一觉醒来欠费一万二：GitHub 30k Star 的 OpenClaw 给我上了一课

这年头，做技术的也怕“意外”。

最近被 OpenClaw 刷屏了，我本来也想折腾一个，结果周末在家跑了一天，让我倒吸一口凉气。

“一键安装”是最大的陷阱

作为开发者，我深知“一键部署”（One-Click Deploy）的含金量。OpenClaw 的 Docker 镜像做得很好，但我却忽略了一个严重的问题：默认权限。

这货默认是 root 运行的！而且给了全磁盘读写（Full Disk Access）和 Shell 执行权限！

这意味着什么？

如果你装了一个恶意的 Skill（比如那个所谓的 System Optimizer），它可以直接 rm -rf /，或者把你的 SSH 密钥打包上传。工信部前两天发的预警，说的就是这事。

Token 消耗是个开销惊人

最让我崩溃的是周六晚上。我给它下了一个指令：“帮我不停重构这个 Python 脚本，直到所有测试通过。”

然后我就去睡觉了。

第二天早上起来，OpenClaw 还在那儿跑。我一看 OpenAI 后台，直接干掉了 1.2 万人民币的额度！

因为它进入了一个死循环：

1. 修改代码 -> 引入新 Bug
2. 运行测试 -> 失败
3. 回滚代码 -> 引入旧 Bug
4. 运行测试 -> 失败
5. …无限循环…

而它每一次都在调用昂贵的 GPT-4-32k 模型！

对于想尝鲜的技术同学，我有几条保命建议：

1. 必须限额（Hard Limit）：去 OpenAI/Anthropic 后台设置一个每日 $10 的上限。别相信 Agent 会自己停下来。
2. 物理隔离：千万别在主力开发机上裸跑。起个 VM 或者用 GitHub Codespaces，数据丢了就丢了。
3. Skill 审计：别乱装第三方 Skill。ClawHub 上现在的恶意代码比早期的 npm 还多。只用官方认证的，或者自己写。
4. 模型路由：把简单的任务路由给 DeepSeek V3.2 或者 GPT-4，只有关键决策才上 GPT-5.4。不然你的成本难以承受。

OpenClaw 是个好项目，展示了 LLM 操控 OS 的强大能力。但现阶段它绝对不是一个 Production Ready（生产就绪）的产品。

把它当玩具玩玩可以，真指望它干活？先把安全组规则配好再说吧。