2026 年的 Agent 赛道，画风真有点反差。

一边是开发者圈集体上头。

虾（OpenClaw）、马（HERMES）、人（OpenHuman）……各路 Harness 框架狂卷迭代，热得发烫。

另一边，用户这头却在光速降温。养虾的 FOMO 情绪说散就散，弃养潮也是说来就来。

眼瞅着 Agent 框架是越来越多，还在持续养虾的人，却越来越少。

△微信指数

这俩月，很多人的心态也从第一次成功装龙虾的兴奋，慢慢变成配环境、调 skill、挂电脑、烧 Token、修 workflow、不断返工的头疼。

可以说，虾是好虾，就是真滴难养。

而自 3 月份亲自帮大伙儿装虾以来，周鸿祎在 360 最新的直播里也直言不讳地表示，现在龙虾退热，最大的问题就仨：

太难、太贵、还不安全。

对此，360 给出的新动作，是全新的安全龙虾云端版，顺手再给龙虾配个 " 私教 " ——

龙虾教练。

几言以蔽之，云端版相当于直接给龙虾配了一整套 " 云端办公室 "：云主机、云盘、云浏览器……

你在手机上给龙虾下一句指令，它自己就在云上跑任务。不用单独买 Mac 挂机，关机断网也不停。

龙虾教练则开始接管过去最劝退普通用户的那部分工作，根据任务类型，从 0 到 1 帮你训虾、调度 Agent、改进 workflow。

某种程度上，360 现在做的，其实已经不只是 " 再做一个 Agent"，而是在给 Agent 补基础设施。

毕竟，龙虾卷到今天，大家慢慢开始发现：限制 Agent 普及的，已经不是模型能力，而是 Agent 根本没真正 " 活 " 起来。

为什么还得是龙虾

在聊 360 这次新龙虾怎么用之前，有一个谁都没法回避的问题：

2026 年过去快一半了，人们到底还需不需要一只龙虾？

尤其是在经历了这一轮 " 养虾热 " 退潮之后。

前段时间跟一个做设计公司的朋友聊到这个事儿，他提了一个挺有意思的点：龙虾用的好的话，能顶一个团队。

我们来看看他是怎么用的。

他公司不大，平时什么都得自己盯。

白天见客户、赶设计稿，晚上回家继续回消息、看反馈、整理方案。对于他这种有十几年设计经验的人来说，最烦的不是客户的方案难做，而是琐事一直不断。

邮箱、微信群、客户反馈、竞品动态……每一件都不复杂，但加起来特别耗人。

后来他也 " 跟风 " 拿龙虾试了一下。

现在每天早上起来，客户的反馈已经自动分好优先级，总结成一个文档，也不用来回在聊天框里切，甚至还能看摘要知道客户的偏好和习惯。

他说，最明显的变化其实不是效率提升，而是脑子终于没那么碎了。

消耗的 Token 从他的脑子转移到了龙虾的脑子里。

还有个做市场的朋友也差不多。

以前写竞品分析，经常两三天都泡在搜资料里。现在他直接让龙虾每天挂着监控行业信息流，自动整理新品、融资、反馈和数据变化。

等他真正开始自己动手的时候，就已经是 " 判断 " 和 " 决策 " 阶段了。

这其实也是为什么，今年大家突然开始认真养虾，搞 Agent 了。

这种现象其实挺普遍的，是因为很多人后来发现：

自己缺的可能不是一个更聪明的聊天机器人。而是一个能长期替你盯活、跑任务、自己调用工具的 "AI 员工 "。

你去睡觉，它还在干活。你去开会，它还在后台跑。这才是 Agent 和聊天框最大的区别。

但问题也很明显。

现在大多数龙虾，其实还是太像 " 极客玩具 "。会的人觉得特别爽，不会的人卡在第一步。

这也是 3 月份兴起的全民龙虾热现在开始退潮的原因。

一方面，普通用户没法从过往操作记录里沉淀出 SOP，不太会写提示词；另一方面，龙虾 Token 烧得太快，甚至可能还有在真实环境部署的安全问题。

△龙虾之父月烧 940 万元 token

周鸿祎总结的那仨问题，太难、太贵、还不安全，本质上，说的就是这些。

所以，360 这次的定位就很清楚，不是又做一个 AI 聊天工具，而是给你一支 AI 员工团队。

云端版给这支团队配了一整套云端办公室，龙虾教练则负责帮你招人。

不管是想成为超级个体，还是想成为新一代 AI Native 的，都可以建立一个属于自己的龙虾团队。

接下来，我们具体来看看这只安全龙虾是怎么个事。

给虾搭个云端办公室，远程遥控龙虾干活。

在实际测试中，我们主要上手体验了一下云端和龙虾教练这俩功能。

云端玩虾，关机也能跑

首先来看云端方面。

我直接在手机上给龙虾 APP 发消息：帮我做一份 AI 生成视频工具的行业调研。然后就放下手机了。

大概几分钟，360 龙虾就能给返回一篇不错的结果，什么 Sora 关停的影响都有点到，数据支撑也是有模有样。

全程没开电脑，手机也不用一直亮着。

龙虾在云上自己跑完了整个任务，生成的文件直接存在云盘，随时能查。

这就是云端养虾最直观的变化：你下完指令就可以去忙别的事，龙虾在后台持续工作。

龙虾教练：两分钟训出一只专属虾

然后是龙虾教练。

我输入的需求是：我希望训一个专门写稿的龙虾，符合量子位的风格。

龙虾教练开始一步步跟我确认边界，从称呼、新闻价值判断标准、搜索范围、写作风格到工作模式，整个过程就像跟一个真人在聊天。

大概两分钟，完整的龙虾架构就出来了。soul、上下文、工具、记忆、skill 全都配好，确认后直接部署。

有个细节让我意外：我没提选题这回事，但它主动在定时任务里加了每天扫描 AI 新闻。

工具调用里也写了当现有 skill 不能满足需求时，可在线搜索和安装新 skill。也就是说，这只虾不是装完就固定了，它能自己找工具、自己扩展能力。

后来我又加了一个需求：根据数据反馈自动修正写作方法。随口说了一句，这教练当场就把这条规则写进去了。

到这，一只能写稿、能自动追踪行业动态、还能根据流量反馈迭代自己写作策略的虾，就配好了。

全程没碰一行配置。

预制专家虾和多智能体协作

除了自己训虾，360 也预制了上千只覆盖高频场景的专家虾，点进去就能直接用。

比如我还需要制作封面，直接从专家虾里选一只生图的、不用写精巧 prompt（生成一张卡帕西加入 Anthropic 的插画），给它个大意就能出图。

更复杂的任务也能应对。我用了一个产品开发团队，让四只专家虾协作帮我做个人网页。

每只虾完成自己的部分后，会主动问你要不要改、要不要进入下一阶段，像真人团队一样交接工作。

龙虾降温了，然后呢？

最后让我们回到开头那个问题——

龙虾经历了用户端与开发端的冰火两重天，然后呢？

作为一个开源项目，龙虾上线 72 小时破 6 万星、两周破 15 万星，几乎以一己之力向全行业普及了大模型 +Harness 框架这套 Agent 技术底座。

△AI 生成

黄仁勋也在 GTC 上直接把龙虾定义为了继生成式 AI 之后的下一代范式。

但龙虾的热度，却并没有像爆火时领鸡蛋似的一直疯狂下去。

随着虾父 Peter 进入 OpenAI，Harness 框架持续扩散，龙虾逐渐从一个独立产品，变成了模型能力的一部分，大家好像也不再强调自己的产品是龙虾了。

但俗话说 " 一虾落，万物生 "，Agent 行业的底层趋势，反而在加速。

Gartner 预测，到 2026 年底，40% 的企业应用将内置任务型 AI Agent。

但另一边，真正把 Agent 跑进生产环境的公司，其实还不算多。

这说明了一件事：Agent 的价值已经被验证了，卡点不在于要不要用，而在于能不能落地。

Foundation Capital 那篇广为流传的 Context Graphs 文章也指向了同一个判断：

Agent 公司真正的护城河不在框架本身，而在执行过程中沉淀下来的决策经验。光搭一个壳是不够的，能沉淀 know-how 才有壁垒。

这在某种程度上印证了当下龙虾的发展脉络：通用框架的热度在退，云端化、专家化的方向在起来。

从 Anthropic 到微软到 Google，云厂商都在把 Agent 运行层平台化，运维、安全沙箱、扩缩容全给你包了。

360 这次云端版踩的正是这条线：内置上千只覆盖高频场景的专家虾，龙虾教练在更高一层接管调度，接受用户的模糊指令，组织专家虾干活。

把复杂的、需要动脑的事儿打包封装起来，让不懂技术，但有需求的人也能用上 Agent。

从 3 月帮全员装虾、发 1 亿 Token，到 5 月直播上线云端版，360 围绕龙虾两个多月没停过。要说对龙虾的狂热，周鸿祎在圈内算得上独一份。

而 360 安全龙虾云端版做的这些事，本质上是在给 Agent 搭基础设施。让 AI 不只是一个更聪明的聊天框，而是真正能干活、能交付结果的 AI 员工。

从「装上了」到「真能用」，这中间的路，才是龙虾下半场的真赛点。

AI 聊天框的时代，拼的是谁更会 " 回答问题 "。

Agent 时代开始之后，大家拼的可能会变成另一件事：

谁能真正替更多人干活。

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

点亮星标

科技前沿进展每日见