3月和各种龙虾搏斗的经验

本文来自微信公众号： 嬉笑创客 ，作者：CB

我是一名重度数据工作者，日常需要处理大量的本地文件、测试各种想法、分析结构化的数据。在编程学习上，我只知道大意原理却始终难以记牢具体的函数语法，因此十年来屡屡半途而废。直到有了Cursor终于开始大量尝试编程处理数据。但整个工作流的丝滑度提升和真正感受到生产力跃迁，还是在使用了Claude Code之后，让人有“对了是这样”的感觉。

OpenClaw最早也脱胎于Claude Code。

后者基于命令行交互，虽然我在cursor上面开terminal运行，假装有个界面。但其智能化程度已初具AIOS（AI操作系统）的雏形。相比之下，套上IM（即时通讯）外壳的龙虾更符合人类交互天性。这种感觉就像当年在DOS后构建起Windows 95的图形界面交互，更符合人性，效率不可同日而语，让个人电脑产生了大跃进。

国内各家都在拼命推龙虾，颇有当年deepseek配万物的感觉。所有非openclaw的衍生版本大体可以分为云端龙虾和本地龙虾。云端龙虾的体验整体一言难尽。

比如，比较拉胯的产品MaxClaw。其完全基于云端的特性，使得它对本地文件束手无策。既然无法触达本地，就必须具备充足的线上数据源和极强的信息搜集能力，但遗憾的是，公网数据抓取不够准确详尽，每次回复抠抠搜搜，远不如专注搜索的Perplexity；抓特定网站整天被反爬限制。

连kickstarter都攻陷不了。

我自己复制黏贴给你分析，我谢谢你。

信息搜集时常“偷工减料”的问题很严重。时效性尚可，却不愿输出详尽深入的分析，像极了一个应付差事的实习生。

让它每小时跑一遍增量信息并判断是恶化还是好转，结果经常罢工，还异常简略。最后一次更新停在半夜，而且昨天2艘船被击中是一没次提及。

因为认证原因，它也无法通过API批量抓取大量结构化数据，目前基本是个残废体。

云端工具普遍存在一个痛点：即便你提供了Token，调用API接口时也极易触发IP封锁问题。

以量化圈常用的Tushare为例，我购买了年费会员并配置了完全版Token，但由于云端工具的出口IP动态变化，导致数据根本无法抓取；万得（Wind）等本地终端更是不必多言，东方财富等平台的API对其也大多处于封锁状态。

还有个致命问题。最好的雅虎finance免费接口对中文互联网是关闭的。。。下面是Claude Code上跑的，但云端不行，因为某个原因。

我也试用了飞书自己的龙虾，至少在信息搜集与整理上，它表现得更勤奋、更愿意输出长信息。但你细看还是会发现，油价的信息不够更新，因为没接可靠数据源。这有点像你让实习生去更新英伟达的财务模型并分析变化，他去百度了一下别人写的分析结果和你汇报一样。

而这些国内龙虾又没法获取最新最快的有效新闻。老牌工具反而更好用。下面这个东西叫google news

这引出了一个关键点：评价agent输出结果时，往往缺乏客观标准。“偷懒”是人的天性，但这些按用量计费的云端龙虾竟然也学会了偷懒，实在令人百思不得其解，可能是因为还没真正收费。

以前的Chatbox多采用固定月费或年费制，平台有动力让模型“偷懒”以节省成本（输出变短、智商下降），而用户端感知并不明显。现在明明可以通过多输出Token提供完善结果来提升用户满意度，产品逻辑却还没转过弯来。

腾讯的Workbuddy也有类似问题，显得不够智能。它虽然接近本地化版工具，拥有处理本地文件的权限，但在Windows环境下，面对复杂的本地库和环境依赖，它的“大脑”显然超负荷了。我让它打开一个Word文档，它折腾了十几分钟，尝试了各种路径、写了各种Python代码层层“造轮子”，最后才恍然大悟如何打开；而一旦新开对话，它又忘得一干二净。这确实还只是个半成品。

他为了打开一个docx文件自己玩了10分钟。像一个很勤奋但没受过实操训练的实习生。后面还有十几步。如果不是看它满头大汗的样子而且还没收费，我都会怀疑是的士司机在故意绕路烧我token。未来对于用户还真是盲盒，需要token审计计量的服务商，也是个第三方工具的机会。

另外，前天wechat article search这个技能是存在的，但是现在找不到了，可能内部还没讨论清楚要不要开放出独特的宝藏资源：公众号体系。但TX再不运营好公众号可能以后这也变成荒地了。

我还发现了一个有趣的现象：当同样的“灵魂”（大模型）被封装进不同的“身体”（工具）时，其智能表现天差地别。

我的Claude Code背后由Minimax 2.5驱动，Workbuddy我也选了Minimax 2.5，但两者判若云泥。比如处理文档，Claude Code起初也会遇到环境配置问题，但它能迅速理顺路径、装好依赖，后续一直稳定运行。

可以理解为，在AIOS时代，“灵魂”与“身体”是两层皮。模型厂商未必能做好上层应用，而真正的应用能力在于如何将其打造成方便、易用的产品。在这方面，Claude明显更胜一筹。

我曾对比过直接让Claude Code“人工”根据文件名将文件分类，与写脚本调用大模型去识别，背后的驱动同样都是Minimax 2.5，但效果截然不同。Claude Code的识别率和准确度高出太多，而将文件名喂给Minimax则大幅降智，甚至会将典型的中国公司误认为美国公司，或将日韩公司识别为地缘政治内容，让人心累。

每个月收到的几千个文档会用Claude Code来进行分类：

我做一些大胆的展望：如果云端工具不能解决接入各种数据源的问题，很快就会退潮。反之，若能成为集成各种数据来源的“数据终端”，整个产业将迎来巨变。

过去的数据是给人看的，或是给固定终端用的；未来，数据必须开放接口给Agent，甚至是运行在云端的Agent，并提供极其灵活的打通方式。双方是互需关系：Agent需要数据来丰富自己的能力，数据服务商需要通过Agent获得新用户。这甚至有蚕食万得（Wind）等传统金融终端客户群的势头。

同花顺反应很快，你猜明天市场会什么反应。

目前量化界常用的Tushare等还不支持云端Agent（受限于IP变动），我只能在自己本地Claude Code上跑。我相信这种需求迟早会爆发。

不仅是专业数据商，搜索服务商亦然。

Tavily此前被并购便是一个信号，大家都意识到，谁能把Agent的联网搜索做好，就是一桩巨大的功德。我记得云启资本投过类似的公司，陈昱大哥还是很有远见的。

为了迎接Agent时代，整个互联网的基础设施恐怕都要重新建设翻新一遍。