Preskoči na glavni sadržaj

NetEase-ov rak otvorenog koda, testirajmo koliko je domaći Agent daleko od OpenClaw-a.

Chenmo Wang ErAIAgentDomaći veliki modelAI alat1463 reči5 minuta

Pre pojave OpenClaw-a, svi moji kolege su čvrsto verovali da je lokalni Agent samo varka.

Međutim, eksplozija OpenClaw-a je potpuno promenila to stanovište — svi su ga lokalno počeli da koriste, a produktivnost je porasla ne jednom nego nekoliko puta.

Nedavno je i NetEase otvorio svoj rak — LobsterAI, i mogu samo reći da je ova stara internetska kompanija konačno dobila svoje mesto pod suncem u dobu AI-ja.

Ako tražite alat koji će vam 7x24 sata obrađivati imejlove, prikupljati informacije i generisati izveštaje, ovaj test će vam pomoći da izbegnete mnoge zamke.

LobsterAI dolazi sa 16 ugrađenih Skill-ova i podržava daljinsko upravljanje preko četiri glavne IM platforme: Feishu, DingTalk, Telegram i Discord. Takođe je ugrađen Memory za dugoročno pamćenje koji pamti vaše preference i automatski se ponovo koristi kroz sesije.

Glavni fokus je asistent za sve scenarije u kancelariji.

GitHub adresa: https://github.com/netease-youdao/LobsterAI

01. Prednosti LobsterAI-ja

Oni koji ne poznaju OpenClaw možda će pitati — ChatGPT, Claude, Kimi, Doubao svi mogu da komuniciraju prirodnim jezikom, zašto onda pokretati Agent lokalno?

Odgovor se krije u jednoj reči: prljavi posao.

Cloud Agent vam može dati savete, pisati kod, analizirati probleme, ali nikada ne može da uradi onaj posao koji zahteva pristup lokalnim fajlovima, upravljanje terminalom i pozivanje lokalnog softvera.

Svako jutro automatski otići na HackerNews, pokupiti popularne članke, generisati sažetak i poslati ga na DingTalk? Cloud Agent ne može, jer nema pristup vašem DingTalk robotu.

Proveravati 163 poštu u određeno vreme i automatski odgovoriti nekome ko je poslao biografiju a zaboravio broj planete? Cloud Agent ne može, ne može čak ni da se prijavi na vaš imejl.

Nadgledati GitHub repozitorijum i automatski odgovoriti kada stigne novi issue? Cloud Agent ne može, GitHub API poziv zahteva lokalno okruženje.

Te stvari deluju jednostavno, ali upravo one odnose najviše vremena. Jednom ručno nije problem, ali kada se svakodnevno ponavljaju i prate 7x24 sata, postaje naporno.

LobsterAI je tu da radi taj prljavi i teški posao.

02. Arhitektura LobsterAI-ja

LobsterAI je izgrađen na Electron + React + TypeScript, sa striktnom arhitekturom izolacije procesa. Glavni proces je zadužen za operacije nad fajl sistemom i terminalom, proces za renderovanje za UI prikaz i interakciju sa korisnikom, a njih dvoje komuniciraju putem IPC-a i ne mešaju se.

Za skladištenje podataka koristi se lokalni SQLite — svi zapisi razgovora, istorija zadataka i preference korisnika čuvaju se lokalno. Ovaj dizajn osigurava: vaši podaci se ne šalju u cloud.

Za upravljanje stanjem koristi se Redux Toolkit, za UI TailwindCSS, a za alat za izgradnju Vite. Tehnološki stek je odabrao sada najpopularnija rešenja.

src/
├── main/                           # Electron glavni proces
│   ├── main.ts                     # ulaz, obrada IPC-a
│   ├── preload.ts                  # bezbednosni most
│   ├── sqliteStore.ts              # SQLite skladište
│   ├── coworkStore.ts              # CRUD sesija/poruka
│   ├── skillManager.ts             # upravljanje veštinama
│   ├── im/                         # IM mrežni prolazi (DingTalk/Feishu/Telegram/Discord)
│   └── libs/
│       ├── coworkRunner.ts         # izvršilac Agent SDK-a
│       ├── coworkVmRunner.ts       # izvršavanje u sandbox VM-u
│       ├── coworkSandboxRuntime.ts # životni ciklus sandbox-a
│       └── coworkMemoryExtractor.ts # izdvajanje memorije
│
├── renderer/                        # React front-end
│   ├── App.tsx                     # korena komponenta
│   ├── types/                      # TypeScript definicije tipova
│   ├── store/slices/               # Redux isečci stanja
│   ├── services/                   # sloj biznis logike (API/IPC/i18n)
│   └── components/
│       ├── cowork/                 # Cowork UI komponente
│       ├── artifacts/              # Artifact renderer
│       ├── skills/                 # UI za upravljanje veštinama
│       ├── im/                     # UI za IM integraciju
│       └── Settings.tsx            # panel za podešavanja
│
SKILLs/                              # direktorijum za definicije veština
├── skills.config.json              # konfiguracija uključivanja i redosleda veština
├── web-search/                     # web pretraga
├── docx/                           # generisanje Word dokumenata
├── xlsx/                           # Excel tablice
├── pptx/                           # PowerPoint prezentacije
├── pdf/                            # obrada PDF-a
├── remotion/                       # generisanje videa
├── playwright/                     # web automatizacija
└── ...                             # više veština

03. Kako koristiti LobsterAI

LobsterAI podržava macOS (Intel + Apple Silicon) i Windows, navodno je i Linux verzija u planu.

Nakon preuzimanja, instalirajte direktno (ja sam na Apple silicijumu).

Zvanična adresa: https://lobsterai.youdao.com

Nakon instalacije potrebno je konfigurisati API Key za LLM. LobsterAI podržava sve modele koji su kompatibilni sa OpenAI API formatom, uključujući GPT seriju, Zhipu GLM seriju, DeepSeek seriju, Qwen seriju, Kimi seriju i druge.

Nakon konfiguracije API Key-a možete početi razgovor sa LobsterAI-jem. Ali sam odmah naišao na bag — kada je stanje na računu nula, nema nikakvog podsetnika i ne prekida se.

Ako koristite GLM-5 plan paket, obratite pažnju na to da je base URL https://open.bigmodel.cn/api/coding/paas/v4/chat/completions.

Klikom na [Testiraj vezu] proveravate da li ste sve dobro uneli.

Zatim se vratite u prozor za razgovor i videćete da LobsterAI radi.

03. Automatsko pretraživanje HackerNews-a

Idemo direktno na test.

Scenario za ovaj put je: svakog jutra automatski otići na HackerNews, pokupiti popularne članke, generisati sažetak i poslati ga na DingTalk.

To je tipičan scenario kombinacije [vremenskog zadatka + prikupljanja podataka + IM obaveštenja]. Tradicionalni razvoj zahteva pisanje skripte za struganje, logike za generisanje sažetka, guranje na DingTalk robota, konfiguraciju cron zadatka i deploy na server da bi se osigurala stabilnost. Ceo proces oduzima najmanje pola dana.

U LobsterAI-ju, mi treba samo jedna rečenica:

Svakog jutra u devet odi na HackerNews, izaberi deset najzanimljivijih članaka, generiši sažetak i pošalji na moj DingTalk.

Naravno, prvo moramo konfigurisati [DingTalk] client id i secret i uključiti ga.

Možete kliknuti na [Test] da proverite da li je DingTalk u stanju povezanosti.

Ako niste sigurni da li robot radi, u polje za razgovor unesite poruku, a zatim ponovo proverite.

Proces razmišljanja LobsterAI-ja je sledeći.

Korisnik želi da kreira vremenski zadatak:

  1. Izvršava se svakog jutra u devet
  2. Odlazi na HackerNews i prikuplja popularne članke
  3. Bira deset najzanimljivijih i generiše sažetak
  4. Šalje na DingTalk

Ovo je scenario vremenskog zadatka, trebalo bi da koristim veštinu scheduled-task. Da prvo pročitam SKILL.md fajl te veštine.

Zatim nam kreira Skill koji dovršava ovaj zadatak.

Uključujući:

  1. Kreiranje konfiguracije zadatka JSON
  2. Kreiranje zadatka pomoću skripte
  3. Postavljanje notifyPlatforms na ["dingtalk"]

Da prvo kreiram konfiguracioni fajl zadatka, a zatim izvršim skriptu za kreiranje.

Ključne tačke:

  • prompt mora jasno da napiše konkretno uputstvo za izvršenje
  • schedule koristi cron izraz 0 9 * * *
  • notifyPlatforms postavljeno na ["dingtalk"]

Naravno, ovaj zadatak se može dovršiti i preko vremenskih zadataka.

Postupak je potpuno isti kao i pre — prompt ne mora ponovo da navodi devet sati, samo mu recite šta je ciljni zadatak.

U opciji "više" kliknite na [Uredi] da izmenite zadatak.

Klikom na [Pokreni odmah] videćete rezultat.

I na DingTalk je stiglo obaveštenje.

Ali se nije poklopilo sa mojim očekivanjem da će 10 sažetaka biti sinhronizovano sa DingTalk-om — moramo rešiti taj problem.

Dodajte prilagođenog robota u DingTalk grupni razgovor i prekopirajte webhook u LobsterAI.

Zatim da pogledamo — ovog puta je grupa primila poruku.

Ako vas zanima neka tema, klikom na [Pogledaj original] vidite i odgovarajući sadržaj — veoma zgodno.

Ako i vašem radnom grupi treba takav robot, možete slediti ovaj proces, s tim što robot radi nešto drugo.

04. Sposobnost dugog pamćenja

Tradicionalni alati za razgovor sa AI-jem, poput ChatGPT-a, imaju pamćenje na nivou sesije. Zatvorite prozor za razgovor i ponovo ga otvorite, pa će zaboraviti šta ste malopre rekli.

LobsterAI-jevo pamćenje je globalno. Sve razgovore, sve zadatke i sve preference čuva u lokalnoj bazi i automatski ih ponovo koristi kroz sesije.

Prvi put sam mu rekao da je moj DingTalk Webhook xxx, a nakon toga nijedan zadatak koji uključuje DingTalk nije zahtevao ponovnu konfiguraciju.

Pošto smo malopre kreirali dva vremenska zadatka, hajde da sada pokrenemo onaj drugi da vidimo rezultat.

OK, čuo sam DingTalk ["ding-ding"], da pogledam — zaista je OK.

Ova sposobnost dugog pamćenja će učiniti da LobsterAI postaje sve pametniji što ga više koristite. Ne morate svaki put da ga učite od nule — on samostalno uči vaše navike.

05. ending

Pojava LobsterAI-ja pokazala mi je još jednu mogućnost domaćih Agenata.

[AI ne bi trebalo da bude samo alat za ćaskanje, trebalo bi da bude kolega dostupan 7x24 sata.]

Može da nadgleda servere dok vi spavate.

Može da sredi dokumentaciju dok ste vi na sastanku.

Može da generiše izveštaje dok putujete na posao.

Samo mu kažete šta da radi, a ostalo će sam da sredi.

Tako bi Agent trebalo da izgleda.

Ako se i vi bavite razvojem AI aplikacija, ako želite da AI zaista radi umesto da samo ćaska, LobsterAI vredi vašeg vremena.

Oni koji ga još nisu probali, neka ga isprobaju.

Vidimo se u sledećem!