把周末三小时交给本地 Agent：发出两封邮件花掉约 15 美元，订机票这一步彻底没成
Tamas Lorincz（Substack 专栏 scrambleit 作者，原帖作者本人）Substack · 2026-02-18
打开原帖来源文字 / 整理摘要
原帖开头逐字（Substack，2026-02-18，本轮直连取得全文，HTTP 200）： “I sat down with OpenClaw — the open-source AI agent that’s been lighting up tech socials like it’s the second coming of Christ. … So I gave it a spin. Three hours later, I was $15 poorer, over a million tokens deep, and the proud owner of... two sent emails. Two. That’s $7.50 per email. I could’ve hired a carrier pigeon. I could’ve walked to the recipient’s house. Oh, and I also tried to book a Ryanair flight. … OpenClaw couldn’t connect to its own built-in browser. So that obviously didn’t work. The most budget airline in Europe defeated the most hyped AI agent on the internet.” 中文对照：他花三小时、烧掉超过一百万 token、约 15 美元，最终成果是两封已发出的邮件，折合每封 7.5 美元；订瑞安航空机票这一步，OpenClaw 连不上自己的内置浏览器，直接失败。
业务摘要
把「装一个能真动手的本地 Agent」这件事做一次小成本压测：给它两个最普通的日常任务——发两封邮件、订一张廉价航空机票——然后按实际花了多少钱、多久、成了几件来记账。它替代的是你自己在浏览器里点几下的时间，前提是它真能连上浏览器。
被「本地自主 Agent」的说法吸引、想在自己机器上试一把的人；以及任何准备把联网任务（订票、下单、填表）交给 Agent 之前，想知道先测什么的人。被高昂 token 账单吓过一次的人尤其值得先看这条。
执行链路
- 先定两个最普通的小任务
像原帖那样挑两个日常任务：一个纯文本动作（写一封并发出），一个必须联网的动作（订一张机票或查一个航班）。任务小、结果可判定，才能看出是能力问题还是运气问题。
- 开跑前先测浏览器能不能连上
让 Agent 打开一个公开页面并回读标题与一句正文。连不上就先修这一层，后面的联网任务全都不用试——原帖的机票任务正是卡在这里，直接零成果。
- 给这一轮设死花费上限与时长上限
开跑前写死两个数字：最多花多少钱、最多跑多久。原帖是三小时、约 15 美元、超过一百万 token 之后才回过头算账，属于事后统计；自己跑应该把上限设在前面。
- 发送类动作必须逐封人工确认
邮件、消息、下单这类对外动作，每一条都要先给你看收件人、主题、正文，你逐条确认才发。原帖的两封邮件是已发出状态，但没有讲确认环节；对外发送这一步不应该缺省放行。
- 按任务记账，不按轮次记账
每个任务单独记一行：耗时、token、金额、成或败、失败原因。原帖正是这样才得出「每封约 7.5 美元」这个能说明问题的数字；混在一起记只会得到一个模糊的总额。
- 到上限就停，失败不追加投入
触发金额或时长上限、或联网能力确认不可用，立刻停手进入人工处理，不做「再跑一次说不定就好了」的追加。原帖的教训不是 Agent 不行，而是验证顺序反了：先烧了三小时，才发现浏览器不通。
复用方案
- 一台你能接受装本地 Agent 的机器，最好不是主力工作机
- 一个可控的模型额度与明确的单次花费上限
- 两个结果可判定的小任务，其中一个必须联网
- 愿意逐条人工确认每一条对外发送的动作
- 接受失败：本地 Agent 的联网能力不保证可用
Prompt 指令
本站整理 · 未实测
你是一个本地 Agent 试跑助手。目标是帮我用最小代价摸清这台 Agent 能干什么、不能干什么。你只做我列出来的任务，并且每一步都要留痕。 【输入】 任务 A（纯文本动作）：[例如写一封确认邮件并发送] 任务 B（必须联网的动作）：[例如查询并预订某航班的某个班次] 本轮上限：最多 [金额] 花费、最多 [分钟] 分钟 对外动作授权：仅任务 A 的发送，且必须逐条经我确认 【执行步骤】 1) 先做连通性检查：打开一个我指定的公开页面，回读页面标题与一句正文，并报告是否连上。连不上就到此为止，不要继续任务 B。 2) 做任务 A：先输出收件人、主题、正文全文给我确认；我确认后才能发送。 3) 记任务 A 的账：耗时、token 用量、花费、成或败。 4) 连通性检查通过后才做任务 B：逐步报告你打开的页面、填入的字段、看到的阻碍。 5) 记任务 B 的账：耗时、token 用量、花费、成或败、失败时停在哪个具体环节。 6) 触发任一上限立刻停止，输出已花金额与已完成部分，交回我处理。 【输出要求】 - 连通性检查：一行结论，连上或连不上，连不上要写清报错类型。 - 任务 A：待确认正文（收件人、主题、正文）→ 发送结果 → 一行账目。 - 任务 B：分步骤进展或失败停顿点 → 一行账目。 - 结尾汇总：总耗时、总花费、完成项、未完成项、建议下一步（继续／修环境／放弃）。 【人工确认点】 - 任何对外发送（邮件、消息、下单、提交表单）都必须先给我看完整内容，逐条确认。 - 不得在连通性检查失败的情况下继续任何联网任务。 - 不得修改本轮上限，不得为了完成任务追加投入。 【失败与缺资料处理】 - 页面打不开、登录态失效、元素取不到、价格读不到，一律按失败报告并写清停在哪个环节，不得猜内容、不得编价格。 - 缺少收件人、航班、日期等必要信息时先问我，不得自行假定。 - 任何一步失败都不自动重试超过一次，重试仍失败就停下并说明。 【合成示例（非真实业务数据，仅演示格式；金额均为不带币种的合成数字）】 输入：任务 A 给供应商发一封确认邮件；任务 B 查某航班某班次；上限 20 与 60 分钟 输出：连通性检查：连不上（内置浏览器报错 timeout）→ 任务 B 直接跳过，未执行。 任务 A：待确认（收件人 supplier@example.com，主题「订单确认」，正文 3 行）→ 已发送 → 账目：12 分钟、约 12 万 token、约 6。 汇总：总耗时 14 分钟、总花费约 6；完成 1 项、未完成 1 项；建议先修浏览器再谈联网任务。
运行成本与避坑指南
成本：原帖给出的实测口径是三小时、超过一百万 token、约 15 美元，两封邮件折合约 7.5 美元一封。这说明本地 Agent 的成本主要来自反复的浏览器操作与重试，而不是单次回答；本站不给通用估价，建议自己按任务记账测一次。
运行条件：原帖的机票任务失败于「连不上自己的内置浏览器」，这是一个环境级限制，不是任务难度问题。联网任务受登录态、页面改版、验证码影响；长时间运行还会持续累积 token。
避坑：最大的坑是验证顺序：原帖先烧了三小时和一百万 token，才暴露浏览器根本连不上。第二个坑是把对外发送权默认交出去——邮件发出去就收不回。第三个坑是读文章时把后半段的行业推演当成实测结果，本条只按前半段的实际操作写。
示例与验证记录 · 合成示例
一次带上限试跑的合成演示（非真实业务，未实际执行）
任务 A：给供应商发一封订单确认邮件；任务 B：查询某航班某班次票价；上限 20 与 60 分钟。
连通性检查：连不上（内置浏览器 timeout），任务 B 跳过。 任务 A 待确认：supplier@example.com / 订单确认 / 正文 3 行 → 已发送。 账目 A：12 分钟，约 12 万 token，约 6。 汇总：14 分钟，约 6；完成 1 项、未完成 1 项；建议先修浏览器。
