从教育垂类 Agent 到全场景个人助理

围绕 LobsterAI 的开源实践，复盘 Agent 产品化、OpenClaw 架构迁移，以及 Vibe Coding 为什么需要纪律注入。

用户不关心模型有多强，只关心任务能不能稳定完成。LobsterAI 就是从这个问题里长出来的。

它的起点不是一个孤立的桌面工具，而是有道在教育场景里长期积累的 Agent 能力。小 P 老师、视频答疑这些产品，让团队一再面对同一个问题。

能力从教育垂类走向通用个人助理，产品判断也跟着变了。Agent 要理解任务、拆解步骤、调用工具、生成交付物，并在关键节点把控制权交还给人。只会回答问题不够。

快速验证

团队曾基于 Claude Agent SDK 做出内部 Demo，很短时间就证明了全场景个人助理可行。开源发布后，LobsterAI 很快得到开发者关注，也印证了一个判断：有价值的 Agent 工具，要同时面对普通用户和开发者生态。

早期 SDK 带来了速度，也带来了耦合。模型协议、IM 接入、沙箱限制和长期维护，都逼着我们重新选架构。

OpenClaw 的战略价值在生态：IM 集成、MCP、插件、多 Agent、技能复用和社区协作，都可以变成产品能力。工程上的短板可以慢慢补；生态方向选错了，会长期卡住产品边界。

LobsterAI 用独立 Gateway 进程承载 OpenClaw，桌面端和业务系统走 WebSocket RPC。引擎和产品就此解耦，崩溃隔离、独立升级、灰度迁移和后续扩展都更可控。

Vibe Coding 不是随便写代码。在我看来，它是把高级工程师的工作纪律注入 AI 协作流程。把需求丢给 AI 然后等结果，不算。

有效的 AI 编程需要清晰的边界、可检查的计划、合适的工作模式、持续评审和回归验证。人判断方向、补上下文、识别风险；Agent 执行、搜索、重构、写测试、整理产物。

难的是让系统做得更稳，而不是让模型说得更多。

LobsterAI 的实践说明，工作流、安全边界、工具生态和用户体验要放在同一个架构里设计，Agent 才可能从演示走进日常生产。