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。

LobsterAI 的起点不是一个孤立的桌面工具，而是有道在教育场景中长期沉淀的 Agent 能力。小 P 老师、视频答疑等产品让团队反复面对同一个问题：用户并不关心模型有多强，他们关心任务能不能被稳定完成。

当这种能力从教育垂类走向通用个人助理，产品判断也随之变化。Agent 不能只停留在回答问题，它需要理解任务、拆解步骤、调用工具、生成交付物，并且在关键节点把控制权交还给人。

快速验证

团队曾基于 Claude Agent SDK 快速做出内部 Demo，用很短时间证明了全场景个人助理的可行性。开源发布后，LobsterAI 很快获得开发者关注，也验证了一个判断：真正有价值的 Agent 工具需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要求新的架构选择。

OpenClaw 的战略价值在于生态：IM 集成、MCP、插件、多 Agent、技能复用和社区协作都可以成为产品能力的一部分。对业务团队来说，工程上的劣势可以逐步解决，但生态方向一旦选错，会长期限制产品边界。

LobsterAI 通过独立 Gateway 进程承载 OpenClaw 能力，桌面端和业务系统使用 WebSocket RPC 通信。这个方案把引擎和产品解耦，让崩溃隔离、独立升级、灰度迁移和后续扩展都更可控。

我理解的 Vibe Coding 不是把需求丢给 AI 等结果，而是把高级工程师的工作纪律注入到 AI 协作流程里。

有效的 AI 编程需要清晰边界、可检查的计划、适合的工作模式、持续评审和回归验证。人负责判断方向、补充上下文、识别风险；Agent 负责执行、搜索、重构、写测试和整理产物。

Agent 产品的挑战不在于让模型说得更多，而在于让系统做得更稳。LobsterAI 的实践说明：当工作流、安全边界、工具生态和用户体验被放在同一个架构里设计时，Agent 才可能从演示走向日常生产力。