网易龙虾开源，实测看看国产Agent距离OpenClaw还有多远。

沉默王二约 2249 字大约 8 分钟

大家好，我是二哥呀。

OpenClaw 出现之前，我身边的同事清一色地认为本地 Agent 只是个噱头。

然而 OpenClaw 的爆火彻底改变了这种认知，大家都在本地用起来了，并且生产效率提升了不是一星半点。

最近，网易也开源了他们家的龙虾 LobsterAI，我只能说这家老牌互联网公司终于在 AI 时代有所作为了。

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。

LobsterAI 内置了 16 个 Skill，同时支持飞书、钉钉、Telegram、Discord 四大 IM 平台远程控制。并且内置 Memory 长记忆，会记住你的偏好，跨 Session 也可以自动复用。

主打一个全场景办公助理。

GitHub 地址：https://github.com/netease-youdao/LobsterAI

01、LobsterAI 的优势

不了解 OpenClaw 的小伙伴可能会问，ChatGPT、Claude、Kimi、豆包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，因为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。

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。

这些事情看起来不难，但它们才是真正吃时间的地方。手动做一次没啥，但如果每天重复做、7x24 小时盯着做就很烦。

LobsterAI 就是来干这个脏活累活的。

02、LobsterAI 的架构

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。

数据存储用的是本地的 SQLite，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。

状态管理用的 Redux Toolkit，UI 用的 TailwindCSS，构建工具是 Vite。技术栈选的都是当下最主流的方案。

src/
├── main/                           # Electron 主进程
│   ├── main.ts                     # 入口，IPC 处理
│   ├── preload.ts                  # 安全桥接
│   ├── sqliteStore.ts              # SQLite 存储
│   ├── coworkStore.ts              # 会话/消息 CRUD
│   ├── skillManager.ts             # 技能管理
│   ├── im/                         # IM 网关（钉钉/飞书/Telegram/Discord）
│   └── libs/
│       ├── coworkRunner.ts         # Agent SDK 执行器
│       ├── coworkVmRunner.ts       # 沙箱 VM 执行
│       ├── coworkSandboxRuntime.ts # 沙箱生命周期
│       └── coworkMemoryExtractor.ts # 记忆提取
│
├── renderer/                        # React 前端
│   ├── App.tsx                     # 根组件
│   ├── types/                      # TypeScript 类型定义
│   ├── store/slices/               # Redux 状态切片
│   ├── services/                   # 业务逻辑层（API/IPC/i18n）
│   └── components/
│       ├── cowork/                 # Cowork UI 组件
│       ├── artifacts/              # Artifact 渲染器
│       ├── skills/                 # 技能管理 UI
│       ├── im/                     # IM 集成 UI
│       └── Settings.tsx            # 设置面板
│
SKILLs/                              # 技能定义目录
├── skills.config.json              # 技能启停与排序配置
├── web-search/                     # Web 搜索
├── docx/                           # Word 文档生成
├── xlsx/                           # Excel 表格
├── pptx/                           # PowerPoint 演示
├── pdf/                            # PDF 处理
├── remotion/                       # 视频生成
├── playwright/                     # Web 自动化
└── ...                             # 更多技能

03、如何使用 LobsterAI

LobsterAI 支持 macOS(Intel + Apple Silicon)和 Windows 双版本，Linux 版本据说也在规划中。

下载后直接安装即可（我是 Apple 芯片）。

官网地址：https://lobsterai.youdao.com

安装完之后需要配置 LLM 的 API Key。LobsterAI 支持所有兼容 OpenAI API 格式的模型，包括 GPT 系列、智谱 GLM 系列、DeepSeek 系列、通义千问系列、Kimi 系列等。

配置完 API Key 之后就可以开始和 LobsterAI 对话了。不过我上来就测到了一个 bug，如果余额不足，竟然没有任何提示，也不断开。

如果你用的是 GLM-5 的 plan 套餐，注意这里的 base URL 为https://open.bigmodel.cn/api/coding/paas/v4/chat/completions。

点击【测试连接】可以看看你填写的是否正确。

然后回到对话窗口，就可以看到 LobsterAI 可以工作了。

03、自动刷 HackerNews

好，直接来实测。

这次的场景是：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，我们只需要一句话:

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。

当然了，我们需要先配置【钉钉】的 client id 和 secret 并启用。

可以点击【测试】查看钉钉是否处于连接的状态。

如果不确定机器人是否可以工作，可以在对话框中输入信息，然后再次检测。

LobsterAI 的思考过程是这样的。

用户想要创建一个定时任务：
每天早上九点执行
去 HackerNews 抓取热门文章
选出最有趣的十篇生成摘要
发送到钉钉
这是一个定时任务场景，我应该使用 scheduled-task 技能来完成。让我先读取该技能的 SKILL.md 文件。

然后帮我们创建一个 Skill，来完成这次任务。

包括：

创建任务配置 JSON
使用脚本创建任务
设置 notifyPlatforms 为 ["dingtalk"]
让我先创建任务配置文件，然后执行创建脚本。
关键点：
prompt 需要写清楚执行时的具体指令
schedule 使用 cron 表达式 0 9 * * *
notifyPlatforms 设置为 ["dingtalk"]

当然了，也可以在定时任务中完成这项任务。