一句话总结
LobsterAI（有道龙虾）是网易有道出品的 100% 开源桌面级 Agent，它真正解决的是「OpenClaw 好用但普通人装不上」这一件事——双击安装包、GUI 点两下、扫码绑定钉钉飞书，一个能碰你本机文件、终端和浏览器的数字员工就上岗了。适合被命令行劝退、又想要 7×24 后台助理的国内职场人，尤其在意数据不出本机、代码可审计的用户；但如果你追求的是「一次就把活干对、成本可控」，它目前在第三方同题横评中的表现还撑不起这个期待——同一个照片分类任务，别家花 1 块钱一次成功，它烧掉 14 万-20 万 token 还没干完。
核心数据一览
| 开发商 | 网易有道（NYSE: DAO），CEO 周枫；2026 Q1 财报净收入 13 亿元人民币（约 1.954 亿美元），财报中明确将 LobsterAI 列为 AI Agent 矩阵扩张成果 |
| 产品形态 | 桌面级 Agent 客户端，Electron 40 + React 18 + TypeScript 构建，Redux Toolkit / TailwindCSS / Vite 技术栈 |
| 关键时间线 | 2026-02-11 开放试用申请 → 02-19 宣布开源（新华网报道）→ 03-08 v0.2.2 打通企微/QQ/钉钉/飞书 → 03 月上线技能商店并支持 MCP → 06-09 三大更新（12 套专家套件、Sites 一键建站、多语言语音输入） |
| 最新版本 | 官网下载页 2026.7.31；GitHub 最新 Release 为 2026.7.29（2026-07-30 发布），仅提供 mac-arm64.dmg / mac-x64.dmg / win-x64.exe 三个安装包 |
| 开源数据 | MIT 协议，仓库 netease-youdao/LobsterAI，创建于 2026-02-12；截至 2026-08-04 共 5,761 Star、903 Fork、761 个未关闭 issue，最后提交 2026-08-03 |
| 技能生态 | 28 个内置技能（配置于 SKILLs/skills.config.json）+ 12 套岗位专家套件 + MCP 协议接入 + find-skills 可拉取 OpenClaw 生态 5000+ 技能 |
| IM 远程通道 | 11 条：微信、企业微信、钉钉、飞书/Lark、QQ、Telegram、Discord、网易 IM、网易蜜蜂、POPO、邮件 |
| 数据与安全 | 本地 SQLite（lobsterai.sqlite，存于 Electron userData）；渲染进程启用上下文隔离并禁用 Node 集成；敏感工具调用需授权且留痕；支持 QEMU + Alpine Linux 沙箱 VM 模式 |
| 市场表现 | 上线首月访问量突破 27 万次，位列 OpenClaw 生态流量榜龙虾 Agent 分类前五；北京图博会披露首批吸引超 2000 名开发者参与共建 |
核心功能评测
1. GUI 零门槛安装与桌面级执行 — 4.5/5
这是 LobsterAI 存在的理由。OpenClaw 原版的门槛在于配环境、敲命令，而 LobsterAI 把整套东西打包成 dmg 和 exe，双击安装即可获得一个带任务列表、技能面板、MCP 管理、定时任务的可视化控制台。装好之后它能直接连接本机文件、终端、浏览器与本地项目，在真实工作环境里动手，而不是把结果吐在聊天框里让你自己复制。
实测层面有正面样本：有博主让它抓取指定网页数据，结果被完整整理成 Excel 放到桌面，全程只需要在遇到登录拦截时人工扫码一次；另一个偏极限的测试是让它写一款俄罗斯方块游戏，要求包含 7 种方块的旋转移动、行消除反馈、分数计算与结束判定，产出的代码直接可运行，实际试玩未发现明显 bug。扣分项在于官方 Release 至今只发 macOS 与 Windows 包，仓库里的 dist:linux 脚本没有对应正式版本。
2. IM 手机远程指挥 — 4.5/5
这是最贴合国内职场的差异点。LobsterAI 覆盖 11 条 IM 通道，钉钉走 Stream 接口、飞书走官方 SDK，且支持多实例绑定——不同 IM 账号或频道可以挂到不同的 Agent 上。实际意义是：人在通勤路上，用飞书发一句「帮我把这份数据分析一下」，家里那台电脑上的 Agent 立刻响应执行，跑完把成果回传到聊天窗口。
对比之下，海外同类产品普遍只接 Slack 与 Telegram，在国内基本等于失效。这一项没给满分，是因为它依赖本机必须开机在线——真正的 7×24 需要你的电脑也 7×24。
3. 专家套件与技能生态 — 4/5
2026 年 6 月上线的「专家套件」是官方主推的能力包，把真实岗位的专业流程打包成即插即用的技能包，覆盖工程研发、产品运营、市场营销、财务核算、人力资源等领域，总计 12 套（官网 Demo 中可见股票助手、内容创作、备课出卷专家、内容总结助手等）。官方口径是无需提示词技巧，一键安装后最快 3 分钟上手。
底层技能数则一路在涨：3 月对外宣传是 16 种核心技能，而当前 GitHub README 明确写着内置 28 个技能，覆盖 Web 搜索、Word/Excel/PPT/PDF 文档处理、Canvas 海报、基于 Remotion 的视频生成、Playwright 网页自动化、邮件收发等。再往外，find-skills 可以一键拉取 OpenClaw 生态的 5000+ 技能与 GitHub 全量技能，MCP 协议则负责接第三方工具。同期上线的 Sites 一键建站，能把生成的报告或数据看板直接部署成带独立分享链接的网页——彼时 OpenAI 旗下 Codex 的同类 Sites 功能还只对 Business 和 Enterprise 客户预览开放。
扣分原因很直接：技能数量的宣传口径变化快，且能力上限受制于上游 OpenClaw 生态与你所选模型，装得多不等于跑得对。
4. 任务完成质量与 Token 成本 — 2.5/5
这是全文最需要泼冷水的一项，也是评分从 4.3 下调到 4.0 的主因。
一份覆盖 8 款大厂 Agent 的横评设置了统一任务：把文件夹里 10 张人物照片按性别分到男、女两个文件夹。结果如下：
| 产品 | 是否完成 | 消耗 | 失败原因/做法 |
|---|---|---|---|
| LobsterAI | ❌ 未完成 | 估算 14 万-20 万 token | 选择写代码分类，最终有 1 张分错 |
| MaxClaw（MiniMax） | ✅ 一次成功 | 121 积分（约 1 元） | 直接调用视觉语言模型自写提示词识别 |
| AutoClaw（智谱） | ❌ 未完成 | 603 积分（约 3.5 元） | 默认模型无多模态，改用代码失败后卡住 |
| Kimi Claw | ❌ 未完成 | 约 6 千-9 千 token | 正确分类 2 张，其余 7 张因网络问题上传失败 |
问题的根源在于路径选择：面对一个明显该用多模态视觉识别的任务，LobsterAI 选择了写代码兜圈子。同样的现象也体现在耗时上——有实测者反馈，仅仅生成一个 PPT 就用掉了整整 10 分钟，原因是 Agent 在后台不断试错、自我测试与修正，而这个过程正是 token 的消耗大户。
另一个实打实的坑是模型兼容：同一份 Kimi 的 API 配置，在 OpenClaw 原版能顺滑运行，到了 LobsterAI 这边死活配置不成功，换成通义千问 3.5 同样失败。
5. 开源、数据主权与安全 — 5/5
这一项它做得毫不含糊。MIT 协议 100% 开源，每一行代码可被公众审计；所有聊天记录与配置存在本地 SQLite，不离开设备；渲染进程启用上下文隔离并禁用 Node 集成，渲染层访问主进程必须走 preload IPC；涉及数据安全的工具调用一律需要用户明确批准并记录日志；敏感操作还可以丢进 QEMU + Alpine Linux 的沙箱虚拟机里跑。对于要处理合同草案、候选人简历、财务表格的用户，这套设计比任何营销话术都有说服力。
价格方案
LobsterAI 的定价模型和绝大多数商业 Agent 不同：工具本身一分钱不收，钱全花在模型上。
| 成本项 | 是否必需 | 费用 | 说明 |
|---|---|---|---|
| LobsterAI 客户端 | 必需 | 0 元 | MIT 开源，官网与 GitHub Releases 均可免费下载，无门槛费、无积分制 |
| 大模型 API | 必需 | 按量自付 | 需自行配置 API Key；仓库明确支持 DeepSeek 与 Kimi K3 等，官网 Demo 默认展示 DeepSeek v4 pro |
| 包月模型套餐（可选替代） | 推荐 | 约 46 元/月 | 第三方上手指南推荐搭配智谱 GLM Coding Plan 档位，用固定月费对冲 Agent 的 token 波动 |
| 本机算力/电费 | 必需 | 隐性 | 桌面 Agent 需本机常开才能实现远程唤醒，7×24 场景要考虑设备损耗 |
| 沙箱运行开销 | 可选 | 隐性 | 启用 QEMU + Alpine 虚拟机模式会额外占用内存与磁盘 |
需要清醒认识的是：免费的工具费不等于低总成本。 参考上文横评，一个照片分类任务就估算烧掉 14 万-20 万 token，若按主流模型的按量计价折算，密集使用下的月度支出完全可能超过竞品的固定订阅费。这也是同类产品中「包月养虾成为主流方案」的原因——它把不可预测的成本变成了确定的月费。
与竞品对比
| 维度 | LobsterAI | AutoClaw（智谱） | Rowboat |
|---|---|---|---|
| 开源协议 | MIT，100% 开源 | 开源发行版 | Apache-2.0，100% 开源 |
| 付费模式 | 工具免费，模型 API 自付 | 积分制（横评中同题耗 603 积分约 3.5 元） | 工具免费，模型 API 自付 |
| 上手门槛 | 最低：GUI + 一键安装 | 较低：一键安装但偏开发者 | 中：需自行配置模型与集成 |
| 核心差异点 | 12 套岗位专家套件 + 11 条国内 IM 远程通道 | 预置技能市场 + 官方模型打包 | 本地 Markdown 双向链接知识图谱长期记忆 |
| 国内 IM 适配 | ✅ 微信/企微/钉钉/飞书/QQ 全覆盖 | ⚠️ 依赖插件 | ⚠️ 以 Slack / Telegram 为主 |
| 同题横评表现 | 未完成，14-20 万 token | 未完成，卡住 | 未参与该横评 |
| 数据存储 | 本地 SQLite + 可选 QEMU 沙箱 | 依部署方式而定 | 本地明文 Markdown 目录 |
| GitHub Star | 5,761 | — | 16,900+ |
结论很清楚：在「零门槛 + 国内 IM 生态 + 完全开源」这三点的交集上，LobsterAI 目前没有对手。 但如果你的诉求是任务一次跑对、成本可预测，积分制的商业 Agent 反而更省心；如果你要的是跨会话的长期记忆沉淀，Rowboat 的知识图谱路线更对症。
优势与短板
优势展开：
- GUI 不是包装，是产品哲学。 OpenClaw 生态最大的流失点就在安装环节，LobsterAI 用一个安装包把技术门槛清零，这也是它上线首月能冲到 27 万访问、跻身生态流量榜前五的直接原因。
- 开源的诚意可验证。 5,761 Star、903 Fork 是公开数字，2026 年 7 月单月连发 8 个版本（7.3、7.7、7.10、7.15、7.16、7.17、7.23、7.29），最后一次提交就在昨天，迭代节奏没有掉链子。
- 国内 IM 覆盖是真需求。 11 条通道里微信、企微、钉钉、飞书、QQ 一个不落，这是海外产品短期内补不上的本地化壁垒。
- 岗位化落地方向正确。 12 套专家套件把「会聊天」变成「会交付」，配合 Sites 一键建站，从写方案到排版、存档、生成分享链接能一次跑完。
短板展开：
- 执行策略不够聪明。 横评暴露的问题不是「能力不足」，而是「路径选错」——该调视觉模型时去写代码，导致既慢又贵还错。这属于 Agent 规划层的能力，不是换个模型就能解决的。
- 成本不可预测。 工具免费很诱人，但 token 消耗如流水，长期高频使用的账单可能远超预期，这一点在自己配 API Key 的模式下尤其危险。
- 761 个未关闭 issue。 相对 5,761 Star 而言，这个未关闭比例说明产品仍处在快速试错期，底层继承的 OpenClaw 稳定性问题（配置出错易导致服务挂起）短期难以根除。
- 生态兼容有盲区。 Kimi、通义千问 3.5 的 API 配置失败案例，说明它对上游模型的适配还不够全面。
- 视觉审美偏弱。 有实测者明确指出，要求生成 Q 版动漫风格的产出与预期差距明显——涉及设计美感的活儿别指望它。
最终推荐
建议现在就装的人： 被命令行彻底劝退、但确实想要一个能碰本机文件的数字员工的职场人；钉钉/飞书重度用户，需要下班后还能远程唤醒电脑跑任务；处理合同、简历、财务数据等敏感信息，要求数据绝不出本机的用户；想研究开源 Agent 架构、有二次开发意图的开发者——MIT 协议 + 清晰的 Electron/React 分层，是很好的学习样本。
建议再等等的人： 追求任务一次跑对、不愿意花时间纠错的效率优先型用户；对模型账单敏感、需要成本可预测的个人与小团队（更适合积分制或包月制产品）；主力做视觉设计、对产出审美有要求的创作者；使用 Linux 桌面的用户——官方还没发正式安装包。
务实的用法： 先用免费这一点做低成本试水，但务必先配一个包月制的模型套餐（如约 46 元/月的档位）而不是按量付费的 API Key，把成本天花板锁死；把它用在流程确定、重复性高的活上——定时抓资讯、整理表格、批量处理文档、网页数据采集，这些它跑得稳；而需要视觉判断、复杂决策或一次成型的任务，暂时别全权委托。
评测声明：本文数据来源包括 LobsterAI 官网（lobsterai.youdao.com）下载页与功能演示、GitHub 仓库 netease-youdao/LobsterAI 的 README 与 Releases API（Star/Fork/issue 数与版本号取自 2026-08-04 实时接口）、新华网与央广网关于产品开源及北京图博会的公开报道、网易有道 2026 年第一季度财报，以及第三方独立横评与博主实测记录（8 款大厂 Agent 同题横评、个人博主深度实测）。所有第三方实测结论均标注来源与测试条件，本文不含付费推广。