龍蝦適合你嗎？先走完這五層再說

工具越選越多，你卻越來越亂

每個月都有新工具出來。Manus、Claude Code、Gemini Agentspace、Perplexity Comet⋯⋯

你不是選工具選得不夠認真。你是缺一張地圖。

大多數人不是選錯工具，而是不知道自己停在哪個層級。

選了太高層的工具，設置環境把你耗死；選了太低層的工具，一直在複製貼上。兩種浪費都很貴。

這篇文章給你一張五層地圖，讓你看清楚：你現在在哪裡、你需不需要升層、以及升了你要付出什麼代價。

---

先搞懂一個核心概念：AI 控制邊界

在看地圖之前，先建立一個框架。每個 AI 工具，都有一個「AI 的手能伸多遠」的邊界。

鴨編說：想像你雇了一個助理。最基本的助理，你問他，他回答，事情還是你自己做。進階一點，助理可以幫你操作你的電腦、幫你發信、幫你查資料。再進階，助理直接管你整個辦公室的工作流程。最後，你直接把工作交給外包公司，你只看最後結果，中間過程你不管。這四種「雇法」，對應的就是 AI 工具的四種控制邊界。

四種邊界，從小到大：

1. 對話框內：AI 的邊界在聊天視窗，你問 AI 答，你自己執行
2. 伸出去：AI 的手伸到外部，控制網路、其他軟體、商業資料
3. 伸進來：AI 的手伸進你自己的系統，控制你的檔案、工作流、排程
4. 邊界消失：你把控制權完全交出去，只看結果

---

最容易搞混的一對概念：全自動 vs 全托管

這兩個詞聽起來很像，但差很大。

全自動（Full Automation）：

• 像 Claude Code 的 YOLO mode
• AI 在你的農場裡跑，幾乎所有事都做
• 但馬還在你的農場裡——你看得到 log、能中斷、能審查、能回滾
• 你保有完整的掌控權

全托管（Full Delegation）：

• 像 Manus
• 把馬交給別人養，你只看最後結果
• 中間過程是黑箱，你不知道它怎麼跑
• 你的掌控權轉移給平台

鴨編說：全自動是「我有一台自動駕駛的車，隨時可以轉回手動模式」。全托管是「我叫了一台沒有方向盤的計程車，只能看它開到哪」。功能上看起來很像，但緊急狀況時差很遠。

記住這個區別，等一下看 Layer 4 vs Layer 5 就會豁然開朗。

---

五層工具地圖

🟢 Layer 1｜問答層

代表工具：Claude 訂閱、ChatGPT 訂閱、Gemini 訂閱

這層的人長什麼樣子：

你打開聊天介面，貼上文章叫 AI 整理重點；問 AI 怎麼寫一封郵件，複製貼上到 Gmail 寄出去。每一步都是你自己動手。AI 是你的超強智囊，但腿還是你的腿。

天花板在哪：

你永遠是那個「中間人」。AI 給建議，你去執行。需求量一大，你就會覺得複製貼上的時間比 AI 節省的時間還長。

不需要升層的情境：

深度研究不需要升層。Claude 訂閱本身就是目前最強的研究工具——用 Claude Projects 整理資料、用 Extended Thinking 做深度分析，這些不是 Layer 1 的弱點，是 Layer 1 的天花板高度。

Layer 1 不是落後，是選擇。

升層誘因：

「你厭倦了複製貼上。」如果重複的動作超過一定頻率，開始覺得自己像機器人，才值得考慮升層。

---

🟡 Layer 2｜生態整合層

代表工具：Gemini + Google Workspace、Google Agentspace

這層的人長什麼樣子：

你的 Calendar、Drive、Gmail、Docs 全在 Google 生態裡。Gemini 直接幫你查上週的會議紀錄、整理 Drive 裡的文件、幫你把討論摘要寫進 Docs。不需要複製貼上，AI 跟你的工具直接溝通。

為什麼是 Gemini 而不是 Claude 做這件事：

Gemini 的模型能力不是頂尖，但它的護城河是 Google Workspace 全家桶整合。這是 Anthropic 和 OpenAI 沒有的優勢。另外，Gemini 的中文圖片生成（Nano Banana 2 🍌）也有一定優勢，但需要額外付費。

隱性的選工具原則：

你的資料在哪裡，你的工具就應該在哪裡。

換工具的真實代價不是學習新介面——是資料遷移的時間成本，和你已建立的工作習慣被打斷的認知成本。

天花板在哪：

你只能在 Google 生態裡整合。想整合 Notion、跑排程任務、操作自己電腦上的其他軟體，就碰到邊界了。

---

🟠 Layer 3｜外部操控層

代表工具：ChatGPT Atlas（跨軟體電腦操作）、Perplexity Comet（商業資料收集）

這層的人長什麼樣子：

你需要 AI 去操作你電腦上的其他軟體，或是系統性地去網路收集商業情報。不是你告訴 AI「去幫我找競爭對手的定價」，而是 AI 真的打開瀏覽器、登入網站、把資料帶回來。

兩個工具的定位：

• ChatGPT Atlas：AI 控制滑鼠和鍵盤，可以跨軟體操作你的電腦——填表單、操作桌面應用程式、串接不同軟體
• Perplexity Comet：專攻商業資料蒐集和市場情報整合，不是通用電腦操控，而是把「研究任務」自動化

天花板在哪：

AI 操控的是「外部環境」，不是「你自己的系統」。想要控制自己的檔案系統、設定排程任務、建立有記憶的工作流，就要到 Layer 4 了。

---

🔴 Layer 4｜內部整合層

到了這層，你要再做一次選擇。

鴨編說：這層像是一個廣場，廣場上有好幾個出口。不同出口通往不同的目的地，沒有哪個出口是「正確答案」，端看你要去哪裡。

代表工具有四個：

---

🔵 Claude Code

強項：檔案系統、terminal、程式碼

適合的人：開發者，或願意學用 CLI 的人

YOLO mode 是什麼：全授權模式。你告訴 Claude Code「幫我做這件事」，它幾乎可以做所有事——修改檔案、執行指令、裝套件。但馬還在你的農場裡，你能看 log、能中斷、能 git diff 審查每一步。

需要注意：需要較高的 Anthropic 訂閱等級，以及一定的 CLI 使用基礎。

---

🔵 Claude Cowork（舊稱 Claude Computer Use）

強項：桌面任務自動化

適合的人：非技術用戶，但想要讓 AI 直接操作桌面

跟 Claude Code 走不同路線，不需要懂 CLI，但 AI 直接控制你的桌面介面。

---

🔵 OpenClaw

強項：自定義工作流、Agent orchestration

為什麼它在這一層：OpenClaw 讓你設定自己的工作流，AI 的手伸進你自己的系統——管理你的 MEMORY.md（記憶系統）、透過心跳系統（HEARTBEAT.md，每 30 分鐘自動執行一次）跑排程任務。

真實成本結構：

OpenClaw 的模型不綁定，但要穩定輸出，必須用夠強的模型（Claude Sonnet / Opus 等級）。中國高 CP 值模型（DeepSeek 等）只適合測試，生產環境跑不穩。需搭配 Harness 控制 token 使用量，避免帳單失控。

適合的人：

• 想要整合廣度（串接多種工具和資料來源）
• 習慣用設定檔（Markdown）管理工作流，而不是 CLI
• 需要穩定成熟的社群支援
• 設定難度相對較低

---

🔵 Hermes Agent

基本資訊：

• Nous Research 開發，開源 MIT，2026 年 2 月發布
• 模型不綁定，LLM token 驅動
• 部署方式：Docker 為主，需要 VPS（約 $5–7 美元/月）+ token 費
• 有遷移工具可從 OpenClaw 轉移

核心哲學：學習深度 + 自我改善。Hermes 越用越強，它會從你的使用行為中建立新技能、優化工作流。

適合的人：

• 模型選擇想要完全自由
• 接受自己維運 VPS 伺服器的責任
• 想要 Agent 具備自我學習的複利效應

---

OpenClaw vs Hermes：怎麼選？

這不是誰取代誰的問題，是哲學和維護責任的選擇。

	OpenClaw	Hermes Agent
定位	整合廣度，穩定成熟	學習深度，自我改善
部署難度	較低（Markdown 設定）	較高（需要 VPS + Docker）
維護責任	輕（基金會維護）	重（自己維運伺服器）
模型彈性	高（不綁定模型）	高（不綁定模型）
社群大小	較大，資源多	較新，成長中
自我學習	否	是

鴨編說：OpenClaw 是一間裝潢好的辦公室，你搬進去就能用。Hermes 是一塊空地，你有更大的自由，但要自己蓋房子。選哪個，看你要的是「現在就能上工」還是「未來的自由度」。

選工具不只是比功能，是選你能接受的維護責任。

---

⚫ Layer 5｜全托管層

代表工具：Manus

這層的人長什麼樣子：

你告訴 Manus「幫我調查這個市場、整理成報告」，幾個小時後它給你一份成品。設置幾乎為零，門檻極低，結果直接拿走。

聽起來很好，問題在哪：

Manus 是黑箱。你不知道它怎麼跑，跑了什麼，用了哪些服務。它沒有自己的模型，靠調用其他 AI 服務來完成任務。現在的定價超過一般訂閱水位，且普遍被認為是賠錢在做。

這帶出一個關鍵風險：

你搭的積木要建在穩固的地基上。

如果你的核心工作流依賴一個沒有商業可持續性的平台，平台有一天停止服務，你的工作流跟著消失。

鴨編說：Manus 很像你去麥當勞點餐，很方便，東西直接來。但如果你的生意完全依賴麥當勞的廚房，有一天這家麥當勞關了，你就什麼都沒了。Layer 4 的工具更像你自己有一個廚房，雖然得自己維護，但你不怕別人關店。

注意事項：Microsoft Copilot 不在本文討論範圍，體驗差距過大，不值得拿來評估選擇。

---

走一遍地圖：找到你的層級

以下 5 個問題，依序回答，停在第一個符合你狀況的層級。

問題一：你的工作主要是「思考輸出」還是「執行動作」？

思考輸出（寫作、研究、分析、整理）： → 停在 Layer 1。深度研究不需要升層，Claude 訂閱就是最強的研究工具。升層不會讓你的分析能力變好，只會讓你多一堆設定要維護。

執行動作（重複操作、自動化流程、跨工具整合）： → 繼續看問題二

---

問題二：你的資料和工作流深度在 Google 生態嗎？

是，我的 Drive、Docs、Gmail 就是我的工作中樞： → Layer 2（Gemini + Workspace）。你的資料在哪裡，你的工具就應該在哪裡。不要為了換工具而換工具。

沒有特定的生態依賴： → 繼續看問題三

---

問題三：你需要 AI 控制「外部環境」還是「你自己的系統」？

外部環境（其他人的網站、商業資料庫、跨軟體桌面操作）： → Layer 3（ChatGPT Atlas 或 Perplexity Comet，依需求選）

自己的系統（我的檔案、我的工作流、我的排程任務）： → 繼續看問題四

---

問題四：你願意學習設置環境嗎？能接受按量計費嗎？

不願意，我只要有東西能用，別叫我設 Docker： → Layer 5（Manus）。但請先讀完下面的商業風險評級表，清楚知道你接受了什麼風險。

願意，我能接受設定檔、CLI、按量計費： → Layer 4，繼續看問題五選工具

---

問題五：你能接受多少維護責任？

只要 Markdown 設定，不想碰伺服器： → OpenClaw

接受 VPS 維運，想要 Agent 自我學習的複利： → Hermes Agent

只要官方產品，不想管任何基礎設施： → Claude Code（開發者）或 Claude Cowork（非技術用戶）

---

工具的商業壽命：你搭的積木要建在穩固的地基上

選工具不只是「現在好不好用」，也是「它會不會在你最需要的時候消失」。

工具	商業模式	風險評級
Claude / ChatGPT	自有模型，訂閱 + API	🟢 低
Gemini	Google 生態，自有模型	🟢 低
OpenClaw	開源 + 基金會，token 驅動	🟡 中低
Hermes Agent	開源 MIT，token 驅動	🟡 中低
Claude Code / Cowork	Anthropic 官方產品	🟢 低
Manus	無自有模型，燒錢補貼	🔴 高

鴨編說：開源工具（OpenClaw、Hermes）的風險是「中低」而不是「低」，不是因為它們不穩定，而是它們依賴社群維護。如果有一天核心維護者停止更新，你需要自己或靠社群撿起來繼續跑。這是你接受開源工具要做的心理準備。反過來，它不會有「公司倒了一切消失」的風險。

---

找到你的層級，不追工具，追需求

每個月都有新工具宣稱要「革命」。但大多數時候，它只是讓你花更多時間評估工具，而不是讓你的工作變得更好。

這張地圖的目的不是告訴你哪個工具最強，而是幫你找到「你現在需要的層級」，然後在那個層級深耕，直到真的遇到天花板再升層。

• 你的工作主要是思考輸出 → Layer 1，深耕 Claude，不需要升層
• 你的資料在 Google → Layer 2，善用 Gemini Workspace 整合
• 你需要外部自動化 → Layer 3，選對工具
• 你想要掌控自己的工作流 → Layer 4，選你接受的維護責任
• 你只要結果，願意接受黑箱 → Layer 5，但知道你承擔了什麼

大多數人不是選錯工具，而是不知道自己停在哪個層級。

現在你有地圖了。

---

延伸閱讀

• 想深入理解工具選擇的決策邏輯 → 我該用哪個 AI 工具？5 個問題讓你不再猜
• 想了解 AI 技術演進的全景 → AI 工具全景地圖：五道牆框架
• 想了解 OpenClaw 是什麼 → 為什麼你需要 OpenClaw？