从500元上门安装到299元远程卸载，OpenClaw（龙虾）只用了45天，就完成了从AI圈顶流到用户吐槽对象的反转。
这款曾被视作AI Agent时代标志的开源框架，因token消耗失控、安全隐患突出、上手门槛极高的痛点，让普通用户望而却步，也让整个行业开始反思：从“能对话”到“能执行”的AI Agent，到底该如何真正落地？
恰逢此时，国内首个OpenClaw中文版当贝Molili 1.0.7版本重磅上线（https://www.molili.com.cn/），以“token成本砍半、小白开箱即用、精细化权限管控”三大核心升级，精准击中龙虾的行业痛点，快速火爆出圈，成为很多养虾人的心头好。
近日，独家专访了当贝MoliliClaw产品总监唐涛，听其拆解龙虾遇冷的底层原因，解读Molili的产品打造逻辑，同时分享了对AI Agent赛道泡沫、趋势与未来的深度判断。
龙虾遇冷早有预兆，产品化不足是核心硬伤
在唐涛看来，“龙虾”的热度反转其实早有预兆。“它确实实现了AI的一次质的跨越——从‘能对话’到‘能执行操作’，这是AI Agent的核心价值，也是它能快速爆火的原因。但这款产品的产品化严重不足，从一开始就注定了普通用户的体验会大打折扣。”
唐涛直言，原版OpenClaw的使用门槛，不仅拦住了普通用户，甚至让不少开发者望而却步：命令行安装、全英文界面、需要自行配置APIKey、Token费用完全不透明，哪怕是技术爱好者，也可能折腾数小时才能勉强跑通。更关键的是，其权限管控几乎为零，AI误删本地文件、用户一觉醒来收到几十上百美金的token账单，这些都是真实发生的案例。
“用户的热情来得快走得也快，本质是产品体验撑不住用户预期。”唐涛表示，这也是整个AI Agent赛道需要吸取的核心警示：AI Agent不能只做给极客用户，必须让普通人用得上、用得起、用得放心，技术再先进，无法触达普通用户，就始终只是小圈子里的玩具。
而当下AI Agent赛道的核心泡沫，在唐涛眼中也十分清晰：一是把“Demo能跑通”等同于“产品能落地”，不少产品发布会演示得眼花缭乱，用户实际上手却各种翻车；二是用“砸钱送免费额度”的互联网老打法抢用户，却忽略了AI调用背后的真实算力成本，这种模式在AI赛道根本不可持续。
“从一时爆火到长期刚需，关键就一点：用户是因为产品真正好用而留下来，而不是因为免费。”唐涛说，海外成熟的AI产品，无一不是靠体验和核心能力留住用户，这也是当贝做Molili的核心底层逻辑。
砍半token成本不是噱头，三大底层优化实现“聪明降本”
token消耗黑洞，是龙虾用户最集中的吐槽点，有用户简单聊几句就耗掉百万token，费用失控成为了用户使用的最大顾虑。而当贝Molili打出的“节省50%以上token费用”，并非营销噱头，而是基于三大底层优化的实测结果。
“我们的降本，是让token用得更聪明，而不是以牺牲任务完成质量为代价。”唐涛介绍，Molili从三个维度实现了token消耗的精准优化：其一，基于任务类型动态调整上下文窗口，避免“小任务扛着大上下文”的无效消耗，比如简单的文件整理和复杂的数据分析，匹配完全不同的上下文量级；其二，精简通用上下文，在不影响任务执行的前提下，剔除原版每次交互中携带的非必要通用信息，减少单次调用的token消耗；其三，优化Prompt工程设计，充分利用主流大模型厂商的缓存策略，提高缓存命中率，进一步降低用户实际支付的token成本。
而在计费模式上，Molili更是从根源上解决了用户的“账单焦虑”。不同于行业通用的按token计费，Molili采用积分制订阅模式：用户购买对应额度的积分包，积分用完产品即停止运行，从根本上杜绝了AI执行任务进入死循环导致的费用失控。
“轻度用户的基础积分包足够日常使用，重度用户可选更大的积分包，单价更有优势。”唐涛表示，这种模式让用户的花销完全可预期、可控制，与原版费用敞的模式有本质区别，这也是Molili“用得起”的核心体现。
安全是底线，把权限主动权彻底交还给用户
如果说token成本是用户的“钱袋子”顾虑，那么安全问题，就是用户不敢轻易使用“龙虾”的核心心结。工信部接连发布OpenClaw的安全风险提醒，用户遭遇AI失控误删磁盘文件、信息泄露的案例，让AI Agent的权限管控成为了行业必答题。
“原版龙虾的安全问题，本质是安全理念的偏差——它默认获取系统全部权限，AI可以不经用户确认就执行高危操作，不少用户根本不敢在工作电脑上部署。”唐涛表示，安全是Molili做产品时最重视的维度，团队独立开发了权限管理模块，核心思路就是**“高风险默认关闭，用户按需自主开启”**，把权限的主动权交还给用户。
具体来看，Molili将AI可能执行的系统操作按风险等级做了四级分类管控：极高风险操作（如递归强制删除文件、磁盘格式化）默认关闭且附带明确风险提示；高风险操作（如注册表修改/删除）同样默认关闭；中风险操作（如系统关机重启）用户可按需开启；低风险操作也提供独立开关。每一项操作都有清晰说明，用户可精确到单项操作级别授权，“不想让AI碰的权限，关掉就行，非常直观”。
这与原版OpenClaw“默认开放全部权限，用户无法管控”的模式形成了鲜明对比，也是Molili打造的核心安全壁垒。在唐涛看来，AI Agent的安全管控，不是简单的功能叠加，而是从产品设计之初就融入的底层逻辑。
本土化不是简单翻译，让AI Agent实现“5分钟小白上手”
原版OpenClaw的高门槛，不仅体现在技术配置上，还体现在对国内用户的适配性上。而Molili主打的“深度本土化”，也绝非简单的界面中文化，而是从模型、交互、生态、场景四个维度的全链路适配，最终实现了“官网下载，双击安装，打开即用”的小白体验。
“我们团队有个朴素的产品标准：如果一个完全不懂技术的普通用户，不能在5分钟内完成安装并开始使用，那就是我们产品的问题。”唐涛介绍，Molili把产品运行环境、功能本体、所有配置项全部打包成安装文件，Windows用户下载exe双击安装，Mac用户拖入应用文件夹即可，无需获取APIKey、无需懂命令行、无任何技术基础要求，界面也全部采用中文图形化设计，所有操作都是可视化点击。
在本土化的核心细节上，Molili做了大量针对性优化：模型层面，全面对接Kimi、DeepSeek等国内主流大模型，用户无需在各平台单独注册获取APIKey，服务端已完成全部整合；生态层面，打通了微信、钉钉、飞书、Siri等国内主流平台，手机发条消息就能让电脑上的Molili开始工作，这是原版完全不具备的能力；场景层面，Skill商店中的8000+技能（https://hub.cocoloop.cn/），都是针对国内用户的实际需求开发，比如公众号运营、小红书内容整理、国内电商数据采集等。
“用户自己用原版对接国产大模型，光配置环境就可能耗大半天，还会遇到各种兼容性问题。我们把这些复杂的工作全部做了，用户拿到手的就是一个调优过的、能直接用的完整产品。”唐涛说。
同时，针对原版OpenClaw开放Skill生态带来的第三方插件安全风险，Molili也借鉴了当贝市场多年的安全审核经验，建立了体系化的Skill管控机制：8000+现成技能来自官方开发、社区优质贡献和开源生态精选，每个上架技能都要通过代码审查和安全扫描，重点检测恶意代码、越权操作等问题，上线后还会通过用户反馈持续监控，异常即下架，为用户提供专业的安全背书。
值得一提的是，作为本地运行的桌面端应用，Molili对电脑配置的要求也十分亲民。由于核心的AI推理计算全部在云端完成，用户电脑仅承担界面展示和文件操作，因此只要是Windows10/11（64位）或近三五年的macOS设备，哪怕是普通办公轻薄本，都能流畅运行，无需高配游戏本或专业工作站。
从“尝鲜玩具”到生产力工具，让用户形成使用习惯是关键
在AI Agent赛道，一个普遍的现象是，用户对这类产品大多是“三分钟热度”，尝鲜后便弃用，核心原因是没有形成持续的使用价值，用户不知道该怎么用。而Molili的核心解法，就是不让用户自己摸索，而是主动为用户提供使用场景和现成的解决方案。
“AI Agent并不是一个‘点一下就能自动赚钱’的工具，但它能帮用户把大量重复性劳动的时间省出来——这本身就是在创造价值。”唐涛表示，Molili目前已经能支撑用户的“提效赚钱”需求：自媒体用户可以用它批量处理选题调研、生成文章初稿、整理素材库，一个人完成过去两三个人的工作量；电商小老板能通过它自动抓取竞品信息、整理市场数据；上班族则可以用它处理会议纪要、制作Excel报表、写周报，每天能节省一两个小时。
为了让用户从“尝鲜”走向“常用”，Molili做了三件事：一是分场景提供现成的Skill和工作流，用户打开Skill商店就能发现AI的实用价值；二是持续输出场景化落地案例，用真实用例告诉用户如何把Molili融入日常工作；三是搭建用户社群，形成经验分享和互助的社区生态，让用户之间相互启发。
“核心就是让用户在日常工作中形成使用习惯和依赖。当他发现每天都有几项固定工作可以交给Molili来完成，自然就不会卸载了。”唐涛说，这也是Molili从“新鲜玩具”向“生产力工具”转变的关键。
差异化竞争的核心：始终站在普通用户的视角做产品
如今，大厂、模型厂商、创业团队都在推出“龙虾”相关产品，普通用户眼花缭乱，不知道该如何选择。在唐涛看来，Molili与竞品最核心的差异化，就是始终站在普通用户的视角做产品，而不是站在技术的视角。
“目前国内不少企业推出的同类产品，仍带有浓厚的技术思维，而我们从安装、配置到日常使用的每一个环节，都是按照国内普通用户使用电脑软件的习惯来设计的。”唐涛表示，把所有技术复杂度藏到产品背后，让用户完全无感，这看起来不是什么“黑科技”，却是最难的部分，也是普通用户最需要的体验。
而小团队的敏捷性，更是Molili的另一大优势。据介绍，当贝的Molili团队仅有15人，从发现“龙虾”的用户痛点到上线首版产品，仅用了不到一周时间，成为国内第一家推出此类本土化产品的企业。“大厂虽然技术和资源雄厚，但决策链路太长，而我们‘想到即做、快速落地’的能力，是大厂很难复制的。”
对于普通用户而言，选择Molili的理由其实很简单：装得上、用得起、出了问题有人管。这也是Molili在一众竞品中，能快速抓住用户的核心原因。
赛道未来：泡沫褪去后，合规与体验是核心，商业模式向按任务付费演进
当贝入局AI Agent赛道，并非临时起意，而是有着清晰的长期布局。唐涛透露，当贝的规划分三步走：第一步，做好通用型的本土化Agent工具，也就是目前的Molili；第二步，切入金融、自媒体运营等垂直场景，推出场景化专用工具；第三步，打造Skill商店生态，形成“核心产品+垂直工具+技能市场”的完整矩阵。
“这个思路和我们做大屏业务如出一辙——当贝市场做通用入口，后续孵化了五六十款场景化工具，做到了行业领先。我们要把这套成功经验复制到AI赛道。”唐涛说。
而在行业监管层面，工信部已多次提醒OpenClaw的安全风险，未来AI Agent领域的监管收紧已成必然。对此，Molili从产品设计之初就纳入了合规考量：默认对接的均为国内持有资质的合规大模型；精细化的权限管控，主动响应了监管对AI产品安全性的要求；数据本地化的产品架构，用户文件不上传云端，在隐私保护层面具备天然的合规优势。
“当贝深耕软件行业十余年，经历过多轮行业监管周期，对合规有足够的敬畏心。宁可在功能迭代上稳一些，也绝不在合规底线上冒险。”唐涛表示，若未来监管进一步收紧，对于合规布局完善的Molili而言反而是利好，不规范的产品会被逐步淘汰，行业将回归理性。
在商业模式上，行业普遍判断AI Agent将从按token计费，转向按任务、按结果计费。唐涛也认同这一趋势，但他表示，这一模式在当前阶段还为时尚早。“按任务计费更符合用户的认知习惯，但前提是Agent的任务执行足够稳定、可预期。现阶段Agent还无法保证每次都能高质量完成任务，边界问题很难界定。”
而Molili目前采用的积分制，其实已经在朝这个方向靠拢，用户购买的是“使用额度”而非裸token。唐涛透露，未来随着技术和产品的成熟，Molili会逐步探索更贴近“按任务付费”的模式，让用户的消费体感更直观、更合理。
对于Molili的后续迭代，唐涛也给出了明确的方向：推出金融数据分析、自媒体运营等垂直场景版本；持续扩展Skill生态，将Skill商店打造成AI Agent领域的“当贝市场”；持续打磨任务执行稳定性、中文理解准确度等核心体验；第一时间接入和适配新的国产优质大模型。最终目标，是让Molili从一个好用的工具，逐步成为用户日常工作中不可或缺的AI助手。
给普通用户的避坑指南：别被免费吸引，安全永远放在第一位
面对市面上五花八门的“龙虾”类产品，普通用户想上手AI Agent，该如何避坑？唐涛给出了三个核心建议，也是用户最容易踩的三个坑：
别被“免费”吸引而忽略实际体验。AI Agent背后都有真实的算力成本，免费模式要么有大量使用限制，要么是前期补贴后期不可持续，选一个价格透明、花费可控的产品，比图一时便宜更靠谱。别高估现阶段AI的能力边界。AI Agent确实能帮助完成很多重复性工作，但它目前还不是万能的。建议先从简单的、重复性的任务切入，逐步建立使用习惯和信任感，再慢慢拓展到更复杂的场景。安全永远要放在第一位。安装之前，先了解清楚产品需要哪些权限、数据存储在哪里、遇到问题能找谁，从不明渠道随意下载Agent安装包，这种风险完全不值得冒。
“总结起来就一句话：选AI Agent产品，核心看三点——装得上、用得起、有人管。”唐涛表示，在满足这三条的基础上，再去比较功能和体验，不要被花哨的演示视频迷惑，自己实际上手体验几分钟，好不好用自然就知道了。
从“龙虾”的爆火到遇冷，AI Agent赛道完成了一次快速的市场教育，也让行业从狂热回归理性。正如唐涛所言，AI Agent的核心价值，在于让AI真正走进普通人的工作和生活，成为提升生产力的工具。
而当贝Molili的出现，正是抓住了这一核心，把技术的复杂留给自己，把简单的体验交给用户。在泡沫褪去后，只有真正贴近用户需求、做好体验和合规的产品，才能在AI Agent的赛道上站稳脚跟。而随着国产产品的持续迭代和本土化创新，AI Agent也终将从技术探索，走向真正的商业落地。
×当贝Molili唐涛完整专访问答：
：短短一个半月，OpenClaw（龙虾）从全网爆火、催生付费安装生意，到用户吐槽、付费卸载服务兴起，相关概念股也大幅波动，您怎么看待这波热度的极速反转？您认为这款开源框架最核心的硬伤和用户痛点是什么？给整个AI Agent行业带来了哪些核心警示？
唐涛：这波反转其实在我们预料之中。龙虾刚火的时候，我们团队第一时间就上手试用了，当时的判断是：它代表了AI的一个重要方向——从"能对话"到"能执行操作"，这是一次质的跨越。但它的问题同样明显。
最核心的硬伤是产品化严重不足。命令行安装、全英文界面、需要自行配置APIKey、Token费用完全不透明——这套流程，别说普通用户，很多开发者都要折腾半天。再加上权限管控几乎为零，AI误删文件、一觉醒来收到高额账单，这些都是真实发生的案例。
用户的热情来得快走得也快，本质上是产品体验撑不住用户预期。你不能一边宣传"AI帮你干活"，一边让用户自己先花大量时间精力才能跑起来。
对整个行业的警示很明确：AI Agent不能只做给极客用户，必须让普通人用得上、用得起、用得放心。技术再先进，无法触达普通用户，就始终只是小圈子里的玩具。
：有人说这波龙虾热让AI Agent破圈，但也快速暴露了行业泡沫，您认为当下AI Agent赛道的核心泡沫是什么？赛道从一时爆火到长期刚需的关键是什么？当贝入局，长期的战略布局是什么？
唐涛：当下最大的泡沫是把"Demo能跑通"等同于"产品能落地"。很多产品发布会上演示得很炫，用户实际上手却各种翻车。还有一种泡沫是"砸钱送免费额度抢用户"，这是上一代互联网的打法，在AI赛道不可持续——每一次AI调用背后都有真实的算力成本在。
从一时爆火到长期刚需，关键就一点：用户是因为产品真正好用而留下来，而不是因为免费。海外做得好的AI产品，没有一个是靠免费撑起来的，靠的都是产品体验和核心能力。
当贝的长期布局分三步走：第一步，做好通用型的本土化Agent工具，就是现在的Molili；第二步，切入金融、自媒体运营等垂直场景，推出场景化专用工具；第三步，打造Skill商店生态，形成"核心产品+垂直工具+技能市场"的完整矩阵。
这个思路其实跟我们做大屏业务如出一辙——当贝市场做通用入口，后续快速孵化了五六十款场景化工具，在大屏领域做到了行业领先。我们要把这套成功经验复制到AI赛道上来。
：目前用户对龙虾最集中的吐槽就是token消耗黑洞”，甚至出现一觉醒来高额账单的情况。Molili号称能节省50%以上token费用，这个数据是怎么来的？底层做了哪些核心优化？又如何在降本的同时保障任务完成效果？
唐涛：这个数据有实际依据，核心做了三方面优化：
基于任务类型的上下文长度优化。不同任务对上下文的需求差异很大——简单的文件整理和复杂的数据分析，所需的上下文量级完全不同。我们会根据任务类型动态调整上下文窗口，避免"小任务扛着大上下文"造成的Token浪费。通用上下文的精简处理。原版在每次与大模型交互时，会携带大量对当前任务必要性不高的通用上下文信息。我们逐项评估了这些内容，在不影响任务完成效果的前提下，去除了冗余部分，显著减少了每次调用的Token消耗。充分利用大模型厂商的缓存策略。主流大模型平台对重复或相似的上下文请求提供了缓存机制，命中缓存的部分成本大幅降低。我们在Prompt的工程设计和请求构造上做了针对性优化，尽可能提高缓存命中率，让用户实际支付的Token成本进一步下降。
这三项加在一起，综合下来Token消耗能降低50%以上。需要强调的是，省下来的成本是因为用得更聪明了，而不是降低了任务完成质量。
：针对token消耗痛点，Molili采用了订阅制而非行业通用的按token计费模式，具体规则是怎样的？能否彻底解决用户担心的token爆炸带来的意外账单？对不同使用频率的用户，成本优势分别有多大？
唐涛：我们采用的是积分制——用户购买对应额度的积分包，积分用完产品即停止运行。这个设计的核心目的就是从根本上杜绝意外账单。
原版龙虾最让人恐惧的是费用失控：AI执行任务过程中可能进入死循环，Token持续消耗，用户完全没有感知。睡一觉起来发现账单已经几十上百美金了。积分制完全不存在这个问题——买了多少就是多少，用完即止，不会多扣一分钱。
对于轻度用户，基础积分包足够日常使用，不用"每用一次心疼一次"；重度用户可以选择更大的积分包，单价更有优势。总之，用户对自己的花销是完全可预期、完全可控的，这跟原版那种"费用敞口"的模式有本质区别。
：工信部等部门接连发布OpenClaw安全风险提醒，也有用户遭遇AI失控误删文件、信息泄露，这是用户最核心的顾虑。Molili的权限精细化管控，具体做了哪些全链路安全升级？和OpenClaw及同类方案比，安全壁垒在哪？能否从根本上杜绝AI越界操作？
唐涛：安全是我们做产品时最重视的维度。原版龙虾的安全问题并非小事——它默认获取系统全部权限，AI可以不经用户确认就执行高危操作，不少用户根本不敢在工作电脑上部署。
Molili独立开发了权限管理模块，核心理念是对高风险操作默认关闭，由用户根据自身需求自主决定是否开启。
具体来说，我们对AI可能执行的系统操作按风险等级做了分类管控：
极高风险操作（如递归强制删除文件、磁盘格式化、静默删除C盘内容）——默认关闭，且会有明确的风险提示；高风险操作（如注册表修改/删除）——默认关闭；中风险操作（如系统关机重启、强制结束进程）——用户可按需开启；低风险操作（如清空回收站等）——同样提供独立开关。每一项操作都有清晰的说明和独立的开关控制，用户可以精确到单项操作级别进行授权管理。不想让AI碰的权限，关掉就行，非常直观。
与原版最大的区别在于安全理念的不同：原版是"默认开放全部权限，用户无法管控"，我们是**"高风险默认关闭，用户按需自主开启"**。把权限的主动权交还给用户，而不是让AI替用户做决定。
：原版OpenClaw上手门槛极高，哪怕技术爱好者也要折腾数小时才能跑通。Molili主打“小白开箱即用”，具体把门槛降到了什么程度？针对部署、配置等痛点，做了哪些本土化改造？
唐涛：简单来说：官网下载，双击安装，打开即用。跟安装一款普通桌面软件的体验完全一致。
对比一下原版龙虾的安装流程：打开终端、输入命令行、安装Node.js环境、配置APIKey、处理各种报错……技术爱好者可能要折腾数小时，普通用户基本直接放弃。
我们把产品运行环境、功能本体、所有配置项全部打包成安装文件。Windows用户下载exe双击安装，Mac用户拖入应用文件夹即可，打开后注册账号就能使用。不需要获取APIKey，不需要懂命令行，不需要任何技术基础。
界面全部采用中文图形化设计，所有操作都是可视化的点击操作。我们团队内部有一个很朴素的产品标准：如果一个完全不懂技术的普通用户，不能在5分钟内完成安装并开始使用，那就是我们产品的问题。
：很多用户用龙虾，终极期待是“帮我挣钱”，比如自媒体运营、一人公司提效等。Molili能否支撑这类需求？针对上班族、自媒体、小微企业主等不同人群，有没有对应的低门槛解决方案？有没有跑通的落地案例？
唐涛：这个需求非常真实，我们社群里几乎每天都有用户在问。
我的回答是：可以，但关键在于怎么用。AI Agent并不是一个"点一下就能自动赚钱"的工具，但它能帮用户把大量重复性劳动的时间省出来——这本身就是在创造价值。
几个实际的应用场景：做自媒体的用户，用Molili批量处理选题调研、生成文章初稿、整理素材库，一个人可以完成过去两三个人的工作量；做电商的小老板，用它自动抓取竞品信息、整理市场数据、生成分析报告；上班族用它自动处理会议纪要、Excel报表、写周报，每天能节省一两个小时。
我们后续会为不同用户群体提供分职业、分场景的Skill和工作流，自媒体运营、电商运营、办公效率等方向都有现成的技能包，用户不需要从零摸索，选择对应场景直接使用即可。
：很多用户对龙虾类产品都是三分钟热度，尝鲜后就弃用，核心是没有形成持续使用价值。Molili怎么解决用户留存问题？如何从新鲜玩具变成用户离不开的生产力工具？
唐涛："三分钟热度"的本质原因是：用户尝鲜之后不知道还能用来干什么。
我们的解法是，不让用户自己去摸索，而是主动提供使用场景和解决方案。
分场景提供现成的Skill和工作流。用户打开Skill商店就能发现"原来AI还能帮我处理这件事"，持续激发使用需求；第二，持续输出场景化落地案例，用真实用例告诉用户如何把Molili融入日常工作流；第三，依托我们搭建的大量用户社群，形成用户之间的经验分享和互助氛围——这种社区生态本身就是非常有效的留存手段。
核心逻辑其实很清楚：要从"尝鲜玩具"变成"生产力工具"，关键是让用户在日常工作中形成使用习惯和依赖。当他发现每天都有几项固定工作可以交给Molili来完成，自然就不会卸载了。
：现在大厂、模型厂商、创业团队都在推龙虾相关产品，普通用户眼花缭乱不知道怎么选。Molili和这些竞品相比，最核心的差异化是什么？普通用户为什么要选Molili，而大厂的Agent方案？
唐涛：最核心的一点：我们始终站在普通用户的视角做产品，而不是站在技术的视角。
目前国内阿里、有道等企业也推出了同类产品。而我们从安装、配置到日常使用的每一个环节，都是按照国内普通用户使用电脑软件的习惯来设计的。这看起来不像什么"黑科技"，但恰恰是最难的部分——需要把所有技术复杂度藏到产品背后，让用户完全无感。
另一个核心差异是速度和灵活性。我们15人的精干团队，从发现痛点到上线首版产品，用了不到一周时间，是国内第一家推出此类本土化产品的企业。大厂虽然技术和资源雄厚，但决策链路太长。我们"想到即做、快速落地"的能力，是大厂很难复制的。
对于普通用户来说，选择Molili的理由很直接：装得上、用得起、出了问题有人管。
：Molili主打“深度本土化”，升级中文能力、适配多款国产大模型，这个本土化具体体现在哪些细节？和用户自己用原版对接国产大模型相比，适配优势和体验提升在哪？
唐涛：本土化远不止把界面翻译成中文这么简单，我们做了多个层面的适配：
模型层面：全面对接Kimi、DeepSeek等国内主流大模型，这些模型对中文语义的理解天然就比海外模型更准确。而且用户不需要自己去各平台注册和获取APIKey，我们在服务端已经做好了全部整合。
交互层面：整个产品的界面、文案、操作逻辑都是从国内用户的使用习惯出发设计的，而不是对英文版的简单翻译。
生态层面：打通了微信、钉钉、飞书等国内主流平台，支持远程下发指令——在手机上发条消息，电脑上的Molili就能开始工作。这是原版完全不具备的能力。
场景层面：Skill商店中的技能都是针对国内用户的实际工作场景开发的，例如公众号运营、小红书内容整理、国内电商数据采集等。
跟用户自己用原版对接国产模型相比，差距非常大。自己折腾的话，光配置环境就可能需要大半天，各种兼容性问题层出不穷。我们把这些全部处理好了，用户拿到手就是一个已经调优过的、针对中文场景深度适配的完整产品。
：原版OpenClaw的开放Skill生态，也带来了第三方插件的安全风险，有用户因安装异常Skill导致文件被删。Molili的8000+现成技能，来源是什么？会做哪些安全审核管控？如何规避第三方技能的安全隐患？
唐涛：Skill的来源包括几个部分：一是我们团队针对高频场景自主开发的官方Skill；二是社区开发者贡献的优质Skill；三是从开源生态中精选并适配的Skill。
安全管控方面，我们做得比较体系化——当贝在大屏应用商店（当贝市场）领域运营了多年，对"如何做好应用商店的安全审核"有非常成熟的经验。
每个上架Skill都需要通过代码审查和安全扫描，重点检测是否存在恶意代码、越权操作、数据泄露风险等问题，审核不通过的直接打回。上线后还有持续的用户反馈监控机制，一旦发现异常立即下架处理。
这也是我们做Skill商店的核心初衷之一：用户在外部渠道随意下载Skill，无法确认其安全性；而通过我们的商店分发，至少多了一层专业的安全背书。这跟手机用户通过正规应用商店下载App是同样的逻辑。
：Molili是本地运行的桌面端应用，对用户电脑的配置要求高不高？低配电脑、老款设备能否流畅运行？
唐涛：要求并不高。Molili是一个桌面客户端，并不是在本地跑大模型，核心的AI推理计算全部在云端完成，因此对显卡和内存没有特殊要求。
基本配置要求是：Windows10/11（64位），或macOS（M芯片和Intel芯片均支持）。市面上近三五年的主流电脑基本都能流畅运行，不需要高配游戏本或专业工作站。
我们的产品架构是"本地负责操作执行、云端负责AI计算"，用户的电脑只需要承担界面展示和文件操作，算力消耗全部由服务端承担。所以即使是普通的办公轻薄本，也完全没有性能压力。
：工信部已多次提醒OpenClaw的安全风险，未来针对AI智能体的监管有可能会收紧，Molili在合规层面做了哪些提前布局？如何应对未来更严格的行业监管？
唐涛：合规是我们从产品设计之初就纳入考量的维度，而不是等监管政策出来了再临时补课。
几个关键的合规举措：一是默认对接的模型全部为国内持有资质的合规大模型，如Kimi、DeepSeek等；二是权限管理的精细化权限管控，本身就是在主动响应监管部门对AI产品安全性的要求；三是数据本地化处理的产品架构，用户文件不上传云端，在隐私保护层面具备天然的合规优势。
我们也在密切关注工信部等部门的政策动向。坦率地说，如果未来AI Agent领域的监管进一步收紧，对于我们反而是利好——不规范的产品会被逐步淘汰，而我们从一开始就走在合规的路径上。
当贝深耕软件行业十余年，经历过多轮行业监管周期，对合规有足够的敬畏心。我们的态度很明确：宁可在功能迭代上稳一些，也绝不在合规底线上冒险。
：有判断认为，未来AI Agent的商业模式，可能会从按token计费转向按任务、按结果计费，您怎么看待这个趋势？Molili在商业模式上，未来有哪些相关规划？
唐涛：我认为这个方向一定是对的，但在当前阶段还为时尚早。
按Token计费的问题很突出——普通用户不理解什么是Token，也无法预判为什么同一个任务有时候便宜、有时候贵。按任务或按结果计费显然更符合用户的认知习惯：让AI帮我做了一件事，这件事值多少钱，清清楚楚。
但要实现这一步，前提条件是Agent的任务执行足够稳定、足够可预期。现阶段Agent还无法保证每次都能高质量地完成任务，如果按结果收费，"任务完成了一半算不算收费"这类边界问题很难界定。
我们当前的积分制模式其实已经在朝这个方向靠拢——用户购买的是"使用额度"而非裸Token。未来随着技术和产品的成熟，我们会逐步探索更贴近"按任务付费"的模式，让用户的消费体感更加直观和合理。
：这次1.0.7版本核心升级已落地，接下来Molili的核心迭代重点是什么？还会给用户带来哪些新体验、新能力？
唐涛：主要有四个方向：
垂直场景版本的推出。通用型产品已经验证跑通，接下来会针对金融数据分析、自媒体运营等特定领域推出专用版本。这类产品可以复用现有的技术底座，只做场景化的针对性优化，上线速度会非常快。
第二，Skill生态的持续扩展。8000+只是起步，我们的目标是把Skill商店打造成AI Agent领域的"当贝市场"，不仅服务Molili用户，也服务整个Agent生态。
第三，核心体验的持续打磨。任务执行稳定性、中文理解准确度、远程操控体验等产品基本面，每个版本都会持续迭代优化。
第四，更多国产大模型的接入和适配。国内大模型发展非常快，新的优质模型一旦出现，我们会第一时间跟进适配，确保用户始终拥有最优的模型选择。
整体目标就是：让Molili从一个好用的工具，逐步成为用户日常工作中不可或缺的AI助手。
：最后，面对市面上五花八门的龙虾类产品，普通用户想上手AI Agent，最该避开哪些坑？您给普通用户的核心建议是什么？
唐涛：想上手AI Agent，有三个坑建议一定要避开：
别被"免费"吸引而忽略了实际体验。AI Agent背后都有真实的算力成本，免费模式要么有大量使用限制，要么是前期补贴后期不可持续。选一个价格透明、花费可控的产品，比图一时便宜更靠谱。
第二，别高估现阶段AI的能力边界。AI Agent确实能帮助完成很多工作，但它目前还不是万能的。建议先从简单的、重复性的任务切入，逐步建立使用习惯和信任感，再慢慢拓展到更复杂的场景。
安全永远要放在第一位。安装之前，先了解清楚这款产品需要哪些权限、数据存储在哪里、遇到问题能找谁。从不明渠道随意下载Agent安装包，这种风险完全不值得冒。
总结起来一句话：选AI Agent产品，核心看三点——装得上、用得起、有人管。满足这三条的基础上，再去比较功能和体验。不要被花哨的演示视频迷惑，自己实际上手体验几分钟，好不好用自然就知道了。
还木有评论哦，快来抢沙发吧~