---
title: "他用OpenClaw将10人团队压缩至4人+6个Agent，不是为了省钱"
id: "20260315A06PDO00"
publicationAccount: "非凡产研"
originalPublishedAt: "2026-03-15T20:00:57+08:00"
canonical: "https://ffcap.cn/research/20260315a06pdo00"
source: "https://view.inews.qq.com/a/20260315A06PDO00"
sourceAccount: "https://news.qq.com/omn/author/21759984"
language: "zh-CN"
tags: ["AI Agent","OpenClaw","营销增长","销售与客服","电商零售","办公协作","组织转型","流量与用户增长"]
---

# 他用OpenClaw将10人团队压缩至4人+6个Agent，不是为了省钱

文章中的“非凡产研”是原始发布账号署名，不代表已核实个人执笔作者。引用访谈或圆桌观点时，应按正文标明具体发言人及当时身份；无法确认时不要推断。日期为原始发表日期，历史信息以发布时点为准。

**非凡产研·养虾夜话**

## **为什么他开始把 OpenClaw 当“员工”，而不是工具？**

  

"他在试着把公司，重新发明一遍。"

如果一个人告诉你：  
他春节花 7 天装了一只虾；  
一个月后，这只虾帮他把产品从 0 做到上线；还顺手把原来 10 人团队压缩到了 4 个真人 + 6 个 agent；  
你第一反应大概率会怀疑，这到底是AI真的在干活，还是又一个为了流量打造出来的新故事？

"

但我那天听完整场《养虾夜话》直播后，一直在想，如果有些创业者已经开始把 AI 当员工来管理，那我们是不是还在用“上一代工具思维”理解它？

这才是我真正想写这篇文章的原因。因为 **Ray** 不是在讲“提效工具”，他在试着把公司，重新发明一遍。

  

## **最让我在意的，不是他装了虾，而是他开始“只给目标，不给过程”**

**Ray Luan（栾晓锐）**的经历其实很丰富，曾经是前端工程师，也是连续创业者；做过美股上市公司汽车之家 VP，最近一份工作是在字节跳动从 0 到 1 搭建二手车电商业务。更早之前，他还做过面向中小企业的营销与客服工具，也做过 AI 建站产品，已经积累了几万注册用户和大几千付费用户的出海经验。也正因为这样，当他开始聊 OpenClaw 时，我会更在意——他看到的不是一个好玩的 AI 工具，而是一套可以重新组织生产、重写分工方式的系统。

春节前，他买了一台二手 Mac mini，差不多 300 美金。

他不会 Mac，十几年没碰命令行，员工又都放假，没人能问。结果他硬是靠一遍遍问 AI，把 OpenClaw 装起来了，前前后后花了整整 7 天。

很多人看到这里，会把这个故事理解成：“一个创业者很能折腾。” 但我在直播里听到的重点不是这个。重点是，装好之后，他并没有把 OpenClaw 当成一个更高级的 chatbox，也没有把它当成一个“帮我省点时间”的工具插件。

**他是把它当成员工。**

他说得很直接：他和 OpenClaw 不是工具关系，而是协作关系。每一个决策，他都会先跟它商量；他给它的不是详细流程，而是目标。比如围绕 Cloud Lite 做出新的产品矩阵，比如三个月找到 1000 个付费用户，比如帮他的美股账户做研究和策略建议。然后它自己拆 OKR，自己分工，自己执行。

这件事，听上去只是表达方式不同，实际上是两种完全不同的工作哲学。**工具时代的逻辑是：我知道怎么做，你替我干一部分。员工时代的逻辑是：我只知道结果，你自己去找路径。**这也是我那天在直播里最想追问他的地方。因为大多数人不敢这么干。

  

## **他最极端的一点，是“全自动驾驶”**

直播里我说，如果拿自动驾驶来打比方，Ray 其实是在做 **L5 级的全自动驾驶**。他把绝大多数决策都丢给虾，只提目标，不提过程。

这件事为什么值得讲？因为它反常识。大多数人不敢这么干，原因很简单：大家都见过 AI 翻车。它会做错、会幻觉、会说“做完了”实际上没做，甚至会把文件改坏。所以我那天追着问他的核心问题其实就是一句：**为什么你敢？**

Ray 的回答很有意思。他说，第一个原因就是：很多东西他真的不会。安装 OpenClaw 时，他不会 Mac，不会命令行，也没人能帮他，所以他只能问 AI。问着问着，他反而形成了一个新的习惯：**有问题，先问 AI，不先问人。**

第二个原因更重要。他说，**如果你总默认“我比 AI 更聪明”，那你就天然会限制它。**你以为自己在教它，实际上你是在把它压回“低配工具”的位置。反而是那些没有那么强技术执念的人，更容易把 AI 真正用起来。只有在充分信任、充分授权的情况下，它才可能把 performance 拉到最好。

这句话我很认同。因为今天很多人用不好 AI，问题不在模型，不在 prompt，不在 workflow，甚至不在 token。问题在于：你嘴上说相信 AI，手上却一直在防着它。

  

## **但他不是盲信，他的方式更像“散养 + 验收”**

这里最容易被误读。很多人会以为 Ray 的方法是“完全放飞”，其实不是。我当时也继续追问了另一个关键问题：你只给目标，不看过程，那它做错了怎么办？你怎么验证？

他的回答其实很实在。他的做法不是“无限放权”，而是“逐步放权”。他自己把这套方式形容成一种更偏散养的养虾法：先给自由度，但不是一下子全扔出去；先让 agent 自己检查，再交付给他验收；如果结果有问题，再打回去重做。

换句话说，他不是不管，而是把“管理动作”从过程控制改成了结果验证。而且他不是靠直觉在管，他专门做了一个 **Mission Control** 面板，逻辑很像人在公司里跑 OKR：

1\. 先给大目标；  
2\. 让 agent 自己拆 objective 和 key results；  
3\. 再拆分到不同 agent；  
4\. 最后再检查每天的交付有没有偏离。

他现在已经拆出了 6 个 agent：有总管 **Muddy**，有做调研的 **Hunter**，有跑 Twitter、LinkedIn、Facebook 的社媒 agent，有专门负责 GEO/SEO 的 **Tommy**，有负责 UI 和转化优化的 **Peter**，还有负责增长指标和任务拆分的 **Jenny**。每天这 6 个 agent 按流水线方式协作。

  

## **从 500 人到 4 个人，我更关心的不是优化，而是“公司为什么还需要这么多人”**

直播里我还追问了另一个很扎心的话题：“优化”。Ray 以前最高管过 500 人，也经历过 300 人规模团队的创业。后来用 OpenClaw 之后，他把原来 10 人团队缩到只剩 4 个人：他自己、合伙人、架构师，以及兼 HR/财务/行政的人。

我当时就追问：你把人砍掉这么多，万一以后业务长起来，再招不是更麻烦吗？还是说，你已经在想，以后不再招那么多人类员工了？

他的回答也很直接：**人多和效率高，完全是两回事。**他说过去无论是创业还是在大厂，最大的痛苦都不是“活太多”，而是大量时间都耗在沟通、对齐、开会、管理上。真正能产出结果的时间，反而很少。对他来说，人类组织最大的成本，不是工资，而是协同。

这句话比“裁员”本身更值得写。因为它触到的是更深的一层：AI 正在挑战的，也许不是某个岗位，而是公司这种组织形式本身。一个原本要 10 个人拼起来的小团队，开始被压缩成：**1 个负责人 + 几个关键真人 + 一组 agent。** 这不是简单的降本增效，是组织颗粒度被打碎了。

  

## **嘉宾晴朗那段连线也特别有意思**

他把 OpenClaw 接进了知识付费业务的销售场景，而且效果“跑得还不错”。但他遇到了一个非常微妙的问题：他发现自己越把要求说得明确，虾反而越笨。

晴朗的现场经验刚好相反。他说，如果只是把客户聊天记录丢给虾，让它去聊，有时反而比自己预先塞进一套完整销售 SOP 更自然；真正难的不是“让它回答”，而是怎么让它的水平稳定在一个可控的质量上。

晴朗说，他自己其实也不太懂这个业务，但他用虾做交付内容、自己做人类转发，一周不到，每天居然能莫名其妙卖出去五六万。客户并不知道后面是 AI 在聊，但就是有人愿意付费。这段话证明了一件很多人不愿意承认的事：**很多业务里，AI 卡住的不是能力，而是人类自己的“不放心”。**

  

## **线上提问者最好的地方，是把 OpenClaw 从“炫技”拉回“场景”**

除了晴朗，线上观众里还有一个问题我觉得特别值得写。一位做物流的朋友问得很实在：如果在垂直行业里，比如物流，到底应该直接用 OpenClaw 做增效提速，还是应该自己搭一套垂直智能体系统？

这个问题一下就把整场讨论从“会不会养虾”拉回了真正有商业价值的地方：不是所有人都需要先搭一个宏大的系统。先看你到底要解决什么问题。Ray 当时的回答也很本质：更重要的不是先选“OpenClaw”还是“垂直智能体”，而是先明确你要解决的是哪一段流程。

  

## **说到底，OpenClaw 不是金手指，它更像一根把你已有能力放大的杠杆**

Ray 有一句话我觉得一定要留下来。他说 **OpenClaw 本质上是放大器，是 leverage，是杠杆。** 它能把你原本就有的赚钱能力，从 1 放大到 10，甚至 100；但它不是银弹，不会把一个本来不知道怎么赚钱的人，瞬间变成会赚钱的人。

它不是魔法，也不是玩具，它更像一套新的组织杠杆。如果你本来就有业务、有目标、有赚钱路径，它会把你放大得很可怕。

  

## **我听完整场直播后的真实感受**

如果只看表面，这场直播讲的是 OpenClaw。但我听到最后，脑子里留下来的其实不是“养虾技巧”，而是一个更大的变化：**AI 正在把“用工具的人”和“带 AI 团队的人”分开。**

未来最值钱的人，可能不是最会干活的人。而是最会定义目标、拆分任务、验收结果、管理 AI 团队的人。这，可能才是这场“养虾夜话”真正让人睡不着的地方。

## 精选 Q&A

**Q1：****为什么 Ray 敢把 OpenClaw 当“全自动驾驶”来用？**

A：因为他发现，很多时候不是 AI 不够强，而是人类太想控制路径。Ray 的方法是只给目标，不给过程，但会保留验证和纠偏机制，不是盲信，而是“逐步放权”。

**Q2：****只给目标，不怕它做错吗？**

A：怕。所以他的做法是：先让 agent 自检，再交付给他验收；有问题再打回重做。同时用 Mission Control 把大目标拆成 OKR，再逐步验证每天的交付。

**Q3：****为什么有些人越会写指令，AI 反而越不好用？**

A：晴朗的现场经验非常典型：在知识付费销售场景里，他发现自己越把要求说得过细，虾反而越“笨”；反过来，适当放开，效果更自然。Ray 的解释是：越懂的人越容易不信任 AI，越想把路径写死，反而拿不到最好结果。

**Q4：****OpenClaw 真的能直接带来收入吗？**

A：至少在这场直播里，答案是“已经有人跑出来了”。Ray 讲的是从产品搭建到获客、GEO/SEO、社媒运营，很多环节都由 agent 覆盖，产品上线两周已有 100 多个注册用户、不到 10 个付费客户；晴朗也提到，他把虾接入销售场景后，一周不到每天能卖五六万。

**Q5：****传统行业该直接用 OpenClaw，还是自建垂直智能体？**

A：那位做物流的提问者其实问到了本质。更重要的不是先选“大系统”还是“小工具”，而是先明确你要解决哪个具体问题，比如获客、报价、开发信、客服还是交付。场景明确后，再决定是直接接 OpenClaw，还是进一步搭更垂直的系统。

**Q6：****Ray 为什么会天然从“组织”角度理解 OpenClaw？**

A：因为他的经历本身就不是单纯的技术视角。他做过前端、连续创业、带过大团队，也在汽车之家和字节这样的体系里经历过从业务搭建到组织管理的全过程。所以他看 OpenClaw，天然不会只看功能，而会看它能不能改写协同、分工和组织效率。

---

原始发布版本：https://view.inews.qq.com/a/20260315A06PDO00

本站阅读页：https://ffcap.cn/research/20260315a06pdo00