这场 iCANLab 线下工作坊讨论的是 AI Agent 时代的一个现实问题：普通人如何真正用上前沿 Agent 能力，而不是只在演示视频里看见它。

我在现场分享了 LobsterAI 的完整孵化路径。它从有道答疑笔的视频答疑能力出发，逐渐抽象出更通用的 Agent 思路，再用桌面端和开源方式把能力交给更广泛的用户和开发者。

三个早期判断

在行业开始密集讨论 Claude Cowork、OpenClaw 之前，LobsterAI 已经做了几个明确选择。

第一个是 Skills 系统。Agent 需要可复用的能力模块，而不是每次都从零开始理解任务。

第二个是定时任务。真正的个人助理应该可以在无人值守时运行，例如每天整理技术资讯、监控信息源、生成摘要并推送给用户。

第三个是移动端远程控制。很多任务不是发生在用户坐在电脑前的时刻，手机应该可以成为触发桌面 Agent 的入口。

从能聊到能做

Agent 产品的价值不止在对话。更重要的是把任务推进到可交付结果：整理行业资讯、生成竞品 PPT、远程控制桌面环境、调用工具完成文件处理，或者把复杂工作拆成可确认的步骤。

这些能力背后需要 MCP、插件、技能、权限控制、运行状态和用户确认一起工作。没有这些工程层，Agent 容易停留在聪明的聊天界面。

降低使用门槛

LobsterAI 的产品目标是让更多人用上前沿 Agent 能力。开发者可以扩展插件和技能，普通用户则应该看到简单、可信、能完成任务的工作台。

当 Agent 从个人助理继续演进到 Agent 经济和 Agent OS，真正重要的不是单点能力，而是生态里每个能力如何被发现、调用、组合和验证。