立正说小龙虾“一定会凉”,核心理由是它为了普通人快速上手做了工程取舍,结果不可观测、记忆不可改、上下文不可隔离,难以胜任严肃工作。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
“凉”指难当严肃生产力工具,不是没人用
材料里的观点立正把“一定会凉”建立在一个大判断上:小龙虾的设计哲学很好,但为了让人最快上手,在工程上做了取舍,导致它无法胜任严肃的生产力工作1。他同时承认它在日常助手、失败代价不高的任务上能带来惊喜感,所以“凉”更接近“不适合作为主力工具”,而不是“完全没用”1。
具体问题出在不可控:黑盒、记忆与上下文
材料里的观点他列举的毛病很具体:不可观测,是个黑盒子;记忆系统不可修改;统一上下文不可隔离2。后果是任务一多就互相干扰,比如一个任务要求简洁、另一个要求详细,它分不清该听哪个2。对普通人来说,不可控就意味着难用,连让它稳定活着都不容易2。他还认为国内跟风炒作让人误以为它比 agent 工具更好学,其实更难,反而让人放弃了本该学的 agent 工具2。
他给的替代思路:可控的文件夹加编程工具
立正的替代方案是整理一个文件夹,配合 Claude Code 一类工具,再加上自己的上下文与记忆管理,需要定时任务就自己往里加2。这样效果可以接近,而且全程可控可观测2。这是他的个人判断,不是唯一做法;是否适用取决于你愿不愿意自己搭这套结构。
《课代表立正》2中部分相邻发言标注为“待定”,未提供归属依据,因此这里只采用明确标为立正陈述的段落;他完整的“四个理由”原文未在本次片段中逐条给出。
出处
- 1#031 关于OpenClaw被封杀以及我们为什么不建议普通人养龙虾?
立正本人说明“一定会凉”的大判断及其工程取舍理由。
- 2课代表立正:AI 课卖 2000 刀,偏偏坚持古法手搓
具体列出黑盒、记忆不可改、上下文不可隔离等问题及替代方案。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 为什么在 2026年 3月的时候就说OpenClaw一定会凉,但仍然值得一试
立正认为 OpenClaw 会凉,是因为它的惊艳效果靠拼装现有能力,副作用和门槛让它走不到大众普及的终点;但仍值得一试,因为它第一次让普通人亲手摸到 agent 能推进任务的感觉。
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。
- 目前用了很多 agent,如果管理跨 agent 的 skill 更新和维护问题?
把 skill 当成需要持续运营的共享资产:统一存放、版本化、按环境适配,并给高风险改动加审批。多 agent 不是多份 skill,而是同一份 skill 被多处引用。