互联网养虾人尝到的甜头和苦头

admin 2026-4-16 03:27 28人围观深度

小鹿向新莓回忆起不久前的一场AI小事故，仍然心有余悸。小鹿在北京一家媒体负责运营，一个人管理着三个账号。她对没有用上AI智能体之前的生活有一个精准的形容，「每一项工作都不难，但加在一起就是搞死人。」刷信息 ...

小鹿向新莓回忆起不久前的一场AI小事故，仍然心有余悸。

小鹿在北京一家媒体负责运营，一个人管理着三个账号。她对没有用上AI智能体之前的生活有一个精准的形容，「每一项工作都不难，但加在一起就是搞死人。」刷信息流找热点、汇总写文案、配图发布、回复评论……每天循环往复，停不下来。

「龙虾」的出现，一定程度上让她从这种琐碎和重复中解放出来，但同时也给她带来灾难。

前段时间，小鹿养的「虾」追了一个敏感热点，自动发出去了，结果触发「无形的手」干预，当天不仅帖子被删，账号也被限流三天。

小鹿不是个例。养一只「虾」，正在成为越来越多打工人的常态，因此也产生新的日常开销，甚至新的风险和成本。

国盛证券研报数据显示，中国整体日均Token消耗在2024年初仅为1000亿，到2026年3月已突破140万亿，两年多时间增长了超过1000倍。

而根据IDC预测，中国活跃智能体数量将在2031年突破3.5亿，年复合增长率高达135%以上，伴随任务密度与复杂度提升，智能体Token消耗将迎来年均超30倍的指数级跃升。

Token，也正成为继流量之后，又一项悄悄进入生活成本的基础支出。

而这只横空出世的「龙虾」，究竟会成为打工人的效率杠杆，还是食之无味弃之可惜的新型吞金兽?

养虾的甜头和苦头

年前，旁听了一场业内关于AI应用的分享后，小鹿和同事在老板的号召下，试着搭建了一套小红书自动化链路。

给「虾」一句话指令，它自己去追热点、写文案、做封面、定时发布。「早上起来直接审稿就行，不用自己泡在信息流里了。」小鹿告诉新莓，这套流程解决了她日常工作大概七成的重复劳动，剩下的三成卡在封面上，「AI生成的图总跟文案差点意思，而且平台对AI图有限流，所以还是得自己经手再过一遍。」

「虾」是AI智能体在用户圈子里的通行叫法。

与普通AI对话产品不同，它能自主规划任务、调用外部工具、自动执行完整的工作流，不只是回答你的问题，还替你把事情做完。

2026年初，OpenClaw的出现成为这波热潮的重要引爆点。这款可在用户自有设备上运行的个人AI智能体助手一经推出即在全球广受欢迎，GitHub星标数在极短时间内飙升登顶，超越了React、Linux等历经数十年积累的开源传奇。之后国内开始出现各种「虾」同类或变种。

数字足以说明这场热潮的体量，背后则是职场打工人对「养虾」无法抵挡的热情。

独立开发者陈博一个人负责维护好几个项目，有些代码因为年代久远没时间重构，但放着又心神不安，总担心不知什么时候就卡BUG了。「重构要整块时间，但整块时间永远挤不出来。」

浪潮来临，陈博养了一只专门用于解决工作问题的虾，把重构任务拆碎扔给虾，「它能读写文件、执行Shell命令、SSH到其他机器，跟我自己在终端里能干的事基本一样，我早上来看结果、审代码、做决策。」

而且他让这只虾专门在夜间工作，原因很简单，「闲时Token省钱，还不卡。」

如果说陈博养的是一只「实习程序员」，那上海的产品经理林然则给自己养了个「实习分析师」。以前，林然每个周末都要加班，花上几个小时，刷遍知乎、小红书和应用商店的评论，手动筛选出提到竞品的内容，整理成报告，以便在周一例会上向老板汇报。

现在，他让「虾」每天早上自动跑一遍，把结果总结成简报推送到飞书，他只需要做最后的审核。「之前都得靠自己收集整理，但现在自己只需要审核AI整理的结果即可。」林然坦言效率提升巨大。

同样在上海，私募研究员张恒则用「虾」来盯盘和筛选研报。他白天忙于开会和见客户，无法持续监控市场，过去完全被动地依赖微信群里的信息流。现在，每天都会有一套定制化的市场信息简报定时推送给他。

四个人，四种用法，但交给「虾」的活儿却高度一致，多为重复的、格式化的琐事。正如麦肯锡2025年全球AI调查显示，AI真正大规模渗透的场景，集中在流程清晰、标准化程度高、数据充分的领域。上述几位养虾用户，无不如此。

然而，「虾」也不是那么好「养」的。

小鹿遭遇AI事故之后，意识到「全自动发布风险太大。」她现在改成先把生成内容写入文件夹，人工审完再发，「宁可多一步，不然连主号都得搭进去。」

林然踩的坑则是「信任过头」。

有一次他让「虾」整理一份竞品功能对比，输出的内容看起来条理清晰、论据充分，但有两个核心功能点竟是AI「幻觉」出来的，竞品根本没有。「我直接把报告发给了老板，好在我发现纰漏时老板还没认真看报告，不然得当场社死了。」从那以后，他给自己立下铁律，所有对外报告，涉及具体功能、数据和引用，必须人工进行二次核对。

张恒虽然自己还没踩过坑，但一个发生在同事身上的案例，让他当即就去重新检查了自己的所有配置。

他的同事当时给「虾」的指令是「检查收件箱，给出存档或删除的建议，但在我批准前不要执行任何操作」，但因为邮箱信息量过大，触发了AI的上下文压缩机制，「虾」把那句关键的「未经批准不得操作」忘掉了，开始无差别地删除邮件。

听闻此事后，张恒至今仍然后怕。他第一时间把自己的配置翻了一遍。所有删除、发送、修改类操作的权限全部关掉，虾只能读取和整理，不能主动执行写操作。

在这些「调教」过程中，其实都指向一个所有养虾人必须接受的现实，即养虾的前期成本，远不止金钱。

养虾之前，先算账

先从一个最简单的动作说起，一句「你好」大约消耗1.2个Token，开支不到1厘钱。

这个数字看起来微不足道，但当「虾」开始自主执行一个囊括读取文件、搜索信息、分析结果、生成报告的多步骤任务，便可轻松消耗数万乃至数十万Token。财新曾报道，一只「勤奋的虾」，每天的Token开销可以轻松达到数百元。

陈博掰着手指算过自己的账:「月均开支稳定在两三千，高频月份冲到四千出头。模型API占大头，其次是云服务器的算力费用，硬件折旧还没算进去。」但他对这笔钱的态度很坦然:「如果请实习生，最少三千块，还得花时间带。虾不用带节约沟通成本，甚至白天黑夜都能干。」