整理| 夢依丹

出品丨AI 科技大本營（ID：rgznai100）

“若論 2026 年 AI 圈最火的產品，‘龍蝦（Claw）’無疑位居榜首。”

就在各種版本的 Claw 層出不窮時，網易有道率先拿出了國內大廠中首個 100% 開源的 Agent 產品——有道龍蝦 (LobsterAI)。

LobsterAI 在發布不到一個月的時間，便已在 GitHub 收獲 4000+ Star，更收獲了 OpenClaw 創始人、“龍蝦之父” Peter Steinberger 的接連點贊。

• 下載地址：https://lobsterai.youdao.com

• 開源地址：https://github.com/netease-youdao/lobsterai

在 4 月 18 日的奇點智能技術大會上，網易有道 AI 應用架構師李良才攤開講了講這只“龍蝦”的養成史。沒有虛頭巴腦的口號，更多的是關于如何從教育垂類跳出來、架構怎么選型、以及那套讓技術人又愛又恨的“Vibe Coding”到底該怎么 玩。

起源：從教育 AI 到通用 Agent

有道龍蝦的產品起源最早要從小 P 老師說起。小 P 老師是一款教育類的答疑產品，在有道 AI 學習機、有道 AI 答疑筆中進行了產品落地，屬于智能硬件設備和教育場景結合的 AI 應用。

不過小 P 老師還屬于那個時期的 Chat 模式，并沒有目前類似龍蝦產品這樣智能體的概念。小 P 老師讓有道團隊積累了非常寶貴的 AI 產品經驗，但它的局限也很明顯：Chat 模式本質上只是問答，AI 無法主動執行復雜任務。

在小 P 老師之后，有道龍蝦團隊做了第一款真正意義上的 Agent 級產品——視頻答疑。

視頻答疑是一個教育場景的垂類 Agent。它解決的問題是：學生輸入任意一道題目——可以是文字、語音或圖片——系統自動生成一個大約 2 分鐘的圖文并茂的視頻講解。

這款產品大概在 2025 年 8 月上線，持續迭代優化了兩輪，達到了一個比較理想的效果，后來也成為有道答疑筆的核心賣點之一。

做完視頻答疑之后，有道龍蝦團隊積累了大量 Agent 工程化的經驗，同時也發現了一個關鍵問題：垂類 Agent 能力很強，但邊界也很明顯——它只能解決特定場景的特定問題。

這促使團隊開始思考：怎么讓 Agent 的能力做得更加普適？ 除了教育領域，能不能服務更廣泛的場景？

這個思考的轉折點來自一個觀察。當時，Claude Code、Codex、Cursor 這些 AI 編碼工具已經把編程場景打透了。李良才作為研發，日常大量使用 Claude Code，除了寫代碼，還會用它做數據分析、生成 PPT。

但團隊發現，當非技術的同事——比如產品、運營、市場的同事——想用同樣的流程解決工作需求時，會遇到各種門檻問題。

"非編程人員用編程工具解決業務需求"——這個需求缺口就是有道龍蝦誕生的原點。

于是，有道龍蝦團隊基于 Claude Agent SDK 做了一個內部的小 Demo 工具——也就是有道龍蝦的原型。大概花了兩周時間。

核心思路很簡單：底層基于 Agent 能力，上層提供對普通用戶友好的簡單交互界面。 用戶不需要懂 Shell 命令，比直接使用 Claude Code 要友好得多。

2026 年春節前，Anthropic 推出了 Claude Cowork 產品，以及 OpenClaw 爆火，進一步驗證了有道龍蝦團隊的方向。團隊緊鑼密鼓地把產品打磨到了可上線的狀態。

大年初三，有道龍蝦發布了第一個正式版本，并在 GitHub 上開源。 開源首周 Star 總數突破 3000。

架構選型與演進：從 Claude Agent SDK 到 OpenClaw 內核

在架構選型上，有道龍蝦團隊最初的方案是基于 Claude Agent SDK 構建的。Claude Agent SDK 是 Anthropic 開源的 Agent 框架，它把 Agent 的 Run Loop、工具解析和編排都封裝好了。

但在實際落地過程中，有道龍蝦團隊遇到了幾個痛點：

• 消息格式耦合：底層綁定 Anthropic 格式，接入第三方模型需要做格式轉換

• IM 機器人集成復雜：需要自己造輪子處理連接狀態管理、富媒體消息

• 沙箱方案受限

正是在這個背景下，有道龍蝦團隊把目光轉向了 OpenClaw。

OpenClaw 是一個開源的、自主的、可自托管的 AI 智能體框架。用一句話概括它和傳統聊天機器人的區別：從"對話"到"執行"。

李良才提到，任何技術選型都需要客觀評估優劣勢。在他看來，OpenClaw 的優勢體現在三個方面：

1. 生態成熟：第三方集成覆蓋廣，微信、QQ 等國內 IM 開箱可用。Skill 插件生態（ClawHub）內置上萬種技能

2. 功能高度復用：原有功能可以快速遷移、封裝、復用，多 Agent 協同等新能力直接復用已有實現

3. 長期維護成本低：依托 OpenClaw 社區可以大幅降低 Bug 修復成本

劣勢也有三個方面：

1. 桌面應用 vs 服務的適配問題：部分配置變更需要重啟網關，響應不夠即時

2. 問題響應速度受限：部分功能如 IM 集成依賴第三方，Bug 修復需要等待上游

3. 高速迭代帶來的跟進成本：API 變更頻繁，需要持續投入人力做版本對齊

面對這些優劣勢，有道龍蝦團隊做了一個關鍵判斷： 優勢是戰略性的，劣勢是工程性的。戰略方向對了，工程問題都可以逐步解決。

基于這個判斷， 在核心集成方案上，有道龍蝦采用的是獨立進程模式。OpenClaw 作為一個獨立的 Gateway 進程運行，LobsterAI 只通過 WebSocket RPC 與它通信。

為什么做這個選擇？因為 OpenClaw 自身在高速迭代，如果采用源碼集成，每次升級都要重新構建，這個維護成本是不可接受的。

獨立進程模式帶來三個好處：

• 引擎崩潰不拖垮主應用

• OpenClaw 可以獨立升級

• 已有功能和 OpenClaw 功能各自獨立，方便逐步遷移和替換

基于 OpenClaw 的基礎能力，LobsterAI 在安全性和易用性上做了大量增強工作。

安全層面，團隊在 OpenClaw 工具調用鏈路之上構建了多層防護機制——包括 Prompt 約束、HTTP 阻塞、彈窗確認、超時兜底等，確保危險操作必須經過用戶二次確認。

易用性層面，Lo bsterAI 封裝了 OpenClaw 的復雜性，提供了更友好的桌面交互界面，讓非技術用戶也能輕松使用強大的 Agent 能力。

Vibe Coding：是“氛圍編程”，更是“紀律注入”

在演講的最后環節，李良才聊了聊 Vibe Coding（氛圍編程）。在龍蝦的開發過程中，團隊全量實踐了這套新范式。

李良才總結了這一過程中的“舒適期”與“痛苦期”：

• 舒適期： 項目規模小、復雜度低，AI 產出的代碼質量極高，開發者只負責描述意圖，效率爽到飛起；

• 痛苦期： 隨著規模擴大，AI 開始出現“拆東墻補西墻”的情況，甚至忽略整體架構。

李良才認為，Vibe Coding 絕不是“隨便寫寫”，而是要用 Prompt 工程把高級工程師的工作紀律注入到 AI 代理中。

他提出了一套系統化原則：

• 需求表達的藝術： 明確 AI 的能力邊界，不要讓它做超綱題；

• 模式選擇的智慧： 區分 Edit 模式（快速迭代）和 Plan 模式（先學習再行動）；

• 知識杠桿效應： 讓人提供判斷力和方向，讓 AI 提供執行力。

在演講最后，李良才給出了 AI 產品的演進藍圖：從最初只會聊天的 Chatbot，到干完活就走的 Agent，最終走向常駐式的 Claw (Agent OS)。

“龍蝦”不僅僅是一個工具，它代表了未來工作方式的變遷——編程不再是逐行編寫代碼，而是與 AI 協作的對話式創作。

目前，有道龍蝦在 GitHub 上的 Star 數已突破 5000。李良才認為，AI -native 工具生來就應該是開源的——這不是姿態，而是策略。只有與全球開發者共建生態，才能在范式轉移的窗口期抓住機遇。

當 AI 徹底打破原有的軟件工程規矩時，這只開源的"龍蝦"，或許正為我們勾勒出下一代數字生產力的輪廓。