AI 代理 OpenClaw 為何引發卸載潮？從龍蝦危機到 harness 框架，企業導入前必知的三道關卡
2026年初爆紅的OpenClaw，因其形象是一隻龍蝦，部署OpenClaw在社群裡很快被戲稱為「養龍蝦」。這個說法之所以廣為流傳，不只是因為有趣，而是因為它剛好說中了人們對這一代AI代理的感受──它不像工具，更像一種需要餵養、需要管理、也可能突然失控的生物。
延伸閱讀｜AI 終於有「手腳」了！AI 龍蝦 Clawdbot（Moltbot）是什麼？一次看懂與傳統代理的 3 大差異
繼GPT-4把AI推理與多模態能力推到新的高度，市場開始期待它脫離一問一答的模式，自主把任務完成。2023年誕生的Auto-GPT第一次讓大家看見這個可能，它可以自己拆解任務、安排步驟，並決定下一步要執行什麼。但大家很快發現，Auto-GPT的努力經常在做白工，只是用更長、更繁瑣的過程去產出一個錯誤的結果。
於是，下一次蛻殼不是讓AI變得更自由，而是先替它套上流程。業界開始意識到，真正能落地的AI代理，是那些可以被拆解、被監督、被中途打斷、被人接手的系統。n8n這類工具把AI代理嵌進可視化流程裡，可以指定讓AI呼叫工具前要經過人工批准。然而，這條路也很快碰到其上限。畢竟流程再完整，本質上還是在替AI鋪好預設軌道，凡是沒被設計進去的情況就容易卡住。於是下一個問題變成，如何讓AI在一個清楚界定的範圍內獨立扛起任務。
這個答案，後來最先在程式開發領域被實踐。2025年誕生的Claude Code就是一個代表，它證明了AI不必先學會所有事情，才算得上合格的代理人；只要先把能力收斂在程式開發這個明確場景裡，並補齊讀懂整個codebase、接上開發工具、修改檔案、執行命令，甚至自行除錯等能力，就足以完成大部分任務。而真正讓它與前一代拉開距離的，則是後來加入的Skills機制。
延伸閱讀｜Claude Code 被移出 Pro 方案了？官方怎麼說？Claude 訂閱懶人包：價格方案、免費功能一次看懂
過去，再強的AI模型也還只是個每次上工前都要重新叮囑的新同事。Skills的顛覆性在於，它把原本只存在於資深工程師腦中、散落在團隊文件裡、藏在code review習慣裡的做事方法，整理成AI可以重複調用的能力。它改變的不是一次任務怎麼完成，而是整個團隊怎麼把經驗留下來。
過去最有價值的能力常常只存在於少數老手身上，只能靠口耳相傳慢慢帶人。現在那些方法可以被封裝、被複製、被AI一起承接。近來社群甚至出現了「同事.md」這種有趣的發展，透過類似Skills的機制把一個厲害同事真正的價值蒸餾成一份可以直接交給AI的工作心智，不必擔心同事離職後沒人可以交接。
如果說Claude Code替AI代理磨出了一對能工作的鉗子，OpenClaw做的，就是替這對鉗子接上一副能長期運轉的身體。這副身體最關鍵的，不是某一個全新發明的單點能力，而是它把記憶、召回、輪巡與反思這些原本多半停留在框架層、實驗層或分散模組裡的能力，整合成一套更接近可持續運轉產品的工作結構。
OpenClaw把記憶（Memory）做成可管理的檔案系統，將日常脈絡按日期分檔保存，必要時在回覆前先把相關背景召回。再來是心跳系統（Heartbeat），它並非讓agent永遠保持清醒，而是讓它在特定節點定時醒來，在主session裡重新檢查任務、狀態與待辦，必要時再回來報告。但長期運行之後，代理人的記憶若只是不斷堆疊，也很容易被雜訊淹沒。OpenClaw後來加入的Dreaming機制，做的就是在背景流程裡整理短期累積的訊號，只把真正反覆出現、值得保留的內容，沉澱進更長期可用的記憶。
然而，這個看似強大的龍蝦，後來卻因為事故頻傳引發大量的卸載潮。
第一個危機是權限幻覺。Claude Code這類工具多半還被放在人們可即時介入的框架裡，像一把握在你手上的工具。龍蝦則把這種能力做成長時間連線、可從不同入口被喚醒、還能自己主動執行任務的代理人。當一個AI代理同時握有聊天入口、檔案、瀏覽器、命令列與排程的權限，風險就不只是它會不會答錯，而是一旦被誤用或錯誤授權，究竟會帶來多大的災難。
第二個危機來自技能生態圈的擴張。OpenClaw透過Claw Hub把Skills與plugins做成公開註冊表，讓龍蝦的能力可以被搜尋、安裝與更新。它首次擁有了接近軟體平台的外部生態圈，也同步放大了對應的風險。惡意的Skills不只會讓它答錯，還會讓它執行未授權的命令，除了會把你的個資外洩，甚至把外部威脅直接帶進你的系統。
第三個危機是商業模式上的現實。OpenClaw雖然可以接本地模型與自架推理服務，但若要較強推理與更可靠的代理行為，許多使用者仍會傾向依賴雲端大模型。更麻煩的是，這套設計本身就很浪費token，它每做一步都要反覆回頭讀前文、找記憶、確認進度。你花的錢不只是讓它做事，還是在不斷維持它記得自己正在做什麼。官方甚至專門提醒使用者，某些背景運轉如果不隔離，單次就可能吃掉極大量token；社群裡也有人回報，明明只是很短的一句話，背後卻已經送出了數萬個tokens。
隨著龍蝦危機引爆，技術圈開始從不同方向修補這隻龍蝦身上還沒長好的器官。例如，Hermes Agent補的是學習能力，想讓代理不只是一直在線，而是真的能把經驗沉澱成可重複使用的Skills。NVIDIA的NemoClaw補的則是治理，它把OpenClaw放進更受控的執行環境裡，在執行層補上沙盒、狀態管理、模型請求轉送與網路政策等治理機制，連對外連線能不能放行都能預先設定規則。
因此，業界近來開始談論harness。它不是另一隻新的龍蝦，而是指替AI代理裝上一整套鞍具與韁繩，讓人能真正駕馭它。工具怎麼接、狀態怎麼帶、權限怎麼控、出錯怎麼處理、跑到一半怎麼連上，這些原本零散的問題，正開始被包進同一套骨架裡，讓它逐漸邁向企業可實際落地的代理人。
延伸閱讀｜AI agent 為何會失控又越罵越笨？台大教授用 80 字實驗拆解 Harness Engineering 三個控制關鍵
就目前而言，一隻未成熟的龍蝦顯然不適合直接養在銀行內部。但這不代表銀行業只能袖手旁觀，真正值得學的不是這隻龍蝦本身，而是牠一路演化的本質：如何把那些只存在於資深交易員、授信主管、法遵專家腦中的判斷力提煉出，來讓AI代理人可以調用。銀行最值錢的從來不是系統，而是人腦裡那些帶不走的經驗；當AI代理人能把這些經驗留下來，改變的就不是成本結構，而是一家銀行的專業能不能跨越世代傳承。
（本文授權轉載自《台灣銀行家》雜誌 2026 年 5 月號）
延伸閱讀
90% B2B 採購將由 AI 代理執行！簡立峰：企業現在不 AI 就緒，三年後將從供應鏈消失
麥肯錫 Lilli 遭入侵！AI 代理如何用「SQL 注入」入侵核心資料庫？2 小時拿下 4650 萬筆資料
GPT-5 全面解析｜八大優點告訴你：可自主代理任務、具97%工具穩定性，降低 45% AI 幻覺…等