0 引言
自2026年以来，开源AI智能体框架OpenClaw（俗称“龙虾”或“养龙虾”）迅速火爆出圈。OpenClaw是由自然语言驱动的本地设备自托管网关，作为开放式智能体执行框架，它面向开放环境，以多消息渠道接入为入口，以任务驱动的“推理-执行”循环为核心，以工具与插件扩展为能力边界，并依托记忆机制与任务调度实现持续自主运行
[1]。相较于传统对话式大语言模型、检索增强生成系统以及预设规则类自动化工具，OpenClaw突破了现有技术的功能边界，推动大语言模型智能体迈入复杂任务自主规划、动态执行的新阶段
[2]，成为观察智能体技术社会扩散态势的典型样本。
与此同时，一个长期以来处于技术扩散研究边缘的议题愈发凸显：当新兴AI技术从开发者社群走向大众社会场域时，其技术扩散呈现怎样的节奏与态势?社会公众如何认知这项技术，又在不同认知维度上体现怎样的情绪反馈?厘清这些问题，有助于从社会层面把握公众对AI新兴技术的认知逻辑，揭示人工智能技术社会嵌入的一般性规律。基于此，本研究以OpenClaw为观察案例，以微博平台为数据来源，采用BERTopic主题建模与细粒度情绪分析方法，从扩散节奏、认知维度和情绪表征3个层面，系统刻画OpenClaw技术扩散态势的社会认知光谱。
1 文献综述和研究问题
自Rogers
[3]提出创新扩散理论以来，技术的采用速度、扩散曲线与影响因素一直是核心关切，但经典扩散理论对扩散过程中社会公众的认知建构与情感反馈关注不足。在人工智能等新兴技术领域，技术的实际采用率往往远低于其社会关注度
[4]。仅从行为指标评估技术扩散态势是不完整的，还需要观察公众围绕技术形成的认知内容与情感表征，即技术扩散的社会认知光谱
[5]。社交媒体文本凭借其规模大、时效强、自发表达的特点，能够较为敏锐地捕捉公众对技术发展的即时反应与议题焦点，为这一观察提供了新的可能
[6]。
已有研究围绕ChatGPT、DeepSeek等生成式AI的社交媒体讨论，揭示了公众认知的多维特征。在认知维度上，公众讨论被证实涵盖技术属性、产品体验、经济产业、社会影响与安全伦理等多个层面
[7-8]，且媒体机构、专业博主与普通用户之间的差异深刻影响着认知建构过程
[9]。在情感维度上，积极情感多聚焦于功能应用与发展前景，消极情感则集中于职业危机、技术风险与伦理隐患，呈现出显著的主题依赖性
[10-11]。在扩散节奏上，相关讨论被揭示出缓慢萌发、火爆出圈、波动下降、稳定发展的阶段性特征，公众认知会从初期的技术兴奋逐步转向对商业化与伦理规范的理性反思
[12]。随着研究对象从通用模型扩展至更具本土语境的产品，非技术因素日益受到关注。以DeepSeek为例，中国社交媒体用户的讨论除技术外，还重点关注了芯片创新、中美科技竞争等维度
[5,13]。这表明，技术的社会认知是技术特征与社会语境共同作用的产物。
与传统聊天式模型不同，AI智能体具备自主任务规划、工具调用、长效记忆与持续运行能力，其引发的社会讨论不再局限于功能体验，而是进一步延伸至技术自主边界、权限伦理及人机关系等深层议题
[1]，技术的特点可能会反映到公众认知与讨论之上。同时，现有研究鲜有将个案结论归纳至技术扩散的共性评估层面，且认知维度、情感分化与扩散节奏的关联性、不同认知类型的扩散节律差异等问题仍有待被厘清。基于此，本研究从扩散节奏、认知维度、情绪表征维度出发，分析智能体技术扩散的社会认知光谱，提出如下研究问题：
RQ1：OpenClaw的技术扩散在公众关注层面呈现出怎样的时间节奏与特征?
RQ2：围绕OpenClaw的公众认知形成了哪些核心维度，社会认知光谱的整体结构如何?
RQ3：不同认知波段具有怎样的情绪表征，呈现出怎样的分化特征?
2 数据来源与研究方法
2.1 数据采集与预处理
本研究以微博平台为数据来源。基于OpenClaw的技术发布周期与舆论热度窗口，将检索时间范围设定为2025年11月1日至2026年4月15日。在预测试确认微博平台对字母大小写不敏感后，统一设定“openclaw”“open claw”“龙虾”“养龙虾”4个检索关键词。因单次检索结果最多仅展示前50页，采用逐小时时间切片策略分段采集。
初步采集获得原始数据约48.3万条，因不同关键词爬取到了大量的重复内容，经去重与初步筛选后保留约5.8万条。之后，调用DeepSeek V3.2 Exp大语言模型的API进行逐条语义筛选，过滤仅使用话题标签蹭热度以及与主题无关的干扰内容，最终获得与OpenClaw直接相关的有效讨论数据43453条。经人工分层随机抽样5%验证，筛选结果有效、可靠。
2.2 研究方法与工具
2.2.1 BERTopic主题建模
微博文本具有篇幅短、噪声多、语义稀疏等特征，传统的基于词袋模型的LDA方法难以有效捕捉上下文语义。BERTopic借助Transformer预训练语言模型生成语义嵌入，通过密度聚类自动识别文本语义簇，在处理社交媒体短文本方面具有优势
[14]。BERTopic主题建模具体流程是：对文本进行正则清洗，去除网页链接、表情符号、“@”等非语义信息，基于自定义领域词典与整合停用词表完成分词与无效词过滤；采用chinese_moka-ai_m3e-small句向量模型将文本映射为语义向量；通过UMAP降维与HDBSCAN层次密度聚类自动划分主题簇；采用c-TF-IDF算法提取各主题代表性关键词。在初始主题的基础上，基于层次聚类谱系图将语义相邻的同类主题归并为主题簇，并借助动态主题模型（DTM）分析时序演化。
2.2.2 细粒度情绪识别
传统情感分析多采用二分类或三分类的极性判断，难以刻画新兴技术讨论中公众复杂、多元的情绪状态
[15]。常规中文情感分析工具对混杂中英文技术术语与网络表达的语料处理能力也有限。为此，选用bert-multilingual-go-emotions模型开展细粒度情绪分析。该模型可直接处理多语言混杂文本，输出28类细分情绪标签的分布概率，其情绪识别准确率达85.95%
[15]。
3 研究结果
3.1 扩散节奏：公共议程耦合下的脉冲式扩散态势
如
图1所示，OpenClaw的社会关注呈现典型脉冲式扩散。2025年11月至2026年2月上旬，相关讨论量长期趋于0，技术仅在开发者与极客小众圈层内传播。2026年2月上旬至3月6日，讨论量缓步升至每日数百条，技术讨论开始外溢至社交媒体场域，但尚未形成全网聚焦态势。自2026年3月7日起公众关注度陡然飙升，2026年3月10日达到4586条的热度峰值，为全周期日均水平的7.07倍。峰值过后讨论量快速回落，整体保持持续衰减态势。
由公开报道与舆论事件的时间线可见，OpenClaw的热度峰值并未明显对应于单一技术或应用更新事件，而是与2026年全国两会期间有关智能体的公共讨论在时间上高度重合。2026年3月8日前后，多位代表委员围绕OpenClaw的应用前景、使用门槛、产业机会与安全风险发表看法。2026年3月9—10日，主流媒体集中报道登上热搜，进一步将该议题延展至智能经济、安全治理与数字素养等层面。
3.2 认知光谱：技术内核-产业生态-风险伦理的3层结构
通过多轮迭代尝试，最终发现，在UMAP降维时，n-neighbors设为25、n-components设为4，HDBSCAN聚类时top-n-words设为15、min-topic-size设为30、nr-topics设为auto，离群点处理阈值为0.9、ngram设置为“1,2”，主题聚类效果最佳，主题一致性稳定，共得到54个初始主题。
3.2.1 热点主题分析
分析热点主题有助于提取核心需求，避免低频主题干扰，准确定位用户主要关注方向。在此，选取文档数量占比排在前10的主题作为热点主题进行分析，结果见
图2。
从
图2可见，用户最关注OpenClaw工具价值，Topic 0讨论量居首，围绕AI智能体、代码办公等，聚焦自动化办公、批量任务、效率提升的实用价值，代表用户对AI智能体工具属性的期待。同时，部署门槛与衍生服务需求，成为技术落地的核心现实议题。Topic 1与Topic 8关联度高，以token、主流大模型、部署安装为核心，是技术圈层关注重点，开发者集中交流配置、模型集成、云端及本地部署调试等细节。Topic 5从产业层面，体现OpenClaw普及对底层算力的需求；Topic 6围绕微信、腾讯等大厂接入，反映互联网大厂对开源技术的快速整合，大厂生态大幅降低使用门槛，推动技术大众化。Topic 7则凸显普通用户难以自主部署配置，催生上门安装、远程运维等付费技术服务，成为技术普及的衍生业态。此外，OpenClaw传播中符号化认知与安全风险交织。Topic 2和Topic 3承载着技术讨论，也滋生了暴富夸大营销、投机骗局，暴露出新技术普及初期商业无序与话语失范问题。Topic 4和Topic 9聚焦权限越界、系统漏洞等安全隐患，叠加监管安全预警，引发社会对其技术风险的集中讨论。
3.2.2 认知光谱：技术内核、产业生态和风险伦理的3层结构
经层次聚类归并为10个主题簇。基于层次聚类谱系图的语义距离关系，这些主题簇并非无序分布，而是呈现出清晰的3层光谱结构（
图3）。
1）光谱内层：技术能力与底层支撑。
该层位于认知光谱的最核心位置，涵盖全球前沿技术与算力产业、AI智能体落地应用与市场化服务等主题簇，是专业性最强的认知区段。讨论内容覆盖Claude等海外模型的订阅政策争议、英伟达GTC大会等行业技术事件、国产头部大模型进展、底层算力与芯片产业，以及OpenClaw在自动化办公、任务提效等场景的实用价值与衍生的第三方技术服务链条。该区段主要由开发者、技术从业者与行业观察者构成，讨论聚焦于技术本身的能力边界与基础设施条件。
2）光谱中层：产业生态与平台整合。
该层是大众认知最为集中的区段，涵盖互联网大厂生态整合、国内用户实操体验、细分场景与企业合规、多元平台终端布局等主题簇。其中，腾讯、阿里等头部企业的接入与适配动态，构成公众感知技术价值的关键信号通路。对缺乏直接技术经验的普通用户而言，大厂的接入行为客观上充当了技术的社会认证机制。同时，该区段也叠加了部署教程、token配置、飞书插件适配等入门操作内容，以及大量对“养虾暴富”等夸大营销话术、安装服务暴利等乱象的揭露与批判。技术教学内容与风险警示在这一区段相伴而生，反映出新兴技术扩散初期公众的矛盾心态。
3）光谱外层：安全风险与社会伦理。
该层从技术实用讨论中剥离，转向技术的社会影响与价值反思。安全风险相关主题簇以权限越界、隐私泄露、系统漏洞为核心议题，叠加国家互联网应急中心等监管机构发布的安全预警，形成了独立于技术利好叙事的负面认知区段。社会伦理反思主题簇则进一步跳出技术好不好用的实用框架，围绕AI与人类社交互动、网络人际表达、就业结构变迁、数字伦理与隐私边界等议题展开，代表了公众对智能体技术最深层的人文追问。
3.2.3 认知光谱的动态演化
基于动态主题模型（DTM），以月度为时间切片的演化分析结果（
图4）表明，2026年2月的萌芽期，技术内核层率先实现热度增长，成为带动整个技术话题出圈的先导内容，而产业生态与风险伦理层仅零星浮现。进入2026年3月爆发期后，3层光谱的讨论热度同步攀升，表明外部议程的触发效应覆盖了所有认知维度。其中，位于光谱中层的工具实用价值与实操部署类主题涨幅最为突出，是脉冲峰值期公众最核心的关注焦点；大厂生态布局、安全漏洞与骗局乱象等议题的热度也同步大幅攀升。进入2026年4月衰退期后，3层光谱的回落幅度出现明显分化。工具体验、新手实操等短期新鲜感驱动的认知内容回落幅度最大，而安全风险、社会伦理等深度认知波段的讨论量下降更为平缓。可见，不同类型认知内容的传播韧性存在结构性差异，涉及风险反思与价值追问的认知具有更强的持续能力。
3.2.4 认知光谱的情绪梯度
情绪分析结果（
表1）显示，OpenClaw整体认知光谱以中立情绪为主导（占比77.0%）。这表明，公众对该技术的认知以信息性观察与态势研判为主，深度情感卷入程度不高。然而，非中立情绪在不同光谱波段上的附着呈现显著的梯度分化，可概括为以下3种模式。
其一，技术内核区段以积极情绪为主导。在前沿技术与算力产业相关讨论中，钦佩情绪占比达10.0%，约为全样本均值的2倍，认可与兴奋情绪也高于平均水平，且无恐惧、厌恶等负面情绪。在地方产业扶持政策类讨论中，钦佩情绪高达11.6%，为所有认知区段之最，无任何恐惧、悲伤类负面情绪，反映出公众对技术能力提升与政策环境改善的正面反馈。
其二，产业生态区段以中立观察为主导，实操维度叠加消极情绪。大厂生态整合类讨论的中立情绪为所有区段最高（91.7%），表明公众对企业布局的讨论多以旁观者视角展开，情感投入平淡。然而，在用户实操体验与乱象批判相关讨论中，恼火情绪显著富集（6.0%），位居所有区段前列，集中指向部署失败、插件适配困难等实操障碍。技术与乱象话题在同一区段高度绑定。
其三，风险伦理区段以消极与复杂情绪为显著标识。在安全风险区段，厌恶情绪占比为全样本均值的2倍，失望情绪也显著偏高，而钦佩与认可2类积极情绪占比均为所有区段最低，呈现出鲜明的负面情绪主导格局。在社会伦理反思区段，领悟情绪占比为全样本的2.07倍，恐惧情绪占比约为全样本均值的3倍，是该区段区别于其他所有区段的独特情绪标识。恐惧与领悟的共现，表明公众担忧的并非OpenClaw的具体漏洞或故障，而是智能体所代表的技术自主性可能对人机关系边界带来的根本冲击。
从横向对比来看，3个光谱区段的情绪梯度呈现清晰的积极、中立和消极的渐次过渡。从技术内核端以钦佩为标识的积极情绪，到产业生态端以中立为基调的观察情绪，再到风险伦理端以厌恶与恐惧为标识的消极与复杂情绪。这表明，智能体技术在不同认知维度的情感反馈存在系统性差异，且风险维度的情绪强度与复杂性往往超越技术利好维度。
4 结论与建议
4.1 研究结论与讨论
第一，扩散节奏呈现外部公共议程驱动的脉冲式特征。OpenClaw长期局限于小众技术圈层，热度爆发与全国两会AI相关议题高度耦合，峰值显著高于均值，随后快速回落。需要指出的是，此前关于ChatGPT、DeepSeek、Sora等生成式AI扩散特征的研究，也发现了持续性关注缺失、快起快落等现象
[16-17]。
第二，公众认知形成技术内核、产业生态和风险伦理3层连续光谱。内层聚焦技术能力与底层算力，中层集中大厂接入、实操体验与衍生服务，外层转向安全风险与伦理反思。其中，产业生态层扮演关键中介角色，实现专业技术话语向大众认知的转译。但这一中介角色具有双刃剑效应。在上升期，产业生态的卷入可加速技术的公众可见度，但产业生态的卷入也会将原生技术缺陷放大至更广的社会视野，催生风险连带效应
[18]。因此，对智能体技术扩散态势的评估，需要将产业生态层的转译与放大机制纳入分析框架，即技术的社会认知并非在真空之中形成，而是在技术供给、商业力量与公众接受的三方互动中被持续建构与调适
[19]。
第三，情绪表征呈现清晰的梯度分化。技术内核层以钦佩等积极情绪为主，产业生态层以中立观察为主、局部叠加实操负面情绪，风险伦理层以厌恶、恐惧等消极情绪为标识。公众对智能体自主性边界的深层焦虑，构成区别于一般生成式AI讨论的独特心理内核。
第四，认知留存呈现结构性差异。在热度退潮后，浅层使用体验类认知快速消散，而风险伦理、人机关系反思等深层认知具备更强韧性，形成稳定的认知长尾，反映公众对智能体的关注已从工具的价值转向技术正当性。此前，针对智能体伦理风险，学界已有相关理论论证
[20]，本研究则对此提供了公众舆论视角的实证支撑。
综上，本研究在既有生成式AI社交媒体讨论的基础上，进一步揭示了AI智能体作为一种具有自主执行能力的新兴技术形态，其社会认知结构与一般对话式生成式AI讨论之间的差异。研究表明，OpenClaw的讨论热潮退却后，贴近使用体验的工具型认知随议程降温快速回落，而涉及风险反思、权限边界与价值追问的深度认知则呈现出相对更强的留存韧性，构成了脉冲式扩散之后的认知长尾
[13]。
这种差异可能与技术本质的区别及社会语境有关。一方面，从技术上看，一般的大语言模型是被动响应型工具，核心能力是文本交互、内容生成，公众常将其视为提升效率的辅助工具，公众讨论较多围绕其基本功能，如信息获取、效率提升、职业影响等议题展开
[21]。而智能体具备本地自托管、自主规划任务、跨渠道工具调用、长效记忆等持续运行能力，在一定程度上呈现出准主体特征，触发了公众对技术自主边界、人机关系重构、责任归属等更深层的关注。另一方面，从社会语境看，在大语言模型扩散时，热度多由技术迭代自然发酵，公众讨论以个体使用体验为主，但OpenClaw扩散高峰与全国两会相重合，与国家产业发展、科技竞争力绑定，将讨论置于宏观框架之中
[5]，叠加开源、本地部署的特性，催生产业乱象、安全风险等多元议题，进一步强化了讨论的复杂性。因此，评估新型技术的社会讨论与扩散态势，不能仅着眼短期舆论热度，更应关注脉冲退潮后得以存续的公众认知内核，以及公众对技术自主边界、风险责任和社会嵌入方式的持续理解。
4.2 研究建议
基于上述结论，笔者结合AI智能体技术特性与社会传播痛点，从传播引导、风险治理、认知培育等方面提出建议。
4.2.1 优化AI智能体的理性传播引导机制
开源AI智能体具有技术开放性、能力自主性与部署复杂性，本研究表明，公众对于新兴智能体技术的理解往往是在热点事件、媒体报道和平台传播共同作用的情境中形成的。若公共传播中过度强调技术奇观、产业机会或风险警示，缺乏对技术原理、适用场景、能力边界与治理机制的解释，可能加剧公众的片面理解和不确定性感知。因此，有必要从公共传播角度优化AI技术知识的解释方式。1）建议议程联动，锚定长期价值。主流媒体避免单纯追逐热点报道，在重大公共议程窗口期，平衡技术科普、产业价值与风险预警。2）通过分层传播，降低认知门槛。开源社区与企业可根据不同受众的认知基础和需求区分极客版、大众版、企业版，推出轻量化部署工具与通俗教程。面向普通用户聚焦效率场景，面向行业用户突出落地案例，减少由技术门槛和信息差带来的误解。3）加强行业自律，整治话语乱象。行业协会联合头部企业发布宣传规范，净化技术传播环境，引导公众形成理性认知。
4.2.2 构建适配智能体特性的风险协同治理体系
1）从技术源头设防，管控AI智能体的自主边界。建议开源社区建立代码安全审核、漏洞快速响应机制，设计权限分级管控模块，限制智能体越权调用、隐私窃取行为，从底层降低自主性失控风险。2）加强产业生态约束，规范应用落地。企业接入开源智能体时，要履行安全评估义务，公开风险清单。行业协会应制定伦理规范，明确数据使用、隐私保护、自主决策边界，避免技术滥用。3）要推动监管动态适配，强化风险预警。建议监管部门针对本地自托管、自主决策等高风险场景出台专项细则，建立风险动态监测平台，力争早识别、早处置。
4.2.3 培育和提升公众的AI素养
从长远看，破解公众对AI智能体的认知浅层化、恐惧泛化等问题，重点在于培育和提升公众的AI素养，推动形成理性、包容的社会认知氛围。提出如下建议。1）通过短视频、科普讲座等形式，通俗讲解AI智能体的能力边界，区分工具与准主体，消除公众对技术自主性的盲目恐惧。2）通过权威机构与技术专家常态化解读智能体的价值与风险，引导公众理性看待技术进步与伦理争议，避免极端化情绪扩散。3）畅通反馈渠道，建立用户安全问题上报、意见征集平台，将公众反馈纳入技术迭代与治理优化，形成良性互动。
4.3 研究局限与展望
本研究仅选取微博单一平台作为数据来源，观测周期集中于技术扩散的初期阶段，情绪分析仍基于文本表层表达。未来研究可将各类媒体平台等纳入跨平台比较视野，结合深度访谈等方法，研究公众认知的深层机制。
PDF
(2806KB)
