整理| 梦依丹
出品丨AI 科技大本营（ID：rgznai100）
“若论 2026 年 AI 圈最火的产品，‘龙虾（Claw）’无疑位居榜首。”
就在各种版本的 Claw 层出不穷时，网易有道率先拿出了国内大厂中首个 100% 开源的 Agent 产品——有道龙虾 (LobsterAI)。
LobsterAI 在发布不到一个月的时间，便已在 GitHub 收获 4000+ Star，更收获了 OpenClaw 创始人、“龙虾之父” Peter Steinberger 的接连点赞。
下载地址：https://lobsterai.youdao.com
开源地址：https://github.com/netease-youdao/lobsterai
在 4 月 18 日的奇点智能技术大会上，网易有道 AI 应用架构师李良才摊开讲了讲这只“龙虾”的养成史。没有虚头巴脑的口号，更多的是关于如何从教育垂类跳出来、架构怎么选型、以及那套让技术人又爱又恨的“Vibe Coding”到底该怎么 玩。
起源：从教育 AI 到通用 Agent
有道龙虾的产品起源最早要从小 P 老师说起。小 P 老师是一款教育类的答疑产品，在有道 AI 学习机、有道 AI 答疑笔中进行了产品落地，属于智能硬件设备和教育场景结合的 AI 应用。
不过小 P 老师还属于那个时期的 Chat 模式，并没有目前类似龙虾产品这样智能体的概念。小 P 老师让有道团队积累了非常宝贵的 AI 产品经验，但它的局限也很明显：Chat 模式本质上只是问答，AI 无法主动执行复杂任务。
在小 P 老师之后，有道龙虾团队做了第一款真正意义上的 Agent 级产品——视频答疑。
视频答疑是一个教育场景的垂类 Agent。它解决的问题是：学生输入任意一道题目——可以是文字、语音或图片——系统自动生成一个大约 2 分钟的图文并茂的视频讲解。
这款产品大概在 2025 年 8 月上线，持续迭代优化了两轮，达到了一个比较理想的效果，后来也成为有道答疑笔的核心卖点之一。
做完视频答疑之后，有道龙虾团队积累了大量 Agent 工程化的经验，同时也发现了一个关键问题：垂类 Agent 能力很强，但边界也很明显——它只能解决特定场景的特定问题。
这促使团队开始思考：怎么让 Agent 的能力做得更加普适？ 除了教育领域，能不能服务更广泛的场景？
这个思考的转折点来自一个观察。当时，Claude Code、Codex、Cursor 这些 AI 编码工具已经把编程场景打透了。李良才作为研发，日常大量使用 Claude Code，除了写代码，还会用它做数据分析、生成 PPT。
但团队发现，当非技术的同事——比如产品、运营、市场的同事——想用同样的流程解决工作需求时，会遇到各种门槛问题。
"非编程人员用编程工具解决业务需求"——这个需求缺口就是有道龙虾诞生的原点。
于是，有道龙虾团队基于 Claude Agent SDK 做了一个内部的小 Demo 工具——也就是有道龙虾的原型。大概花了两周时间。
核心思路很简单：底层基于 Agent 能力，上层提供对普通用户友好的简单交互界面。 用户不需要懂 Shell 命令，比直接使用 Claude Code 要友好得多。
2026 年春节前，Anthropic 推出了 Claude Cowork 产品，以及 OpenClaw 爆火，进一步验证了有道龙虾团队的方向。团队紧锣密鼓地把产品打磨到了可上线的状态。
大年初三，有道龙虾发布了第一个正式版本，并在 GitHub 上开源。 开源首周 Star 总数突破 3000。
架构选型与演进：从 Claude Agent SDK 到 OpenClaw 内核
在架构选型上，有道龙虾团队最初的方案是基于 Claude Agent SDK 构建的。Claude Agent SDK 是 Anthropic 开源的 Agent 框架，它把 Agent 的 Run Loop、工具解析和编排都封装好了。
但在实际落地过程中，有道龙虾团队遇到了几个痛点：
消息格式耦合：底层绑定 Anthropic 格式，接入第三方模型需要做格式转换
IM 机器人集成复杂：需要自己造轮子处理连接状态管理、富媒体消息
沙箱方案受限
正是在这个背景下，有道龙虾团队把目光转向了 OpenClaw。
OpenClaw 是一个开源的、自主的、可自托管的 AI 智能体框架。用一句话概括它和传统聊天机器人的区别：从"对话"到"执行"。
李良才提到，任何技术选型都需要客观评估优劣势。在他看来，OpenClaw 的优势体现在三个方面：
生态成熟：第三方集成覆盖广，微信、QQ 等国内 IM 开箱可用。Skill 插件生态（ClawHub）内置上万种技能
功能高度复用：原有功能可以快速迁移、封装、复用，多 Agent 协同等新能力直接复用已有实现
长期维护成本低：依托 OpenClaw 社区可以大幅降低 Bug 修复成本
劣势也有三个方面：
桌面应用 vs 服务的适配问题：部分配置变更需要重启网关，响应不够即时
问题响应速度受限：部分功能如 IM 集成依赖第三方，Bug 修复需要等待上游
高速迭代带来的跟进成本：API 变更频繁，需要持续投入人力做版本对齐
面对这些优劣势，有道龙虾团队做了一个关键判断： 优势是战略性的，劣势是工程性的。战略方向对了，工程问题都可以逐步解决。
基于这个判断， 在核心集成方案上，有道龙虾采用的是独立进程模式。OpenClaw 作为一个独立的 Gateway 进程运行，LobsterAI 只通过 WebSocket RPC 与它通信。
为什么做这个选择？因为 OpenClaw 自身在高速迭代，如果采用源码集成，每次升级都要重新构建，这个维护成本是不可接受的。
独立进程模式带来三个好处：
引擎崩溃不拖垮主应用
OpenClaw 可以独立升级
已有功能和 OpenClaw 功能各自独立，方便逐步迁移和替换
基于 OpenClaw 的基础能力，LobsterAI 在安全性和易用性上做了大量增强工作。
安全层面，团队在 OpenClaw 工具调用链路之上构建了多层防护机制——包括 Prompt 约束、HTTP 阻塞、弹窗确认、超时兜底等，确保危险操作必须经过用户二次确认。
易用性层面，Lo bsterAI 封装了 OpenClaw 的复杂性，提供了更友好的桌面交互界面，让非技术用户也能轻松使用强大的 Agent 能力。
Vibe Coding：是“氛围编程”，更是“纪律注入”
在演讲的最后环节，李良才聊了聊 Vibe Coding（氛围编程）。在龙虾的开发过程中，团队全量实践了这套新范式。
李良才总结了这一过程中的“舒适期”与“痛苦期”：
舒适期： 项目规模小、复杂度低，AI 产出的代码质量极高，开发者只负责描述意图，效率爽到飞起；
痛苦期： 随着规模扩大，AI 开始出现“拆东墙补西墙”的情况，甚至忽略整体架构。
李良才认为，Vibe Coding 绝不是“随便写写”，而是要用 Prompt 工程把高级工程师的工作纪律注入到 AI 代理中。
他提出了一套系统化原则：
需求表达的艺术： 明确 AI 的能力边界，不要让它做超纲题；
模式选择的智慧： 区分 Edit 模式（快速迭代）和 Plan 模式（先学习再行动）；
知识杠杆效应： 让人提供判断力和方向，让 AI 提供执行力。
在演讲最后，李良才给出了 AI 产品的演进蓝图：从最初只会聊天的 Chatbot，到干完活就走的 Agent，最终走向常驻式的 Claw (Agent OS)。
“龙虾”不仅仅是一个工具，它代表了未来工作方式的变迁——编程不再是逐行编写代码，而是与 AI 协作的对话式创作。
目前，有道龙虾在 GitHub 上的 Star 数已突破 5000。李良才认为，AI -native 工具生来就应该是开源的——这不是姿态，而是策略。只有与全球开发者共建生态，才能在范式转移的窗口期抓住机遇。
当 AI 彻底打破原有的软件工程规矩时，这只开源的"龙虾"，或许正为我们勾勒出下一代数字生产力的轮廓。
热门跟贴