henry 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

2026年的Agent賽道，畫風(fēng)真有點(diǎn)反差。

一邊是開發(fā)者圈集體上頭。

蝦（OpenClaw）、馬（HERMES）、人（OpenHuman）……各路Harness框架狂卷迭代，熱得發(fā)燙。

另一邊，用戶這頭卻在光速降溫。養(yǎng)蝦的FOMO情緒說散就散，棄養(yǎng)潮也是說來就來。

眼瞅著Agent框架是越來越多，還在持續(xù)養(yǎng)蝦的人，卻越來越少。

這倆月，很多人的心態(tài)也從第一次成功裝龍蝦的興奮，慢慢變成配環(huán)境、調(diào)skill、掛電腦、燒Token、修workflow、不斷返工的頭疼。

可以說，蝦是好蝦，就是真滴難養(yǎng)。

而自3月份親自幫大伙兒裝蝦以來，周鴻祎在360最新的直播里也直言不諱地表示，現(xiàn)在龍蝦退熱，最大的問題就仨：

太難、太貴、還不安全。

對此，360給出的新動作，是全新的安全龍蝦云端版，順手再給龍蝦配個(gè)“私教”——

龍蝦教練

幾言以蔽之，云端版相當(dāng)于直接給龍蝦配了一整套“云端辦公室”：云主機(jī)、云盤、云瀏覽器……

你在手機(jī)上給龍蝦下一句指令，它自己就在云上跑任務(wù)。不用單獨(dú)買Mac掛機(jī)，關(guān)機(jī)斷網(wǎng)也不停。

龍蝦教練則開始接管過去最勸退普通用戶的那部分工作，根據(jù)任務(wù)類型，從0到1幫你訓(xùn)蝦、調(diào)度Agent、改進(jìn)workflow。

某種程度上，360現(xiàn)在做的，其實(shí)已經(jīng)不只是“再做一個(gè)Agent”，而是在給Agent補(bǔ)基礎(chǔ)設(shè)施。

畢竟，龍蝦卷到今天，大家慢慢開始發(fā)現(xiàn)：限制Agent普及的，已經(jīng)不是模型能力，而是Agent根本沒真正“活”起來。

為什么還得是龍蝦

在聊360這次新龍蝦怎么用之前，有一個(gè)誰都沒法回避的問題：

2026年過去快一半了，人們到底還需不需要一只龍蝦？
尤其是在經(jīng)歷了這一輪“養(yǎng)蝦熱”退潮之后。

前段時(shí)間跟一個(gè)做設(shè)計(jì)公司的朋友聊到這個(gè)事兒，他提了一個(gè)挺有意思的點(diǎn)：龍蝦用的好的話，能頂一個(gè)團(tuán)隊(duì)。

我們來看看他是怎么用的。

他公司不大，平時(shí)什么都得自己盯。

白天見客戶、趕設(shè)計(jì)稿，晚上回家繼續(xù)回消息、看反饋、整理方案。對于他這種有十幾年設(shè)計(jì)經(jīng)驗(yàn)的人來說，最煩的不是客戶的方案難做，而是瑣事一直不斷。

郵箱、微信群、客戶反饋、競品動態(tài)……每一件都不復(fù)雜，但加起來特別耗人。

后來他也“跟風(fēng)”拿龍蝦試了一下。

現(xiàn)在每天早上起來，客戶的反饋已經(jīng)自動分好優(yōu)先級，總結(jié)成一個(gè)文檔，也不用來回在聊天框里切，甚至還能看摘要知道客戶的偏好和習(xí)慣。

他說，最明顯的變化其實(shí)不是效率提升，而是腦子終于沒那么碎了。

消耗的Token從他的腦子轉(zhuǎn)移到了龍蝦的腦子里。

還有個(gè)做市場的朋友也差不多。

以前寫競品分析，經(jīng)常兩三天都泡在搜資料里?，F(xiàn)在他直接讓龍蝦每天掛著監(jiān)控行業(yè)信息流，自動整理新品、融資、反饋和數(shù)據(jù)變化。

等他真正開始自己動手的時(shí)候，就已經(jīng)是“判斷”和“決策”階段了。

這其實(shí)也是為什么，今年大家突然開始認(rèn)真養(yǎng)蝦，搞Agent了。

這種現(xiàn)象其實(shí)挺普遍的，是因?yàn)楹芏嗳撕髞戆l(fā)現(xiàn)：

自己缺的可能不是一個(gè)更聰明的聊天機(jī)器人。而是一個(gè)能長期替你盯活、跑任務(wù)、自己調(diào)用工具的“AI員工”。

你去睡覺，它還在干活。你去開會，它還在后臺跑。這才是Agent和聊天框最大的區(qū)別。

但問題也很明顯。

現(xiàn)在大多數(shù)龍蝦，其實(shí)還是太像“極客玩具”。會的人覺得特別爽，不會的人卡在第一步。

這也是3月份興起的全民龍蝦熱現(xiàn)在開始退潮的原因。

一方面，普通用戶沒法從過往操作記錄里沉淀出SOP，不太會寫提示詞；另一方面，龍蝦Token燒得太快，甚至可能還有在真實(shí)環(huán)境部署的安全問題。

△龍蝦之父月燒940萬元token

周鴻祎總結(jié)的那仨問題，太難、太貴、還不安全，本質(zhì)上，說的就是這些。

所以，360這次的定位就很清楚，不是又做一個(gè)AI聊天工具，而是給你一支AI員工團(tuán)隊(duì)。

云端版給這支團(tuán)隊(duì)配了一整套云端辦公室，龍蝦教練則負(fù)責(zé)幫你招人

不管是想成為超級個(gè)體，還是想成為新一代AI Native的，都可以建立一個(gè)屬于自己的龍蝦團(tuán)隊(duì)。

接下來，我們具體來看看這只安全龍蝦是怎么個(gè)事。

給蝦搭個(gè)云端辦公室，遠(yuǎn)程遙控龍蝦干活。

在實(shí)際測試中，我們主要上手體驗(yàn)了一下云端和龍蝦教練這倆功能。

云端玩蝦，關(guān)機(jī)也能跑

首先來看云端方面。

我直接在手機(jī)上給龍蝦APP發(fā)消息：幫我做一份AI生成視頻工具的行業(yè)調(diào)研。然后就放下手機(jī)了。

大概幾分鐘，360龍蝦就能給返回一篇不錯的結(jié)果，什么Sora關(guān)停的影響都有點(diǎn)到，數(shù)據(jù)支撐也是有模有樣。

全程沒開電腦，手機(jī)也不用一直亮著。

龍蝦在云上自己跑完了整個(gè)任務(wù)，生成的文件直接存在云盤，隨時(shí)能查。

這就是云端養(yǎng)蝦最直觀的變化：你下完指令就可以去忙別的事，龍蝦在后臺持續(xù)工作。

龍蝦教練：兩分鐘訓(xùn)出一只專屬蝦

然后是龍蝦教練。

我輸入的需求是：我希望訓(xùn)一個(gè)專門寫稿的龍蝦，符合量子位的風(fēng)格。

龍蝦教練開始一步步跟我確認(rèn)邊界，從稱呼、新聞價(jià)值判斷標(biāo)準(zhǔn)、搜索范圍、寫作風(fēng)格到工作模式，整個(gè)過程就像跟一個(gè)真人在聊天。

大概兩分鐘，完整的龍蝦架構(gòu)就出來了。soul、上下文、工具、記憶、skill全都配好，確認(rèn)后直接部署。

有個(gè)細(xì)節(jié)讓我意外：我沒提選題這回事，但它主動在定時(shí)任務(wù)里加了每天掃描AI新聞。

工具調(diào)用里也寫了當(dāng)現(xiàn)有skill不能滿足需求時(shí)，可在線搜索和安裝新skill。也就是說，這只蝦不是裝完就固定了，它能自己找工具、自己擴(kuò)展能力。

后來我又加了一個(gè)需求：根據(jù)數(shù)據(jù)反饋?zhàn)詣有拚龑懽鞣椒?。隨口說了一句，這教練當(dāng)場就把這條規(guī)則寫進(jìn)去了。

到這，一只能寫稿、能自動追蹤行業(yè)動態(tài)、還能根據(jù)流量反饋迭代自己寫作策略的蝦，就配好了。

全程沒碰一行配置。

預(yù)制專家蝦和多智能體協(xié)作

除了自己訓(xùn)蝦，360也預(yù)制了上千只覆蓋高頻場景的專家蝦，點(diǎn)進(jìn)去就能直接用。

比如我還需要制作封面，直接從專家蝦里選一只生圖的、不用寫精巧prompt（生成一張卡帕西加入Anthropic的插畫），給它個(gè)大意就能出圖。

更復(fù)雜的任務(wù)也能應(yīng)對。我用了一個(gè)產(chǎn)品開發(fā)團(tuán)隊(duì)，讓四只專家蝦協(xié)作幫我做個(gè)人網(wǎng)頁。

每只蝦完成自己的部分后，會主動問你要不要改、要不要進(jìn)入下一階段，像真人團(tuán)隊(duì)一樣交接工作。

龍蝦降溫了，然后呢？

最后讓我們回到開頭那個(gè)問題——

龍蝦經(jīng)歷了用戶端與開發(fā)端的冰火兩重天，然后呢？

作為一個(gè)開源項(xiàng)目，龍蝦上線72小時(shí)破6萬星、兩周破15萬星，幾乎以一己之力向全行業(yè)普及了大模型+Harness框架這套Agent技術(shù)底座。

△AI生成

黃仁勛也在GTC上直接把龍蝦定義為了繼生成式AI之后的下一代范式。

但龍蝦的熱度，卻并沒有像爆火時(shí)領(lǐng)雞蛋似的一直瘋狂下去。

隨著蝦父Peter進(jìn)入OpenAI，Harness框架持續(xù)擴(kuò)散，龍蝦逐漸從一個(gè)獨(dú)立產(chǎn)品，變成了模型能力的一部分，大家好像也不再強(qiáng)調(diào)自己的產(chǎn)品是龍蝦了。

但俗話說“一蝦落，萬物生”，Agent行業(yè)的底層趨勢，反而在加速。

Gartner預(yù)測，到2026年底，40%的企業(yè)應(yīng)用將內(nèi)置任務(wù)型AI Agent。

但另一邊，真正把Agent跑進(jìn)生產(chǎn)環(huán)境的公司，其實(shí)還不算多。

這說明了一件事：Agent的價(jià)值已經(jīng)被驗(yàn)證了，卡點(diǎn)不在于要不要用，而在于能不能落地。

Foundation Capital那篇廣為流傳的Context Graphs文章也指向了同一個(gè)判斷：

Agent公司真正的護(hù)城河不在框架本身，而在執(zhí)行過程中沉淀下來的決策經(jīng)驗(yàn)。光搭一個(gè)殼是不夠的，能沉淀know-how才有壁壘。

這在某種程度上印證了當(dāng)下龍蝦的發(fā)展脈絡(luò)：通用框架的熱度在退，云端化、專家化的方向在起來。

從Anthropic到微軟到Google，云廠商都在把Agent運(yùn)行層平臺化，運(yùn)維、安全沙箱、擴(kuò)縮容全給你包了。

360這次云端版踩的正是這條線：內(nèi)置上千只覆蓋高頻場景的專家蝦，龍蝦教練在更高一層接管調(diào)度，接受用戶的模糊指令，組織專家蝦干活。

把復(fù)雜的、需要動腦的事兒打包封裝起來，讓不懂技術(shù)，但有需求的人也能用上Agent。

從3月幫全員裝蝦、發(fā)1億Token，到5月直播上線云端版，360圍繞龍蝦兩個(gè)多月沒停過。要說對龍蝦的狂熱，周鴻祎在圈內(nèi)算得上獨(dú)一份。

而360安全龍蝦云端版做的這些事，本質(zhì)上是在給Agent搭基礎(chǔ)設(shè)施。讓AI不只是一個(gè)更聰明的聊天框，而是真正能干活、能交付結(jié)果的AI員工。

從「裝上了」到「真能用」，這中間的路，才是龍蝦下半場的真賽點(diǎn)。

AI聊天框的時(shí)代，拼的是誰更會“回答問題”。

Agent時(shí)代開始之后，大家拼的可能會變成另一件事：

誰能真正替更多人干活。