“以前总觉得自己是撑起部门业务的顶梁柱，直到上个月，我用 AI 工具半天就跑完了以前需要埋头干一周的分析报告，才发现这是降维打击啊。”近期，一位临近 35 岁的华东大厂战略人对雷峰网感慨道。 这两年，在一波波 AI 创新的冲击下，北京西二旗、后厂村与深圳深南大道的一栋栋大厂办公楼里的氛围已经变了：大家心里的“35 岁裁员危机”还没消散，一种新的，更迫在眉睫的焦虑——“AI 替代”又来了。 从比谁更能卷，到比谁更会用 Agent，人与人、厂与厂之间的竞争焦点已经开始转移，甚至深圳大厂的一些部门直接为程序员开出每人每月 4000 美元的 AI 工具报销额度，用 AI “武装到牙齿”。 打不过就加入，每个大厂人都在试图将 AI 工具变成救命稻草。但问题来了：面对当下大火的小龙虾和 Claude 等 Agent 工具，我们该选哪个，怎么用？ 他告诉雷峰网，前段时间，当小龙虾、Claude Agent系列工具刷屏时，他的第一反应不是兴奋，而是心惊。看着那些几分钟就能生成复杂报表的工具，他想到的是：如果 AI 这么快，那还要他这个“老分析师”干什么？ 上周，他所在条线的销售主管给他安排了个任务：分析过去三年几款云产品的销售情况。这意味着林翰要查阅大量的 Excel 表格、文档和渠道数据。放在以前，这项工作够他带实习生熬一个礼拜的，但在当前的裁员环境下，他也不敢随便招实习生了。 他告诉雷峰网，前段时间小龙虾大火，网上甚至出现了上门安装的服务，但他没敢尝试。“我一直挺怵这种开源工具的，谁也说不准安不安全，就算出了问题你也找不到人来负责。”后来没多久，小龙虾爆出一堆泄密事件，林翰一边后怕，一边庆幸自己当初没盲目跟风。 林翰很谨慎，在决定使用 Claude前，他专门向技术同事打听了一圈，得知 Claude 走的是“容器化沙盒隔离”的路子——当你授权文件夹时，它不是直接在你的系统里“翻箱倒柜”，而是在后台拉起一个虚拟环境，把风险降到了最低，就算涉及删除这种大动作，也必须经过人的物理弹窗确认，这种“手刹”握在自己手里的感觉让他感到踏实。 “它能容纳和分析更多的数据”，林翰解释道，比如它能精准抓到两年前某份预算预测与后续实际投入之间的细微偏差，并把前后数据对应起来做对比分析。这种量级的跨文档信息关联，靠人工逐页翻阅核对几乎是不可能完成的。 “我不是程序员，哪会写代码去配置它啊？虽然现在不少大厂出了‘一键部署’版，但我还是用不惯，那些安装守则看得人头大。我买 AI 是为了找个帮手减负，而不是请个‘大爷’回来，还得天天学代码去伺候它。” 苏菲告诉雷峰网，运营工作是典型的“碎片化、多线程”。她既要处理供应商消息，又要在后台系统改库存，还要去跟海外团队对齐。“如果不能把那些琐碎的重复劳动甩给 AI，我迟早会被这种高强度的工作拖垮。” Claude更新上线了 Computer Use 后，苏菲第一时间跑过去尝试，但体验后发现，它太依赖屏幕视觉模拟了，必须全程占用电脑屏幕才能操作，没法在后台静默运行，当苏菲切换页面处理供应商消息、对接海外团队时，它就会中断操作，适配不了运营这种多线程的工作节奏。 相比 Claude，苏菲表示她更喜欢用 OpenClaw。小龙虾走的是“API 驱动插件架构”。苏菲请公司的技术同事帮忙，在云端服务器上部署了一个 OpenClaw 节点，并利用它支持的 MCP 协议对接了公司内部的多个系统。 苏菲发现，配置好了的 OpenClaw 就可以在后台默默干活了，不需要时刻盯着屏幕。而且技术同事还给“小龙虾”写了一套基于逻辑触发的指令：一旦监控系统发现库存跌破阈值，它就会立即去查询历史补货周期，并自动起草一份给供应商的邮件。 事实上，小龙虾这种“触角伸向万物”的能力，来源于它的高度扩展性。因为它开源，所以人们可以给它写需要的“Skill（技能包）”，让它来干活。 苏菲听技术同事说，OpenClaw 需要用户自己承担全部的操作风险。因为它拥有较高的系统权限，如果你给它的指令不够准确，或者它的安全设置出了差错，再或者被植入了有毒的程序，那么这只“小龙虾”就有可能给你带来大麻烦。 而且小龙虾消耗的 Tokens，如果没监控和限制的话，可能会很多，导致成本很高。苏菲用下来发现，这款工具有时候干起活来，每一步操作都要往返好几次数据，在后台和大模型密集对话，非常消耗Tokens。“我现在最怕的是它又卡在哪个点上疯狂跑任务，等我发现时，可能几千块钱的余额已经被它耗光了。” “别跟我提什么‘小龙虾’，它在真正的研发战场上，充其量只能算个基础玩具。”老张靠在椅子上，指着屏幕上飞速滚动的代码块说道。 老张快 40 岁了。虽然早就过了传说中 35 岁的那道坎，但在大厂这台巨型机器里，到了这个年纪并不意味着你就稳了，反而更像是站在一个随时会被更高效、更便宜的“后浪”卷走的风口浪尖。这种危机感，让老张对生产力工具的选择极其挑剔。 “在大厂研发圈，Claude Code 比小龙虾明显好用，这早就不是秘密，而是共识。”他直言不讳。他从两年前就开始带队用 Claude Code，身边的同事也大多如此。 “对研发岗来说，Claude Code 才是真正的专业级武器。小龙虾的能力太基础了，它更像是个搞搞简单自动化的脚本工具。而研发需要的是什么？是对底层架构的深度理解，是对数万行逻辑的精准审计。”老张解释道。 他告诉雷峰网，自从组里全员接入 Claude Code 之后，核心开发的产出效率直接翻了 3 到 4 倍。“这意味着以前要写一个礼拜的复杂模块，现在两天就能交付，而且 Bug 率极低。” “这种量级的产出提升，是小龙虾那种基础的 API 编排根本给不了的。在处理高密级的算法和核心逻辑重构时，小龙虾在 Claude 面前，显得单薄、业余。” 但老张是在深圳顶级互联网大厂上班，所在的业务线也非常赚钱，所以对老张他们来说，钱从来不是问题。“部门每个月给每位程序员提供 4000 美元的额度，专门用来报销AI工具开支，而且用什么工具完全不设限。” “作为 leader，我这个岁数不关心哪款工具更便宜，我只关心谁能让我更高效，让我带的团队在裁员潮里一直是公司的‘硬资产’。”老张强调道。 “在我眼里，Claude 就像是一位经验老到的程序员，他能理解复杂的上下文，写出专业的代码。而小龙虾，更适合去干那些跑腿、打杂的琐事。在写代码搞研发上，我们只认 Claude。” 他发现，公司目前的数字化系统既像一个个独立烟囱，又像一道道错综复杂的迷宫，他需要像个修补匠一样，在那些十几年前的碎片化系统里给新业务找路。这种危机感，逼着他必须比年轻人更懂得怎么压榨工具的价值。 “以前我用小龙虾时，最怕遇到这种‘老古董’，小龙虾像个特种兵，在 API 的高速公路上跑得飞快，但遇到这种没有路（API）的泥泞荒原，它就彻底抓瞎了。为了让它能操作老系统，我曾逼着技术团队写了半个月的 Selenium 脚本，结果系统前端稍微一改版，脚本全报废。” 现在的 Claude Cowork在周强眼里就像个长了眼睛的真人。他给Cowork下指令：“去老系统里把上周所有上海仓的临期食品清单截图，填进这个最新的协作表格里。” 他发现，Cowork并没有去撞 API 的那面墙，而是直接“看”到了屏幕。它像人一样挪动鼠标，点开模糊的图标，输入账号密码，在复杂的菜单栏里翻找，甚至能识别出那些连程序员都懒得标注的像素按钮。 这就是视觉驱动的便捷之处。它走的是像素级识别路线，不需要厂商开后门，只要人眼能看见的界面，它就能接管。这解决了周强所在的这种老厂最隐秘的痛点：那些无法被自动化的“遗产系统”。 不过，这种“接管模式”也有软肋。因为它执行时会“独占”电脑屏幕。而且，视觉方式极其消耗 Token，还要把图片上传到云端，每一次传输都是白花花的银子。 周强现在不纠结谁的技术更高端，而更在乎谁能帮他解决实际的烂摊子。“目前项目经费还算充足，我的策略很务实：视觉重活找 Claude，逻辑琐事找小龙虾。” 所以他挂了一台服务器跑着小龙虾，对接那些有标准 API 的文档和数据库，省钱、安静，而面对那些只有图形界面的老旧系统时，他会请出 Claude。 在雷峰网看来，林翰的谨慎、苏菲的变通、老张的坚定，周强的务实……这些人在不同工具间反复权衡、寻找最优解的探索，折射出的正是AI洪流中大厂人共同的求生底色。 这不只是AI工具之争，更是一场关乎生存的博弈。对于这些中年大厂人来说，AI 既是悬在头顶的达摩克利斯之剑，也是手中最后的救命稻草。 这也正是小龙虾、Claude Agent等工具火爆背后的情绪助推。使用 AI 工具，不再是单纯的“学个软件”，而是一种迫切的生存需要。“不用就会掉队。”在调研的过程中，这是被访者们不约而同提到的一句话。 不过，当大厂人以前所未有的热情将这些 Agent 工具转化为“外挂”疯狂奔跑时，我们终究还要面对那个幽灵般的问题：这柄不断进化的AI利刃，究竟是支撑人的终极浮木，还是替代人的加速器？
