终于可以在微信养龙虾了！附一手体验

“养龙虾”的风终于吹到了微信！

智东西3月12日报道，腾讯正在内测一款基于OpenClaw开源生态打造的桌面Agent产品——QClaw。用户下载安装后，即可一键在本地电脑部署Agent，并通过聊天指令操控电脑执行任务。

更有意思的是，QClaw直接接入了微信。

用户完成扫码关联后，就可以在手机微信里给自己的电脑下达指令，例如整理文件、执行自动化任务等。指令会以“QClaw客服消息”的形式返回执行结果，相当于把一只常驻电脑的AI助手，放进了微信聊天窗口。

▲微信PC端（左）与微信手机端（右）

除此之外，QClaw还预置了多个典型使用场景，包括远程操控电脑文件、手机远程办公、社媒自动运营、GitHub项目自动开发等任务。

在模型能力上，系统默认采用混合路由方案，可自动调用DeepSeek、Kimi、MiniMax等国产主流大模型，目前token处于免费阶段。用户也可以选择自定义模型，通过API Key接入千问、混元、豆包等模型。

QClaw产品负责人舒昱透露，这个产品从0到1策划到上线，只花了两周时间。她还在社区自嘲称自己“差两个月就是00后”，希望把OpenClaw原本偏开发者的使用方式，做成普通用户也能上手的产品形态。

与此同时，腾讯的“龙虾矩阵”也开始逐渐浮出水面。就在近日，马化腾在朋友圈透露，腾讯正在布局自研龙虾、本地虾、云端虾、企业虾、云桌面虾、安全隔离虾房、云保安、知识库等一整套产品体系，“还有一批产品陆续赶来”。

我们也拿到了QClaw的邀请码，并第一时间体验了一番。

一、查天气只是开始，它顺手把邮件系统也搭好了

开始体验时，我先给QClaw布置了一个生活化的小任务：查一下北京海淀区明天的天气，然后每天晚上20点50分给我发一封提醒邮件。

这个任务其实涉及一整条工具链调用：先用weather skill获取天气信息，再通过imap-smtp-email skill发送邮件，并创建一个定时任务持续运行。

QClaw接到任务后，很快开始执行。它先查看本地技能配置文件，确认系统中已经存在weather相关能力，然后直接调用天气接口抓取数据。

很快，一份整理好的天气报告就生成了出来，同时还带上了穿衣建议和出行建议。

接下来轮到发送邮件的环节。QClaw在检查环境时发现，本地并没有安装imap-smtp-email插件，于是主动去查找可用技能。很快，它在ClawHub中找到了对应插件并完成安装，然后继续执行任务流程。

安装完成后，只需要配置邮箱SMTP授权，我在163邮箱后台生成了一串SMTP授权码交给它。

QClaw完成配置后，立刻发送了一封测试邮件。不久之后，我就在邮箱里看到了这封“明日天气提醒”，内容已经整理成一份结构化报告，包括相关的细节信息。

确认邮件发送成功后，QClaw又自动完成了最后一步——创建定时任务。系统生成了一条新的任务：每天20点50分发送天气提醒，并在本地workspace目录中生成了对应脚本，用来执行这项自动化流程。

整个过程下来，从查天气、发现缺少插件、自动安装技能，再到发送邮件、创建定时任务，基本都由QClaw自己完成。从今晚开始，我每天都会在固定时间收到一封自动天气提醒邮件。

二、人在微信，电脑干活：三个小任务测试“远程操控”

接下来，我试了试QClaw另一个更有意思的能力——直接通过微信操作电脑。

在完成关联后，手机上会出现一个QClaw的“客服对话”。之后，只要在这个对话框里发指令，就可以远程操控本地电脑。

我先给它安排了一个很简单的小任务：帮我搜集电脑里所有图片，并统一整理到一个文件夹。

消息发出去后，QClaw很快开始扫描本地文件系统。它先在桌面、下载、文稿、图片、系统库以及微信缓存等多个目录中搜索图片文件，同时自动过滤掉系统缓存和表情包等无关内容。

很快，桌面上出现了一个新的文件夹——“图片汇总”，里面集中放着电脑里找到的图片。

同时，QClaw还给出了一份统计信息：这次一共找到7个图片文件，总大小约5.5MB，其中PNG文件5个、JPG文件2个。原始文件保持不动，只是统一复制整理到了新的目录中。

接下来我给它安排了第二个任务。桌面上有一批简历，我让QClaw：提取姓名、电话、性别、应聘岗位和毕业院校，并整理成一张招聘统计表。

几秒之后，桌面上多了一份新的Excel文件。打开后可以看到，QClaw已经把所有简历信息整理成标准表格，包括姓名、性别、电话、应聘岗位和毕业院校等字段。

▲简历信息均由AI生成

不仅如此，它还顺手生成了一份简单的统计分析。比如在这批简历中，女性8人、男性7人；岗位分布上，“新媒体运营实习生”“销售代表（媒体广告方向）”和“公关记者”并列最多；在联系方式方面，10人留下电话、5人没有填写。同时，毕业院校类型也做了简单分类。

第三个任务我把难度再往上提了一点。桌面上有一个“报销”文件夹，里面包含发票和行程单。我给QClaw的指令是：整理一份标准的差旅费报销表，并把发票和行程单信息进行匹配。

QClaw很快读取了文件夹里的材料，并在桌面生成了一张新的报销表。表格里每一行对应一笔交通费用，发票金额和行程金额已经自动匹配，费用类型也统一标注为“打车费”，并计算出了总金额。

整个过程里，我始终没有打开电脑操作，所有任务都是在微信对话框里发一句话完成的。从整理图片、分析简历，到匹配发票和行程单生成报销表，QClaw直接在本地电脑上执行任务，再把结果同步回来。

某种程度上，这种体验有点像在微信里“遥控”一台电脑。

三、一句话让它写代码、建仓库、提PR

第三个测试，我把难度直接拉满。这一次，我尝试让QClaw完整跑一条开发流程。

我给它发了一条指令：你是我的GitHub助手。请以“AI智能清理重复照片”为创意，用隔离浏览器自动完成：创建GitHub仓库、生成代码、提交代码并创建PR，最后把执行简报发到邮箱。

为了让流程能够顺利跑通，前面需要做一点简单准备：本地安装Homebrew、安装GitHub CLI，并登录GitHub账号。完成这些基础配置后，剩下的流程基本就不需要再人工介入了。

指令发出后，QClaw很快开始执行任务。

首先，它在隔离浏览器里创建了一个新的GitHub仓库，命名为ai-duplicate-photo-cleaner。随后，它在本地workspace目录里生成项目结构，包括README、Python主程序以及依赖文件。接下来，代码开始被自动写出来。

代码生成完成后，QClaw继续往下执行：初始化Git仓库、创建分支、提交代码，然后把项目推送到GitHub远程仓库。整个过程里，本地终端的执行记录也同步在任务日志里滚动更新。

没过多久，我的GitHub账户里就多出了一个新的仓库。项目结构、代码文件和README都已经准备好，还附带了一个提交记录。

▲项目地址：https://github.com/zz991-44/ai-duplicate-photo-cleaner

这个项目的核心逻辑是通过dHash图像哈希算法识别重复或相似图片，对文件进行扫描和比对，并输出清理报告。README里还自动补充了功能说明、安装方式以及使用示例。

从创建仓库到写代码，再到提交版本，整个流程几乎是一气呵成。如果把前两个体验理解为“让AI帮忙干活”，那这一轮更像是把一个完整的软件开发流程交给Agent去跑。

更有意思的是，这种流程也在改变创作方式。很多时候，人只需要提供一个想法，比如“做一个AI清理重复照片的小工具”，剩下的代码实现、仓库搭建、文档生成甚至提交记录，都可以交给Agent完成。项目一旦上线，就能直接出现在开发者社区，被别人使用或者点Star。

某种程度上，创意本身就变成了一种可以快速生产的资产。

结语：微信直连了一台“会干活的电脑”

如果只看功能，QClaw做的事情并不复杂：远程操作电脑、自动执行任务、跑一条完整的开发流程。但当这些能力通过微信连接之后，体验的感觉会有些不同。

过去很多Agent产品的入口在浏览器、终端或者开发环境里，普通用户很难长期使用。而QClaw把指令入口放进微信聊天框之后，电脑就像变成了一台可以随时被调度的机器——人在手机上发一句话，本地电脑开始干活，任务完成后再把结果发回来。

某种程度上，这也让“养龙虾”这件事多了一层现实意义。Agent化身成长期在线的数字助手，可以持续接任务、跑流程、交结果。

如果这种形态继续发展下去，未来很多自动化工作流，可能都会以类似的方式存在：人在微信里发一句话，背后是一整台电脑和一群Agent在执行任务。