把工作扔给一头骡子，三天后发现它比「牛马」还靠谱|AI|浏览器_新浪科技

摘要

AI Agent 不只是极客的折腾工具，同时也是人人都能低门槛养成的数字员工。

作者｜张勇毅

编辑｜郑玄

3 月 16 日，我去参加了一场产品体验会。主角叫 MuleRun，它的中文名骡子快跑，官方给自己的定位是「全球首个自进化的个人 AI」。

但众所周知，「全球首个」这四个字，在 AI 圈里已经被用滥了，我最开始没太当回事。但这一波 AI Agent 的浪潮，到底是为谁准备的？

这个问题，其实已经有了一个很荒诞的现实答案，看一下时下龙虾的代安装服务仍然有多火热就知道了。

上门安装服务，已经供不应求。闲鱼、小红书上「帮装龙虾」的帖子随处可见，收费从几十到几百不等，预约档期排到一两周之后。有人专门跑来跑去帮人装，一天能接好几单；有人整理成教程包售卖，还有人开了付费社群专门答疑——围绕「装龙虾」这件事，一条产业链正在悄悄成型。

但似乎没有人问出那个早就应该被问出的问题：AI，什么时候开始需要请人上门才能用了？

骡子给出的答案是：不应该。第一次打开它的时候，我甚至有点意外——浏览器，说几句话，就开始了。没有安装包，没有环境配置，没有任何需要「折腾」的地方。然后我把一个定时跑数据的任务扔给它，关掉了浏览器，去睡觉。第二天早上，它主动发来了汇报。

OpenClaw 的爆火显然不是偶然。Agent 的风口让很多人意识到，AI 的价值不只是「聊天」，而是真正帮你干活。OpenClaw 代表了这个方向里一套完整的技术思路：在你自己的电脑上跑，能直接调用本地文件，能对接十几个社交平台，还完全开源——对懂技术的人来说，这几乎是理想答案。

但这里有一个认知与实践上的 gap：龙虾的核心问题，不是它不够强，而是它的「强」，普通人用不上。

安装要折腾大概半小时，需要手动配置 Docker 和 Node.js 环境，冷启动耗时长；安全层面需要授予管理员权限，第三方技能缺乏隔离机制——很多用户安装后收到系统的安全提醒，有人遭遇电脑异常，数据隐私的顾虑在社区里反复出现，却没有一个明确的答案。更关键的是，电脑一关，它就停。

我把这些门槛拆开来看：安装复杂、运行依赖本地设备、安全风险不透明。这三点叠在一起，意味着什么？意味着对设计师、白领、电商卖家、没学过编程的投资者来说，龙虾本质上是一款「你得先成为一定程度的极客，才能用它变成极客」的产品。

光「排队安装」这件事本身，已经在无声地筛选用户了。

Agent 这件事，出发点是让 AI 帮普通人干活。但如果用上它的前提是，你得先有时间、有技术、有胆量——那这场生产力革命，大部分人其实只是在旁边看。

骡子则是另一套逻辑。它住在云端，每位用户分配一台 7×24 小时独立运行的虚拟机，用户数据物理隔离、不获取本地密码。打开浏览器就是完整的使用入口，关掉浏览器，它照样跑。

打个比方：龙虾是「你得给 AI 安排一个房间」，骡子是「AI 自带工位，你只管交代任务」。

骡与虾

在实际用下去之前，我想先说清楚一件事：骡子和龙虾的差距，不只是「易用」和「复杂」的问题，而是两套从根上就不一样的技术路线。

OpenClaw 采用的是「网关中心化 + 事件驱动 + 插件化」的分层设计——本质上是连接大模型与本地工具的「执行中枢」，解决的是「让 AI 动手」这个基础问题。这套设计有它的优雅之处，但结构性瓶颈也在这里：部署依赖本地环境，交互模式是「一问一答」或「一个指令一次执行」，被动响应，没有主动性。

MuleRun 走的是另一条路。它提出的是「基座 Agent + Knowledge + Skills + Runtime」四层架构——每位用户分配一台独立云端虚拟机，有专属文件系统，可预装原生软件，支持硬件级配置。从技术定位上，它想做的不是「虚拟助手」，而是「数字员工」——两者的区别，是等你开口，还是替你操心。

更关键的差异在进化机制上。MuleRun 构建了个体学习与群体共享的双轮驱动：用户沉淀的有效解决方案可以注入公共知识网络，经多人验证的高权重方案会自动匹配给面对相似场景的其他用户。这就形成了一个正向飞轮——用的人越多，每个人的骡子就越强，是单一模型或封闭架构很难复制的东西。

当然，骡子也有它现阶段做不到的事。它还不能直接读你电脑里的本地文件，也不能复用你已经登录好的浏览器——如果你的核心需求是「让 AI 帮我操作淘宝后台」，骡子或许还不能很好的完成这个需求；但如果问题换一种问法：什么任务，你需要 AI 持续跑 72 小时、即使电脑关了也不能停？

这个问题一出来，骡子适合干什么，就清楚了。

理论说完，聊聊真实用下来的感受。

MuleRun 里有两种核心用法，官方叫 Computer 和 Super Agent。

虽然它们共用一套工具包，但适合干的事不一样：需要「一直跑着」的事交给 Computer，需要「做完交付」的事交给 Super Agent。

Computer 的精髓是它的「持续在线」能力。我给它设了一个定时任务——每天早上自动抓取几个 AI 媒体的更新，整理成简报发到我的 Telegram。设好之后，不用管它，每天准时出现，这件事在我睡觉的时候就已经跑完了。

更有意思的是它的 Heartbeat 机制：每天会主动找我汇报「过去 24 小时帮你完成了什么」，发现我有重复操作时，还会主动建议自动化方案。第一次收到它主动发来的「建议」，有那么一秒钟感觉挺奇怪——平时都是我找 AI，这回 AI 先来找我了。习惯之后，反而觉得这才是「助理」应该有的样子：不用每次都等你开口，它已经在帮你想了。

Super Agent 更适合「一次性交付」的事。做 PPT、生图、建一个简单网页——在 Super Agent 里预览更流畅，生成质量更稳，Token 消耗也更少。我用它做过一份竞品分析报告，带数据引用，格式完整，实际体验比预想的好。

用久了会发现一个更细微的变化：骡子在慢慢记住你是谁。它记住你的职业、偏好、常用工具，随着对话积累，开始能预判你下一步大概需要什么，提前加载合适的能力。第三周用起来，和第一天确实不一样。

还有一个必须提的地方：任务加载的时候，屏幕上会出现像素风骡子动画——有时是在大口嚼胡萝卜，有时是被上鞍，有时是被投喂。整体是复古游戏的风格。一个产品对用户体验的真实态度，往往藏在这些没人规定非做不可的小地方。

骡子能做出什么

为了验证「普通人真的能用」这件事，MuleRun 展示了几个不同行业的应用案例。我挨个看了一遍，有几个地方是真的没想到。

传统游戏开发需要一整个团队——美术、策划、程序，耗上几个月还不一定能跑通。MuleRun 的逻辑是：游戏爱好者只需用自然语言描述创意和风格，它来生成角色设定、规则框架、交互操作；你提出修改意见，它在短时间内就能调整出符合你世界观的场景和情节，实时迭代，大幅压缩更新周期。

官方放出了两款用 MuleRun 直接做出来的小游戏，可以直接点开玩：

我去试了「神骡子逃亡」。就是一个可以玩的完整小游戏，有关卡、有操作逻辑、有美术风格。它不算精致，但它真的跑起来了。对一个没写过一行代码的人来说，这件事本身就挺荒诞——你对着对话框说说话，就有了一个游戏。AI 创作的天花板还很远，但「让普通人开始创作」这件事，骡子已经把门打开了。

举例来讲，传统电商运营依赖多种工具之间反复切换，人工处理成本高、响应慢。而 MuleRun 在这个场景的逻辑是：让骡子 24 小时在线应答，无需人工轮班；同时全天监控竞品数据和市场趋势，自动筛选爆款产品、管理库存、预判补货周期。

在这个场景中，更关键的是它的自进化能力——骡子会深度学习店铺的运营数据和风格，持续优化经营策略，用得越久，给出的建议就越贴近你这家店的实际情况，而不是套一个通用模板。

此外，在 AI Agent 最常被讨论的一个场景——量化交易领域。过去，一个交易员想要追踪行情、执行策略、复盘结果，背后往往需要一支开发团队支撑。MuleRun 的方式是：你用自然语言描述你的交易策略，它帮你实时追踪市场、记录操作；每次交易结束后，它会主动找你复盘——不只是告诉你结果，还会提出你没想到的角度，帮你完善下一次的判断。你的持仓结构、交易习惯、风险偏好，都会随着使用沉淀进来。用得越久，它越懂你，越能在你需要的时候给出真正有用的判断，而不是泛泛的建议。