陈财猫说他的龙虾能赚钱时，我正在看账单发呆
陈财猫说他的龙虾已经能自主赚钱的时候，我悄悄的看了一下自己账单上"今日消耗：$47"。
上个月的事，我的第一台OpenClaw部署在Mac mini上，跟着网上教程一步步配好的。最近我又花了3000块买了一台二手MacBook Air M2，养了第二只龙虾。
两只虾，不同的分工。但问题是：它们都在烧钱，却还没开始给我赚钱。
最开始我用了Claude 3.5 Sonnet，心想"先试试水，行了再升级模型"。结果搞了几天，我的虾连一个完整的爬虫任务都没跑通——不是因为模型不够聪明，是因为我还不知道怎么问问题。
陈财猫的原话是："觉得龙虾不好用，要么是没买MacBook Air，要么是没用最好的模型，要么说明你菜。"
三条我当时全占了。
两个Mac，两种分工
现在我的分工是：
Mac mini上的虾：跑定时任务，7x24在线，不折腾
MacBook Air上的虾：跟着我到处走，处理临时任务，随时测试响应
陈财猫说"不是所有的地方都叫家"，我现在理解了。Mac mini是"家"，稳定但固定；MacBook Air是"随身公寓"，走到哪带到哪。
但硬件配齐了，问题还没解决。
模型没有平替，贵是唯一缺点
我用的是Claude 3.5 Sonnet，因为Opus太贵——输入$15/百万token，输出$75/百万token。
但Sonnet的问题是"差不多就行"。让它写个爬虫，它能跑，但异常处理没写、日志没打、反爬策略没有。我得一遍又一遍地跟它说"这里加个try-catch"、"那里加个sleep"。
一个10分钟能做完的任务，来来回回折腾一小时。Token烧了，时间也没省。
陈财猫的原话是："Claude Opus 4.6没有平替。好的东西只有一个缺点，那就是贵，非常贵。"
他每天烧一亿个Opus 4.6的token，外加十来亿配合工作的低级模型。按他的用量，一天就是几百美元。
但他补了一句："但是你可以从一些'别的'地方弄来粮食。"
我现在开始理解这句话的意思了。硬件投进去了，模型如果不跟上，就是在浪费硬件的钱。MacBook Air的3000块是一次性投入，但每天$47的Token消耗是持续成本——如果产出配不上投入，那就是纯亏。
狗资本家的自我修养
陈财猫抛出一个概念：用OpenClaw的人，人人都是狗资本家。
什么意思？你雇佣了一个24小时在线、随叫随到的实习生，但你得按Token付费。它每写一行代码、每查一次资料、每生成一段文字，你都在烧钱。
如果你让它干的事价值10块钱，你烧了20块Token，那你就是纯纯的大冤种。
但反过来，如果你让它干的事价值1000块，你只烧了50块Token，那你就是成功的资本家——榨取了剩余价值。
我现在有两只虾在跑，每天合计烧$50-60。但问题是：产出还没跟上。
陈财猫的答案是：Agent Skills is ALL YOU NEED.
三步走：
第一步：跟着AI把第一次任务的完美结果跑通
不要上来就撒手不管。第一次任务，你跟在旁边看，它每一步操作你都盯着。这个过程极其痛苦，但这是必要的磨合期。你在教它"什么是对的"，它在学"你想要什么"。
第二步：沉淀为Skills
第一次跑通的完美流程，要把它拆解成可复用的组件。数据怎么获取、怎么处理、怎么输出，每一个环节都要标准化。写成Agent Skills，下次直接调用。
第三步：执行n次
Skills沉淀好了，日常任务就是自动化运行。你每天只需要发一条指令，虾自动调用Skill链，几分钟后结果发到你邮箱。
我现在正在从第一步往第二步过渡。Mac mini上的虾沉淀了一些定时任务的Skills，MacBook Air上的虾还在磨合期——跟着我到处跑，处理各种临时需求，但还没形成可复用的套路。
大模型不是机械，是动物
陈财猫说了一个让我反复琢磨的观点：大模型更像"动物"，而不是"机械"。
作为概率模型，大模型执行任务天生有随机性，不是每次都能做好。同样的任务，今天跑和明天跑，结果可能不一样。有时候写得更好，有时候更差。
我一开始不能接受这个设定。我以为AI应该是稳定的、可预期的、像程序一样输入A就输出B。
但现实是：它会犯错，会随机，会"有自己的想法"。
陈财猫的比喻很形象：人类也不是每次都能把事情做好，对吗？
我花了很长时间才学会接受这种"不确定性"。现在的做法是：同一个任务让虾跑三遍，选最好的结果。或者把任务拆得足够细，每一步都可以快速验证。
换个角度想，如果虾是个实习生，你不会因为它一次没做好就开除它。你会耐心教它，纠正它的错误，给它时间成长。
龙虾也一样。
要么说明你菜
陈财猫的三条铁律，最扎心的是最后一条：要么说明你菜。
什么叫"菜"？
不是不会写代码，不是不会配环境，是你不知道怎么问问题、怎么拆解任务、怎么沉淀经验、怎么判断产出好不好。
我前两周的状态就是"菜"的典型：扔一个任务给虾，它给我一个结果，我看着结果叹气，然后再花20分钟跟它解释哪里不对。来来回回折腾一小时，Token烧了，时间也没省。
现在两台Mac配齐了，但真正的门槛才开始显现：硬件花钱就能解决，模型花钱也能解决，但"水平"这件事，花钱买不到。
陈财猫在分享最后提到了Paul Graham的《Taste for Makers》。
他说：管理是一种很高的要求。如果你不能提出正确的问题，找到那个"做一件事比做一百件其他事还要重要"的那件事，你就是一个失败的管理者。你要对产出物好不好有基础的判断。
这才是OpenClaw真正的门槛。不是技术，不是配置，是品味。
写在最后
我现在每天烧$50-60 Token，两台Mac的投入已经花出去了。虾还没开始给我赚钱，但我已经开始看到曙光——一些重复性任务正在沉淀为Skills，一些自动化流程开始跑起来。
陈财猫说的三条铁律，我正在一条一条地补齐：
MacBook Air买了 ✓
Opus 4.6在考虑升级中
水平？还在修炼
那场分享我记了很多笔记，但印象最深的是这三句：
1. 觉得龙虾不好用，要么是没买MacBook Air，要么是没用最好的模型，要么说明你菜。
2. Agent Skills is ALL YOU NEED.
3. 人人都是狗资本家，关键看你能不能榨取剩余价值。
我现在每天还在交学费，但已经开始有产出了。虾不再是那个"装了不知道干嘛"的摆设，而是真正能干活的实习生——虽然还需要我手把手教，但至少它开始给我省时间了。
时间，也是钱。
你现在养了几只虾？每天烧多少Token？ROI算得过来吗？评论区聊聊，看看你是资本家还是大冤种。