2026年的春節剛過，科技圈的風向變了。
如果說去年的主旋律是通用Agent和中國開源模型的參數競賽，那么今年開春，大家的注意力顯然收束到了一個更具體的詞上：Local Agent（本地智能體）。
這種轉變的導火索，無疑是春節期間在GitHub上突然爆火的項目——OpenClaw。它讓無數開發者意識到：AI 不應該只是云端那個陪你聊天的缸中之腦，它應該是一個能控制鼠標、能讀寫硬盤、能真正干活的賽博管家。
一時間，模仿 OpenClaw 的 C 端產品如雨后春筍。
但讓我最沒想到的是，在這個賽道里扔下一顆深水炸彈的，居然是網易有道，他們最近發布了一款國產AI Agent，叫LobsterAI（中文名：有道龍蝦），據說是“中國版OpenClaw”。
網易有道是網易旗下獨立上市的公司。他們以學習、廣告場景為主，比如之前有個非常火的爆款學習硬件——網易有道詞典筆。但他們似乎和硬核的極客開源社區不怎么沾邊。
其實在春節前，有道的朋友就私下聯系過我，說做了一個新產品，丟了個安裝包讓我內測。我當時在我的Mac上跑了幾天，發現這東西不僅對味兒，而且極其貼合國內的辦公流。我原本盤算著，等春節復工后，寫篇評測好好聊聊這個新工具。結果昨天上網一看，好家伙：他們居然一聲不吭地把整個項目——LobsterAI，直接開源了。
在仔細審視了他們公開的代碼，并結合我這段時間深度的內測體驗后，我必須收起之前的刻板印象。它把Agent從極客工具，變成了職場人、學生、每個普通人都能輕松使用的趁手工具。
一、 從OpenClaw到LobsterAI
OpenClaw之所以迷人，是因為它提出了 "Local First, Do Things" （本地優先，真正做事）的哲學。但它的門檻太高了：Docker 容器、命令行配置、復雜的 API 對接，直接勸退了 99% 的普通用戶（可能還有百分之50%的專業用戶）。
LobsterAI的聰明之處在于，相比OpenClaw，它更安全、更易配置，對普通人的友好程度非常高。
打開LobsterAI的界面，你不會看到黑底綠字的終端，而是簡潔的圖形化交互。它同樣強調 7×24 小時待命和全本地化運行，但它更懂中國的辦公環境。它不僅內置了16種從文檔處理到視頻生成的技能，更重要的是，它解決了一個OpenClaw沒解決好的問題：如何讓Agent真正融入中式工作流？
二、 實測與調教：如何打造你的專屬Agent？
為了驗證這一點，我沒有測試常規的做個網頁/PPT或畫張圖，而是找了幾個極度刁鉆、甚至有些瑣碎的真實場景進行拷打。更重要的是，我把配置這三個場景的全過程記錄了下來。你會發現，雖然它帶有一點極客屬性，但網易有道的LobsterAI已經盡力把門檻降到了最低。
場景一：微信本地文件系統的考古與查重清理
第一個測試，我選擇了一個令所有中國職場人頭痛的頑疾：微信文件夾（WeChat Files）的整理。
眾所周知，微信PC端不僅文件目錄深得像迷宮，而且你每次轉發同一個文件，它都會在本地悄悄生成一個新副本，常年累月下來，幾百G的硬盤空間就這么被吃掉了。
執行思路與配置：要讓AI整理本地文件，我們需要給它觸碰硬盤的權限。這也是LobsterAI架構設計中非常克制的一點——它默認優先使用沙箱隔離環境以保證安全。配置很簡單：在「設置」->「沙箱」中，將執行模式從自動切換為「本地運行」。這賦予了Agent訪問本機資源的權限。
下達指令與實測過程：我找到了一串極其深沉的微信文件路徑，直接丟進對話框：你幫我整理一下這個路徑下的文件，把同樣相同的文件給我標出來。
接下來LobsterAI的操作邏輯，展現出了一個高級Agent該有的素質，可以說是讓我有些驚艷的：
第一步：它沒有選擇盲人摸象，而是主動調用系統工具。
它并沒有單純依靠文件名去判斷，而是自己寫了一段 Bash 腳本，通過計算文件的MD5哈希值來精準識別內容完全相同的文件。這是高級程序員才會用的穩妥方案。
第二步：輸出結構化的體檢報告。
不到一分鐘，它給我出具了一份極具條理的掃描結果：共發現62組重復文件，211個可刪除副本，白白浪費了365.79MB的空間。甚至還貼心地列出了重災區——比如一份名為Bay Area Events...pdf的文件，居然被重復保存了32次。
第三步：安全第一的執行清理。
當我對它說幫我把重復的都清理掉時，它并沒有像很多初級腳本那樣直接執行危險的刪除命令。它回復道：為了安全起見，我會先將重復文件移動到一個備份文件夾，而不是直接刪除。隨后，它自動在本地寫了一段435行的Python腳本，默默在后臺跑完。最終，它保留了原始文件（自動去除了帶數字后綴的副本），清理了空文件夾，并把多余的文件打包到了一個帶有時間戳的_duplicates_backup目錄里。
這個案例雖小，但意義重大。它證明了LobsterAI不僅具備了對本地環境的深層讀寫能力，而且具備了極強的任務規劃和兜底意識。
它不再是一個云端的幽靈，而是真正擁有了操作你硬盤數據的、讓人放心的手。
場景二：你的私人郵件秘書與首席信息官
第二個測試是接管郵箱。每天早上花半小時看那些塞滿訂閱資訊、系統通知和無用廣告的郵件，是一種極大的精力內耗。
LobsterAI內置了直連郵箱的底層能力。在「設置」->「郵箱」中填入郵箱地址和授權碼（如163、Gmail等的IMAP/SMTP 授權碼）后，你就可以像使喚秘書一樣下令了。
下達指令：我給它發了一段非常像人類日常交流的Prompt：幫我總結一下昨晚到今天早上收到的所有郵件。如果是重要項目的進度匯報，請提煉核心結論；如果是垃圾郵件或廣告，直接忽略。
接下來，LobsterAI的執行日志給我上演了一場堪稱驚艷的自主思考過程：
第一階段：自主閱讀文檔與查錯
它接單后，第一步居然是先去Read了一遍自己的郵件技能說明文檔，了解該怎么調用參數。緊接著，在嘗試拉取郵件時，它遇到了一個報錯，但在日志里它自言自語道：文件太大了。讓我用另一種方式來處理，獲取郵件的摘要信息。
這正是Agent與傳統自動化腳本的本質區別：它具備遇到系統限制時的動態規劃和自主糾錯能力。
第二階段：結構化分類與深度提取
幾分鐘后，它給我交付了一份令人極度舒適的《昨晚到今早郵件總結》。這份報告完全不是簡單的關鍵詞堆砌，而是展現出了極強的閱讀理解能力：它把系統安全提醒（Google、Twitter、Linear的異地登錄通知）放在了最前面，提醒我優先關注。
并且在處理《The Information》這種動輒幾千字的深度外媒報道時，它精準地提煉出了核心結論。比如AMD的新聞，它直接總結出了AMD提供3億美元貸款擔保給初創公司買自家芯片這種關鍵商業策略；對于Cadence的報道，也精確歸納了其防御 AI 沖擊的三個策略。面對Google開發者月報，它清晰地列出了Gemini CLI和Agent開發套件的更新點。
它完美執行了我的忽略廣告指令，把信用卡推廣、App Store 推薦甚至經濟學人的促銷郵件全部扔進了已忽略清單。
第三階段：主動提供行動建議（Action Items）
最讓我意外的是報告的結尾，它像一個真正的Chief of Staff（幕僚長）一樣，給我列出了建議行動：確認Google、X、Linear的登錄是否為本人操作；
如果關注 AI 行業，重點閱讀AMD和Cadence的兩篇深度報道。
如果說上一個整理本地文件的案例證明了它能動手，那么這個處理復雜信息流的案例，則證明了它能動腦。它不僅僅是在總結文本，更是在幫你過濾噪音，重塑每天早晨的信息獲取工作流。
場景三：飛書里的影子分身遠程控制
第三個場景，是為了解決移動決策與桌面執行的斷層。這也是開源社區一直想做，但絕大多數普通人都卡在內網穿透這一步的高階玩法——通過國內IM軟件進行遠程桌面控制（Remote ChatOps）。
想象一下：你人在地鐵上，老板突然要在群里要一份服務器的報警日志，或者需要立刻跑一個Python腳本。你手頭只有手機，但家里那臺運行著LobsterAI的Mac，可以替你完成提取、分析并發送的動作。
整個配置過程需要去飛書開發者后臺跑一趟，雖然步驟稍多，但邏輯非常清晰（以下是手把手保姆級教程）：
步驟 1：創建飛書應用
打開飛書開放平臺（open.feishu.cn），進入開發者后臺，點擊「創建企業自建應用」。
為了契合網易的廠牌精神，我給它起了個名字叫有道龍蝦，并在描述里誠實地寫下：你好，我是有道龍蝦????。
步驟 2：開通機器人權限
應用創建好后，在左側菜單找「添加應用能力」，把「機器人」添加上。然后進入「權限管理」，在這里賦予 AI 讀寫信息的權力。根據截圖，我們需要開通核心的 API 權限，比如：獲取與發送單聊/群聊消息（im:message）、獲取用戶基本信息（contact:user.base:readonly）等。這就相當于給 Agent 頒發了飛書的通行證。
步驟 3：打通 LobsterAI
接下來，我們要把飛書后臺和本地的 LobsterAI 客戶端綁定。先在飛書后臺的「憑證與基礎信息」中，復制 App ID 和 App Secret。然后打開電腦上的 LobsterAI，進入「設置」->「IM機器人」->「飛書」標簽頁，把這兩串秘鑰粘貼進去并點擊保存。當你看到上方亮起綠色的已連接字樣時，握手完成。
步驟 4：設置長連接并發布（劃重點！）
最后一步，回到飛書后臺，進入「事件與回調」。這里 LobsterAI 采用了一個極其優雅的方案——推薦使用「長連接」。這意味著你不需要注冊公網域名，不需要配置任何加密策略和復雜的內網穿透（Ngrok 等），直接通過飛書官方 SDK 就能穿透你家的局域網路由器！選擇長連接后，在下方添加接收消息相關的事件。點擊左側的「版本管理與發布」，將這個機器人上線。
一切就緒，檢驗魔法的時刻到了。
我在手機飛書上搜到了這只有道龍蝦，隨便發了幾句你好測試它有沒有鏈接成功。
幾乎是瞬間，電腦端的 Agent 進程就做出了響應，它在飛書里回復我：你好！我是 LobsterAI……無論是編程、文件操作、系統管理還是其他技術問題，我都可以幫忙。
此時此刻，這臺鎖屏放在家里的 Mac，實際上已經變成了一臺聽你指揮的私有服務器；而 LobsterAI，就是那個 7×24 小時坐在顯示器前的替身打工人。你在咖啡廳里只需要用手機像發微信一樣下達指令，它就會在本地默默把活干完，然后把結果推送到你的手機上。
三、 工具首先要務實
在體驗過程中，我也在思考一個問題：為什么是網易有道？
回顧有道的歷史，從詞典到云筆記，再到詞典筆，他們其實一直深耕在效率工具這個領域。LobsterAI 的底層技術選型（Electron + React + Typescript）非常務實，沒有炫技，而是選擇了最穩健的桌面端方案。
更值得一提的是它對安全的態度。
在 OpenClaw 爆火時，社區最大的爭議點就是：我怎么敢讓一個 AI 隨便操作我的電腦？LobsterAI 給出了一個企業級的解法：本地化 + 沙箱機制。 所有的聊天記錄、記憶數據（SQLite）都存儲在本地，絕不上云。而對于敏感操作，它支持在隔離的 Linux 虛擬機（QEMU + Alpine Linux）中運行。這種設計體現了一種對 AI 的不信任前提。即便模型再智能，執行層必須有防呆和隔離設計。這或許是大廠做開源產品時，比個人開發者更周全的地方。
結語：工具的回歸
LobsterAI 是一個完美的軟件嗎？
現在的 v1.0 版本肯定不是。
在整理微信文件時，它偶發過一次路徑識別錯誤；在飛書對話中，如果網絡波動，響應會有延遲。但它的出現，標志著 2026 年 AI 應用開發的一個重要轉折：從模型為王走向落地為王。當我們在爭論 DeepSeek 和 GPT-5 誰更聰明時，LobsterAI悄悄塞給了我們一把鏟子。它不承諾改變世界，它只承諾幫你省下每天整理發票、回復郵件、查找文件的那一兩個小時。
而在 OpenClaw 掀起的這股本地 Agent浪潮中，LobsterAI 無疑是目前最適合中國用戶上船的那張船票。
在生產力工具這件事上，他們這次真的很認真。
