凌晨三点，自媒体博主阿鱼的第32个小红书账号自动发布了一条笔记：“救命！这个方法我要是早知道至少少加200小时班”。此刻她正在熟睡，而在云端，36只龙虾正在执行一套作战计划：4只幕后龙虾负责抓取热点、拆解爆款、审核违禁词，另外32只前台龙虾各自扮演着“工作3年的互联网运营妹子”“靠副业还清8万房贷的上班族”“8年经验的产品老鸟”等不同人格，在32个垂直账号上同时发声。
三个月前，阿鱼还只是一个月入8000、手搓5个账号就精疲力竭的自媒体博主。现在，她一个人指挥的“内容军团”日产出160条稿件，月收入翻四倍。
这不是孤例。在深圳，外贸员小陈用12只龙虾分驻侦察、触达、跟进、报价四个班组，把硅胶制品卖到北美和东南亚；在上海，老张雇佣4只龙虾分别盯理财、管待办、维护社交，每周偷回10小时“让脑子下班”。
他们用的工具是龙虾军团（ClawTroop）——成立于2025年的AI智能体基础设施公司茉莉语境最近推出的产品，已服务于自媒体、跨境电商、企业效能等多个场景。ClawTroop是批量小龙虾的部署和管理工具，目的是降低智能体集群的管理门槛，让个人和企业都能以极低成本拥有、训练和调度自己的智能体集群。
「暗涌Waves」独家获悉，茉莉语境已获得香港数据智能集团（Data Intelligence Group Limited，简称DIG）有限公司百万美金投资，其创始团队来自腾讯、字节跳动等企业以及毕业于帝国理工学院、格拉斯哥大学、香港大学等学府。
养过OpenClaw小龙虾的人都知道，光是部署一只起码折腾1-2个小时，更何况批量喂养、使用、调度和管理。在Agent大爆发的临界点，茉莉语境押注的是一场关于“管理前置”的实验——如果未来每个打工人都将指挥一支AI小队，那么制定军规的能力，或许比单兵作战的技巧更值钱。
图源：企业供图
Part01
文本即军规
在确定“龙虾军团”方向前，茉莉语境的团队曾在两个项目上栽过跟头。
第一个项目是基于MCP协议的Cowork工具，试图打造极致的个人生产力助手。“那时候MCP协议很不稳定，底层模型能力也不够智能，”产品负责人周曼回忆。第二个项目更具野心——基于当时更成熟的VibeCoding方向，探索图文视频之外，是否能催生新型的互动H5媒介，产品投放了北美和东南亚市场，但获客成本高昂，双边市场始终无法跑通。
真正的转折发生在痛点背后。作为早期AI工具的重度用户，OpenClaw出现之后，他们开始密集使用OpenClaw来提升效率。一个悖论很快浮现：单只Agent对个人提效明显，但想让整个团队都用起来，“门槛高得离谱”。之前腾讯门口排大队安装小龙虾也在侧面印证了一个事实——当前AI应用的瓶颈从“技术能力”转向了“工程化部署与管理”。
“大厂都在造更聪明的士兵，但没人提供作战手册和指挥系统，”周曼意识到，“如果AI应用真的爆发，‘如何管理AI劳动力’会成为比‘如何使用AI’更刚性的需求。”
龙虾军团就是为了系统性地解决企业和power user批量喂养、使用、调度和管理小龙虾的关键痛点。用户可以在这里批量创建、部署、统一管理你的小龙虾，给它们设定人格、行为准则、技能等，并一次性向成百上千个小龙虾下发任务，查看执行情况。
龙虾军团的产品界面看起来朴素得有些反时代。没有炫酷的3D交互，没有实时生成的图文流，更类似上世纪ERP系统的管理后台：左侧是整齐排列的“龙虾列表”，右侧是四个纯文本输入框——Soul.md（人格）、Agents.md（行为准则）、User.md（对主人的认知）、Tool.md（工具原则）。
“我们把龙虾最核心的配置项单独拉出来，让不懂代码的普通用户也可以随时用文字调整修改、以及批量应用给多个龙虾”周曼在演示时解释。
当市场都在追求拖拽式的无代码界面时，茉莉语境坚持让用户用Markdown格式编写配置文件。理由听起来有些技术原教旨主义：Markdown是最容易被AI理解的结构化语言，同时也是普通人最自然的思考载体。
但这种设计背后是对产品的洞察：AI Agent的“人格”不是参数调节，而是语境构建。四个Markdown文件构成了一个完整的认知框架——Soul.md解决“你是谁”，Agents.md解决“你能做什么”，User.md解决“你在为谁工作”，Tool.md解决“你怎么使用武器”。当用户需要修改某只龙虾的行为时，不需要在层层菜单中寻找开关，只需在文本中增删一行规则，点击“批量推送”，全集群即刻生效。
还可以通过标签给龙虾分组——比如销售组、客服组、小红书组。"假设你有30只负责销售的Agent，"周曼举例，"以前需要逐个调整话术，现在只要在Agents.md里加一条'不允许私自承诺超过9折的折扣'，相关龙虾部队就会同步更新。如果某只龙虾的行为逾矩了，系统会做出提示，用户可以及时补充约束、统一修正。"
Part02
服务OPC：toC到toB
这个看似应该深耕B端SaaS的产品，第一阶段主打OPC（One Person Company，一人公司）和C端用户。
一个自媒体博主，一个人就是一家公司。她可以在龙虾军团里创建5只龙虾组成“小红书矩阵特攻队”——A龙虾早上7点抓取热点选题，B龙虾根据选题生成3个不同风格的标题及正文，C龙虾检查违禁词和敏感内容，D龙虾自动发布并监控初期数据，E龙虾在评论区扮演“前排网友”互动。整个流程无需代码，只需要在后台配置好人格文件，设定好“如果阅读量低于1000则自动调整标题关键词”的行为准则。
这种转向揭示了AI应用渗透路径的特殊性：它可能遵循“从C端发烧友到中小微企业，再向上渗透”的反向路径，而非传统SaaS的“从大企业向下普及”。当每个人都可以低成本拥有一支AI军团，组织的边界、管理的定义、甚至“工作”本身的概念，都将被重新书写。
尽管如此，茉莉语境免不了面临疑问：如果OpenAI明天推出原生的Swarm多Agent协作功能，并提供开箱即用的管理界面，龙虾军团会不会被瞬间击穿？
更深刻的悖论在于“云端养虾”模式本身，试图解决隐私焦虑——不用本地部署，无需疯狂投喂个人数据，通过云端容器隔离和任务级上下文赋予来保证安全。但这也意味着用户必须将核心工作流托付给第三方云端。
“龙虾军团ClawTroop”给出的答案是“渐进式智能”——Agent的智能化应该是“用出来的”，不是“喂出来的”。与其让用户先本地部署、疯狂投喂文档（涉及隐私焦虑且效果不稳定），不如提供云端隔离的容器，用户按任务赋予上下文和文件权限。这样既没有隐私泄露风险，又能让Agent在执行任务中沉淀技能。
但这仍然无法回避终极追问：当Agent规模从10只扩展到1000只，管理的复杂度是线性增长还是指数爆炸？这些性能瓶颈的解决成本，会不会让“低成本拥有AI军团”的承诺变成伪命题？
周曼认为，AI应用层的竞争，最终是"管理能力产品化"的竞争，而非单纯的"模型能力"的竞争。大厂在持续提供更强的模型和基础设施，但用户拿到这些能力之后，还是会面临很具体的问题：我想要龙虾帮我做什么事情、要多少、该怎么分组、每只该遵守什么规矩、出了问题怎么快速修正。——这些不是技术问题，是管理问题。
茉莉语境会继续深入场景，走上战场一线，和OPC用户一道探索在每个具体生意中如何用龙虾军团，并把成熟经验快速普及到我们的社区。这种深入用户的能力，建社区的做法，是大厂天然做不到、不具备优势的。
