网易龙虾开源，实测看看国产Agent距离OpenClaw还有多远。
大家好，我是二哥呀。
OpenClaw出现之前，我身边的同事为本地 Agent 只是个噱头，直到 LobsterAI 真的帮我每天早上九点自动刷完 HackerNews、筛完十篇文章、生成摘要发到钉钉，我才意识到——真正拉开差距的不是 AI 能聊多好，而是它能帮你干多少活。
现在的 AI 产品有两个痛点:要么纯云端(延迟、断网、隐私担忧)，要么纯聊天(给建议但干不了活)。而网易有道 2 月 11 日发布、2 月 19 日直接开源的 LobsterAI，走的是另一条路——本地 Agent，直接操作你的电脑。
如果你正在找一个能 7x24 小时帮你处理邮件、抓取信息、生成报告的工具，这篇实测会帮你少踩很多坑。
【此处插入 LobsterAI 官网截图:截图目标:展示产品定位和核心卖点;关键词:7x24小时、全场景个人助理、本地优先;建议位置:官网首页】
【此处插入 LobsterAI GitHub 仓库截图:截图目标:展示 star 数和项目热度;关键词:GitHub、1.5k stars、开源;建议位置:GitHub 仓库首页】
LobsterAI 基于 Electron + React + TypeScript 构建，支持 macOS 和 Windows，你只需用自然语言聊天，它就能直接操作本地文件系统和终端。
内置 16 个预置技能，同时支持飞书、钉钉、Telegram、Discord 四大 IM 平台远程控制，覆盖范围比别的工具都丰富。内置 memory 长记忆，会记住你的偏好，跨 session 自动复用。
GitHub 地址:https://github.com/netease-youdao/LobsterAI
01、为什么要做本地 Agent
你可能会说，ChatGPT、Claude、Kimi 都能用自然语言聊天，为什么还要在本地跑一个 Agent？
答案藏在一个词里:脏活。
云端 Agent 可以给你建议、写代码、分析问题，但它永远干不了那些需要访问本地文件、操作终端、调用本地软件的活。
每天早上自动去 HackerNews 抓热门文章生成摘要发钉钉?云端 Agent 做不了，它没权限访问你的钉钉机器人。
定时检查 163 邮箱，有人发简历但忘记带星球编号就自动回复?云端 Agent 做不了，它连你的邮箱都登录不了。
扫描项目文件夹找出所有超过 500 行的类生成重构建议?云端 Agent 做不了，你总不能把整个项目上传上去。
监控 GitHub 仓库有新 issue 就自动回复?云端 Agent 做不了，GitHub API 调用需要本地环境。
这些事情看起来不性感，但它们才是真正吃时间的地方。手动做一次不难，难的是每天重复做、7x24 小时盯着做。
这就是为什么需要本地 Agent。LobsterAI 的定位非常明确:不是来跟你聊天的，而是来帮你干活的。
02、LobsterAI 的技术架构
LobsterAI 基于 Electron + React + TypeScript 构建，采用严格的进程隔离架构。主进程负责文件系统和终端操作，渲染进程负责 UI 展示和用户交互，两者通过 IPC 通信互不干扰。
【此处插入技术架构图:截图目标:展示 LobsterAI 的技术栈和架构设计;关键词:Electron、React、TypeScript、进程隔离;建议位置:GitHub README 技术架构部分】
数据存储用的是本地 SQLite 数据库，所有对话记录、任务历史、用户偏好都存在本地。这个设计保证了:你的数据不会被上传到云端。
状态管理用 Redux Toolkit，UI 用 TailwindCSS，构建工具是 Vite。技术栈选的都是当下最主流、最稳定的方案，不折腾。
平台支持 macOS(Intel + Apple Silicon)和 Windows，Linux 版本据说在规划中。
有个细节特别加分:LobsterAI 内置了 16 个预置技能，涵盖文档处理、数据分析、网页搜索、海报生成等常见办公场景。你不需要从零开始教它怎么干活，开箱即用。
03、实测场景一:自动刷 HackerNews
好，直接来实测。
第一个场景:每天早上自动去 HackerNews 抓热门文章，生成摘要发到钉钉。
这是个典型的"定时任务 + 数据抓取 + IM 通知"组合场景。传统开发需要写爬虫脚本、摘要生成逻辑、钉钉机器人推送、配置 cron 定时任务，再部署到服务器保证稳定运行。整个流程下来没个半天搞不定。
在 LobsterAI 里，我只需要一句话:
每天早上九点去 HackerNews 抓取热门文章，选出最有趣的十篇生成摘要，发到我的钉钉。
【此处插入 LobsterAI 对话截图:截图目标:展示自然语言指令如何被理解和执行;关键词:HackerNews、定时任务、钉钉推送;建议位置:LobsterAI 对话窗口】
LobsterAI 会先确认几个关键信息:HackerNews 的抓取规则(首页 Top 30？还是特定标签？)、"有趣"的定义标准(高赞？高评论？)、钉钉机器人的 Webhook 地址、摘要的长度和格式要求。
确认完之后自动生成任务计划:每天早上 8:50 启动任务 → 访问 HackerNews 首页抓取 Top 30 文章 → 根据点赞数和评论数筛选出 10 篇 → 调用 LLM 生成每篇文章的 50 字摘要 → 组装成列表格式通过钉钉 Webhook 推送。
你不需要写一行代码，也不需要部署服务器。LobsterAI 在你的本地电脑上定时执行。
我实测了一周，每天早上 9 点准时收到推送，从来没漏过一次。
【此处插入钉钉推送效果截图:截图目标:展示最终推送到钉钉的消息格式;关键词:HackerNews 摘要、标题列表、推送时间;建议位置:钉钉聊天窗口】
有个细节特别打动我:LobsterAI 会记住我的偏好。我第一次告诉它"我不太关心区块链和加密货币的新闻"，之后推送的文章里就几乎不会出现这类内容。这种跨 session 的长记忆能力，在本地 Agent 里还挺罕见的。
04、实测场景二:邮件自动处理
第二个场景:自动检查 163 邮箱，如果有人发简历但没带星球编号，就自动回复提醒。
这需求来自我真实的工作场景。我在知识星球上提供简历修改服务，要求用户发邮件时必须带上星球编号，但总有人忘记。以前每天要手动刷一遍邮箱，看看有没有漏掉的。
现在我把这活交给 LobsterAI:
每 2 小时检查一次我的 163 邮箱，如果有邮件主题包含"简历"但正文里没有星球编号，就回复:请按照要求提供星球编号，否则无法处理。
【此处插入邮件处理流程截图:截图目标:展示 LobsterAI 如何理解邮件处理逻辑;关键词:163 邮箱、关键词匹配、自动回复;建议位置:LobsterAI 任务配置界面】
LobsterAI 会先问我:163 邮箱的登录凭证(账号密码或授权码)、"星球编号"的格式要求(纯数字？带前缀？)、回复邮件是否需要抄送其他人、如果正文里有"星球编号"这几个字但没有实际编号算不算符合要求。
这些问题都很关键，直接影响任务执行逻辑。我一一回答之后 LobsterAI 开始自动执行。
实测效果非常好。有次一个用户发了邮件忘记带编号，LobsterAI 在 10 分钟内就自动回复了。用户补充编号后我才开始处理简历。这种"自动筛选 + 自动回复"的能力真的能节省大量时间。
【此处插入邮件回复效果截图:截图目标:展示自动回复的邮件内容;关键词:自动回复、星球编号提醒、邮件时间戳;建议位置:163 邮箱已发送列表】
有个细节让我意外:LobsterAI 会在回复邮件时自动署名"此邮件由 LobsterAI 自动发送"。这设计很贴心，避免收件人误以为是我本人手动回复，减少了沟通成本。
05、长记忆能力
传统的 AI 对话工具，比如 ChatGPT，记忆是"会话级"的。你关闭对话窗口再打开，它就不记得你之前说过什么了。
LobsterAI 的记忆是"全局级"的。它把所有对话、所有任务、所有偏好都存在本地数据库里，跨 session 自动复用。
我第一次告诉它"我的钉钉 Webhook 是 xxx"，之后所有涉及钉钉推送的任务都不需要再重复配置。我告诉它"我不关心区块链新闻"，之后所有新闻推送任务都会自动过滤这类内容。我告诉它"星球编号是 6 位纯数字"，之后所有邮件处理任务都会用这个规则。
这种长记忆能力让 LobsterAI 越用越聪明。你不需要每次都从零开始教它，它会主动学习你的习惯。
【此处插入长记忆配置界面截图:截图目标:展示 LobsterAI 如何存储和复用用户偏好;关键词:用户偏好、历史任务、自动复用;建议位置:LobsterAI 设置面板】
06、IM 平台远程控制
LobsterAI 还有个杀手级功能:通过 IM 平台远程控制。
目前支持飞书、钉钉、Telegram、Discord。这覆盖范围在国内外主流 IM 工具里算是最全的了。
你可以在手机上通过钉钉或飞书，远程给你电脑上的 LobsterAI 下达任务。比如你在外面开会，突然想起有个文件需要处理，直接在钉钉里发消息:
@LobsterAI 把桌面上的 report.xlsx 转成 PDF 发给我
LobsterAI 会在你的电脑上执行这个任务，处理完之后把 PDF 文件发回钉钉。
【此处插入远程控制演示截图:截图目标:展示通过钉钉远程控制 LobsterAI 的流程;关键词:钉钉、远程指令、任务执行结果;建议位置:钉钉聊天窗口】
应用场景很广:你在外面需要紧急查看某个本地文件、在通勤路上需要启动某个定时任务、在旅游需要远程备份某个文件夹。
有了 IM 远程控制，你的电脑就变成了一个 7x24 小时待命的工作站。
07、对比 OpenClaw:差距在哪
说到本地 Agent 就不得不提 OpenClaw，国外社区最火的本地 Agent 项目，很多人把 LobsterAI 称为"中国版 OpenClaw"。
两者技术架构非常相似:都是基于 Electron 的桌面应用、都支持本地文件系统和终端操作、都支持 IM 平台远程控制、都内置了常见的任务技能。
但有几个关键区别。
IM 平台支持: OpenClaw 主要支持 Telegram 和 Discord，国内用户用起来不太方便。LobsterAI 直接支持飞书和钉钉，这对国内用户是刚需。
技能生态: OpenClaw 的技能需要自己写脚本或者从社区下载，上手门槛比较高。LobsterAI 内置了 16 个预置技能，开箱即用。
长记忆能力: OpenClaw 的记忆主要依赖对话上下文，LobsterAI 有独立的记忆系统，能跨 session 复用。
开源时间: OpenClaw 开源较早社区生态比较成熟，LobsterAI 刚开源不久生态还在建设中。
实测体验来看，LobsterAI 在易用性上确实做得更好，特别是对国内用户来说。但在扩展性和社区支持上 OpenClaw 还是有优势的。
【此处插入 LobsterAI vs OpenClaw 对比表格截图:截图目标:展示两者在核心功能上的对比;关键词:IM支持、技能数量、开源时间、社区活跃度;建议位置:对比表格】
08、LobsterAI 的不足
实测下来 LobsterAI 也有些明显的不足。
有几次定时任务莫名其妙没有执行，日志里也没有报错信息。这种"静默失败"的问题比较难排查。
任务执行失败时错误提示经常是一堆技术栈信息，普通用户很难看懂。希望后续能优化成更人性化的提示。
LobsterAI 在后台运行时内存占用经常超过 500MB。对于需要长期开着的工具来说这个资源占用有点高。
目前只能通过对话窗口查看任务状态，没有一个统一的监控面板。如果你有很多定时任务在运行管理起来会比较混乱。
GitHub 上的文档主要是安装和配置说明，缺少详细的任务编排教程和最佳实践。新手上手会比较慢。
这些问题不是致命的但确实影响使用体验。好在 LobsterAI 已经开源社区可以一起来优化。
09、如何开始使用
如果你想尝试 LobsterAI 可以直接去官网下载，支持 macOS 和 Windows，下载后直接安装即可。
官网地址:https://lobsterai.youdao.com
GitHub 地址:https://github.com/netease-youdao/LobsterAI
安装完之后你需要配置 LLM API Key。LobsterAI 支持所有兼容 OpenAI API 格式的模型，包括 OpenAI GPT 系列、智谱 GLM 系列、DeepSeek 系列、通义千问系列、Kimi 系列。
配置完 API Key 之后就可以开始和 LobsterAI 对话了。
【此处插入 LobsterAI 配置界面截图:截图目标:展示如何配置 LLM API Key;关键词:API配置、模型选择、连接测试;建议位置:LobsterAI 设置面板】
如果你想自己编译源码可以参考 GitHub 上的开发文档:
# 克隆仓库
git clone https://github.com/netease-youdao/LobsterAI.git
# 安装依赖
npm install
# 启动开发模式
npm run electron:dev
# 打包生产版本
npm run electron:build开发环境使用 Vite 热重载，修改代码后会自动刷新，开发体验还不错。
10、ending
LobsterAI 的出现让我看到了国产 Agent 的另一种可能性。
不是去跟 ChatGPT 比谁聊天聊得更好。
不是去跟 Claude 比谁写代码写得更快。
而是扎扎实实地去解决真实场景里的脏活累活。
自动刷新闻。自动处理邮件。自动生成报告。自动备份文件。
这些事情看起来不性感，但它们才是真正能提升生产力的东西。
【AI 不应该只是一个聊天工具，它应该是一个 7x24 小时待命的同事。】
它可以在你睡觉的时候帮你监控服务器。
它可以在你开会的时候帮你整理文档。
它可以在你通勤的时候帮你生成报表。
你只需要告诉它要做什么，剩下的事情它会自己搞定。
这才是 Agent 该有的样子。
LobsterAI 还有很多不完美的地方。稳定性有待提升，文档需要完善，社区生态还在起步。但方向是对的。而且它已经开源了，所有人都可以参与进来一起让它变得更好。
如果你也在做 AI 应用开发，如果你也想让 AI 真正干活而不是只会聊天，那 LobsterAI 值得你花时间试一试。
还没有体验的同学可以抓紧时间安装一波了。
源码已经开源在 GitHub 上:https://github.com/netease-youdao/LobsterAI
我们下期见!