任务、数据、反馈，让它逐渐形成某种稳定的能力结构和行为风格。于是很多人就用“养龙虾”来形容这种过程：一开始可能很“弱”，但随着时间推移、不断喂数据和任务，它会慢慢变得越来越聪明。

从技术角度看，这种变化其实和 AI Agent 架构的流行有很大关系。传统 AI 工具往往只调用一次模型推理，而新的 agent 系统会把多个能力组合在一起，比如任务规划、工具调用、长期记忆、环境反馈等等。一个简单的例子是：让 AI 自己分解任务、查资料、写代码、运行测试，然后再根据结果继续迭代。这种模式下，AI 已经不只是回答问题，而是在持续执行任务循环。

一些平台也开始提供更多支持 agent 的能力，比如长期记忆、工具调用、自动任务链等功能，这些技术让“养龙虾”不再只是概念，而是可以真正落地的应用方式。于是越来越多开发者开始尝试构建自己的 AI agent，有人做研究助手，有人做自动交易系统，还有人做写作和内容生产工具。

不过，从更理性的角度看，“养龙虾”其实也并不是完全替代传统 AI 工具。很多时候，两种模式会长期并存。对于简单任务，比如翻译、写一段文案、查一个资料，传统 AI 工具依然更高效；但对于复杂项目，比如持续研究、自动化工作流或者长期知识管理，agent 形态可能更适合。

ai取代程序员的逻辑应该是让一个程序员能干5个程序员的活，而不是把一个程序员换成一个ai，后者也有可能实现，但是绝不是短期内能实现的，现在很多公司都已经用ai在写代码了，程序员自己都不用写代码，只需要让ai写就行了，效率提升很明显

如果想用OpenClaw，你要知道它花钱非常的大，会消耗大量的token，那些根本不懂任何计算机知识的人会因此花费大量的钱而不自知，安全风险就更不用说了，暴露在外网的端口是一件多么危险的事懂点后端的人都非常清楚

所以OpenClaw符合全世界大模型公司、云服务厂商、能源公司、个人硬件厂商的利益，这些公司加起来有多少声量？科技新闻板块的半壁江山都是这些。。。。