数字龙虾走出对话框，我们在南京看到从野生到精养的进化路径

当 AI 的浪潮从对话框涌向执行端，一个全新的生产力物种——AI Agent（智能体）正以破竹之势重塑自动化版图。

从去年的 DeepSeek 重磅亮相到以 Manus 为代表的 Agent 生态崛起，如今又迎来 OpenClaw 强势席卷全球开源社区，AI 智能体正以肉眼可见的速度打破技术壁垒，走进大众视野、落地产业场景。

这只由奥地利程序员打造的“数字龙虾”，在 GitHub 平台狂揽 28 万星标，短短百天便超越 Linux 三十年的积累，创下开源界传奇；腾讯、阿里、字节等科技巨头全面布局加码，各地政府接连出台“龙虾十条”政策扶持，无数应用开发者、数字游民、创业团队更是从中窥见了全新的发展机遇，让智能体产业的未来充满无限想象。

热潮之下，隐忧亦随之而来。随着开源项目漏洞陆续曝光、国家互联网应急中心发布安全风险提示，智能体生态的安全隐患愈发凸显；与此同时，“部署易、落地难”的现实困境横亘在前，不少开发者耗费精力搭建后，却难以挖掘其真正价值，算力成本高、执行能力弱、场景适配差等问题亟待破解。狂热的技术风口与严峻的现实挑战并存，如何让“数字龙虾”摆脱野蛮生长，实现安全可控、高效落地、持续进化，成为了每一位先行者必须回答的命题。

3 月 15 日，由 DeepTech 携手栖霞科发集团发起的“龙虾进化论：南京养虾人线下活动”在南京栖霞区成功举办。本次活动吸引了 200 多名 OpenClaw 深度用户、科研力量与创业先锋，共同探讨了在政策窗口期与安全警报双重背景下，AI Agent 如何实现从“野蛮生长”到“安全精养”的进化。

（来源：DeepTech）

DeepTech 联合创始人李航在介绍中提到，以 OpenClaw 为代表的智能体技术正脱虚向实，拥有清晰场景的应用越来越多。Agent 的快速发展催生了生产关系的变革，创业模式也被颠覆。DeepTech 致力于搭建此类深度交流平台，连接高校科研与创业一线，共同推动“新技术”从实验场景游向广阔的产业池塘。

此次活动的举办地栖霞区有水质优良的“产业池塘”（园区载体）、有庞大的“餐饮消费市场”（应用场景），更贴心配套了“饲料和动保服务”（政策与资本）：栖霞区已设立规模 50 亿元的母基金，并布局覆盖不同产业方向、全投资阶段的子基金体系，精准聚焦前沿赛道，为不同阶段的科创项目提供全周期资本支撑。

实战进化：从“赛博员工”到百倍效率革命

在“如何养虾”的实战层面，嘉宾们展示了 AI Agent 如何进化为具备高度执行力的“数字员工”。

AI 编程独立开发者、工信部人工智能高级应用工程师莫循分享了由其自主构建的数字团队，由 AI“大总管”小莫领衔，涵盖代码、文案、财务等职能。他指出，作为需要兼顾多项事务的独立开发者，通过“养虾”构建 AI Agent 团队，能将繁琐重复的工作自动化，每天为自己节省 3-4 小时，从而让人回归核心的项目设计与战略思考。

在莫循看来，Agent 与传统 AI 工具的区别在于“执行闭环”。他通过引入“灵魂文件”赋予 AI 固定的人格认知，并构建“共享知识库”打破信息孤岛，使多个 Agent 能协同完成复杂工作流。针对部署，他建议新手从细化任务粒度、处理重复性工作入手，利用成熟生态进行尝试。他强调，“养虾”本质是人机协作的进化，让 AI 负责执行，让人类专注于创造。

南京大学机器人与自动化学院博导孙宇祥则分享了一个让其深感震撼的案例：过去需硕博团队耗时数月的经济政策推演模拟器，利用 OpenClaw 多智能体协作仅 2-3 小时便高质量完成。孙宇祥强调，这种百倍级的效率提升将重塑科研范式。针对部署，他提倡“沙箱隔离、最小权限”原则，并建议采用不同水平模型处理不同难度任务的“组合拳”策略。

图 | 孙宇祥（来源：DeppTech）

进阶治理：给“数字龙虾”加装安全与控本护栏

随着智能体接入权限的扩大，安全水位与运行成本成为了开发者面临的两大“深水区”。

针对安全防范，复旦大学网络战略研究所副所长洪赓带来了“OpenClaw 使用中的安全风险与防范”深度分享。他直言，当前的智能体生态正处于“蛮荒生长”时代，安全水位令人担忧。通过现场演示的 POC（概念验证），洪赓展示了攻击者如何在极短时间内通过一条消息远程监控智能体甚至操控摄像头，以此警示开发者：安全威胁近在咫尺。

他提出对待智能体安全的认知必须发生根本转变，并介绍了团队推出的“检测+修复一体化”安全助手。该助手主打核心代码可审计与隐私无损，支持一键扫描与漏洞修复。他建议开发者，在安全技术进场前，必须做好私有数据切割与环境隔离。

南京大学计算机学院助理研究员李猛则针对“烧钱”和“失控”两个痛点提出了解决方案。他指出，Agent 成本的罪魁祸首在于上下文的重复打包。为此，他展示了“让弱卡跑强模型”的解决方案：通过递归拆解任务，将简单推理卸载至本地小模型，仅将核心步骤传至云端，从而大幅降低 Token 费用与延迟。

在安全层面，李猛提出了“行为审计智能体”架构，即部署一个独立的小模型作为“审计员”，实时监控主智能体的执行计划，确保其行为不出格。

图 | 李猛（来源：DeepTech）

生态破界：重构超级入口与科研自动化范式

在未来的产业布局上，嘉宾们将目光投向了更广阔的技能分发与科研深水区。

蔡可豪是一名大学在读的创业者，他最近推出了一款为 Agent 提供基础设施能力的产品 Taste。他指出，当前 AI Agent 普及的痛点不在于模型能力，而在于高门槛的技术配置（如 API、MCP Server 等），导致普通用户与强大功能之间存在“最后公里”的断层。

他将其创业项目 Taste 定位为“Agent 时代的推荐引擎”。Taste 能够识别用户身份（如开发者、企业主或科研人员），并精准推送其所需的 Skills（技能）。用户无需研读文档，只需“Taste 一下”，智能体便能自主完成技能学习与安装。蔡可豪深信，C 端超级入口不在模型层，而在“技能分发层”，Taste 致力于实现全球软硬件的统一接口。

杭州幻爽科技 CTO、香港中文大学（深圳）博士李佳根则展现了其在 AI for Science 领域的突破。基于 OpenClaw 框架构建的“AI 科学家大军”，已实现在实验室 7x24 小时全自动化科研闭环，产出的论文水平已达博士三年级水准。李佳根预判，未来科研将走向“分布式与普惠化”，年轻科研人员凭借智能体与自动化装备，无需依附巨额经费，也能高效开展前沿研究。

图 | 李佳根（来源：DeepTech）

与会嘉宾在活动中形成了共识：AI Agent 已正式从只会动嘴的聊天机器人，进化为真正动手的数字员工，未来的竞争将不再仅仅是模型参数的竞赛，而是“养虾技术”，即对智能体调优、合规审计及多机协同能力的竞争。一方面，开发者必须告别野蛮生长，将安全审计与成本控制视为智能体落地的生命线；另一方面，无论是在个人办公、商业产品还是尖端科研领域，人机协作将成为标配。

运营/排版：何晨龙