Lobster

核心用法

Lobster 是一款面向 AI 代理的确定性工作流运行时，采用 Unix 管道风格的命令组合方式构建自动化流程。核心工作模式是通过声明式管道连接各类数据处理命令（如 exec、where、pick、sort、groupBy 等），在关键节点插入 approve 审批闸门实现人机协作。

显著优点

1. Token 效率：与 LLM 每步重新规划相比，确定性管道大幅降低 token 消耗
2. 类型安全：全程 JSON 类型化数据处理，支持 --json 解析和结构化输出
3. 状态持久化：内置 state.get/set 和 diff.last 支持有状态工作流，适合监控类场景
4. 审批闸门：原生支持 approve 节点，工具模式下返回结构化暂停响应，可通过 resume 续行
5. 生态集成：支持 GitHub CLI 直接调用，可集成 Clawdbot 消息系统

潜在缺点与局限性

• 学习曲线：管道语法需熟悉命令组合逻辑，非可视化配置
• 调试难度：复杂管道的中间状态排查依赖日志输出
• 审批体验：命令行交互对非技术用户不够友好
• 扩展性：自定义命令需遵循特定 CLI 规范
• 错误处理：管道级错误传播机制文档未详述

适合人群

• 开发者/DevOps 工程师构建代码审查、部署审批流程
• 需要监控 GitHub PR/Issue 变更的自动化场景
• 邮件分类、批量操作等需人工确认的数据处理任务
• 追求 token 效率、偏好声明式配置的 AI 工作流设计者

常规风险

• 审批节点前后的数据流需严格校验，防止误操作
• 状态目录权限管理不当可能导致敏感信息泄露
• Shell 命令注入风险：exec --shell 接收外部输入时需过滤
• 长期运行的状态监控任务需考虑状态文件清理策略

核心用法

Lobster 是一款面向 AI 代理的工作流运行时（Workflow Runtime），采用 Unix 管道风格的命令组合语法，让用户以声明式方式构建多步骤自动化流水线。其核心理念是"确定性执行"——通过预定义的操作序列替代 LLM 的逐步推理，显著节省 token 消耗并提升可预测性。

关键特性包括：

• 审批门控（Approval Gates）：在关键操作（如发送邮件、修改数据）前强制暂停，等待人工确认
• 状态持久化：通过 state.get/set 和 diff.last 实现跨运行记忆，支持监控类场景
• 双模式输出：Human 模式提供美观输出，Tool 模式返回 JSON 信封便于集成
• 工作流文件：支持 .lobster YAML/JSON 文件定义复杂流程

典型应用场景：PR 变更监控、邮件分类处理、批量数据操作、Clawdbot 工具链集成等。

显著优点

1. Token 效率：确定性流水线避免 LLM 重复规划，降低 API 成本
2. 安全可控：人工审批机制防止自动化误操作，适合生产环境
3. 状态感知：内置 diff 和状态管理，轻松实现"仅当变化时通知"等模式
4. 生态集成：原生支持 GitHub CLI、Clawdbot 等工具调用
5. 零代码安全：本 Skill 为纯文档，实际执行依赖用户本地安装的 CLI

潜在局限

• 学习成本：管道语法需适应，复杂逻辑可能不如脚本直观
• 本地依赖：需单独安装 @clawdbot/lobster npm 包才能运行
• 审批延迟：同步等待人工确认，不适合实时性要求极高的场景
• 状态隔离：默认本地文件存储，多机部署需额外配置共享状态后端

适合人群

• 需要人机协同自动化的 DevOps/SRE 工程师
• 希望降低 LLM 调用成本的 AI 工作流开发者
• 构建审批驱动流程（如财务、合规场景）的企业用户
• 已使用 GitHub/Clawdbot 生态的现有用户

常规风险

• 本地执行风险：Skill 本身安全，但生成的 CLI 命令在用户本地执行，需确保 Lobster 工具来源可信
• 状态目录权限：~/.lobster/state/ 的读写权限需妥善管理
• 环境变量依赖：CLAWD_URL/CLAWD_TOKEN 等敏感配置需避免泄露