Lobster Workflows

核心用法

lobster-jobs 是一套专门用于 OpenClaw cron 任务迁移的文档型工具集，帮助用户将传统定时任务转换为具备确定性执行、审批关卡和状态恢复能力的 Lobster 工作流。

主要功能模块

分析评估（Tier 1）：

• lobster-jobs list — 列出所有 cron 任务并评估迁移就绪度，标记完全可迁移（简单 shell 命令）、部分可迁移（混合 LLM 步骤）、不可迁移（重度推理依赖）三类
• lobster-jobs inspect <job-id> — 深度检查单个任务，输出元数据、迁移状态、载荷预览及具体建议
• lobster-jobs validate <workflow-file> — 校验 Lobster YAML 工作流语法，包括必填字段、步骤结构、审批关卡语法等

转换创建（Tier 2）：

• lobster-jobs convert <job-id> — 将 cron 任务自动转换为 .lobster 工作流文件，支持自定义输出目录、强制覆盖、错误保留等选项
• lobster-jobs new <name> — 从零创建新工作流，提供 simple-shell、with-approval、stateful 三种模板

显著优点

1. 迁移风险可控：推荐「Wrapper 方案」——保留 cron 作为调度器，仅修改载荷调用 Lobster，实现快速回滚和渐进式迁移
2. 混合架构支持：允许在工作流中嵌入 clawd.invoke 步骤，将 LLM 作为确定性流程中的黑盒推理节点，兼顾灵活性与成本
3. 边缘场景覆盖：内置幂等性保障（步骤完成追踪）、审批超时配置、密钥管理（环境变量/1Password 引用）、部分失败处理等机制
4. 纯文档零依赖：无可执行代码，无外部依赖，无网络通信，部署和审计成本极低

潜在缺点与局限性

• 无实际执行能力：仅为指导和转换工具，本身不执行工作流，需配合 Lobster 运行时
• 模板覆盖有限：仅提供 3 种基础模板，复杂场景需手动调整 YAML
• LLM 步骤成本：agentTurn 类型任务转换后仍需消耗 tokens，无法完全规避
• 社区维护级别：维护者为个人开发者（kesslerio），无企业级 SLA 保障

适合人群

• 使用 OpenClaw 且希望降低定时任务 LLM 成本的团队
• 需要将关键自动化流程增加人工审批关卡的运维工程师
• 追求任务可观测、可恢复、可审计的技术管理者
• 偏好确定性执行胜于每次重新规划的传统 crontab 用户

常规风险

• 运行时依赖：转换后的 .lobster 文件依赖 Lobster 运行时环境，需单独安装
• 密钥管理：文档提及支持 1Password 引用，但实际集成需用户自行配置
• 版本兼容性：OpenClaw 与 Lobster 的 API 演进可能导致未来转换规则变化
• 审批超时配置：若未正确设置，可能导致自动化流程阻塞或意外跳过

核心用法

lobster-jobs 是一款专注于 OpenClaw 自动化迁移的 CLI 工具，核心目标是帮助用户将传统 cron 任务转换为具备审批关卡和断点续执行能力的 Lobster 工作流。

主要功能模块

分析诊断（Tier 1）：通过 lobster-jobs list 扫描现有 cron 任务，输出迁移就绪评分——✅ 完全可迁移（纯 shell 命令）、🟡 部分迁移（混合 LLM 步骤）、❌ 不可迁移（重度推理依赖）。inspect 命令提供单个任务的深度迁移评估，包括元数据、负载预览与具体建议。

迁移转换（Tier 2）：lobster-jobs convert <job-id> 是核心转换引擎，自动提取 systemEvent/agentTurn 负载中的命令，生成 .lobster 工作流文件。推荐采用"包装器策略"——保留 cron 作为调度器，仅将负载改为调用 Lobster，实现零风险回滚与增量迁移。

工作流管理：new 命令提供三种模板（simple-shell/with-approval/stateful）快速创建工作流；validate 负责 YAML 结构校验，确保步骤 ID、审批语法、条件表达式符合规范。

显著优点

• 确定性执行：相比 agentTurn 每次重新规划，Lobster 工作流步骤预定义，执行轨迹可预测
• 审批硬隔离：关键操作（如发送通知）必须显式人工确认，避免自动化灾难
• 状态持久化：内置 cursor/checkpoint 机制，故障后精确恢复而非重跑
• 渐进式迁移：包装器方案允许新旧系统并行验证，降低切换风险

潜在局限

• 来源可信度 T3：当前由个人开发者维护，缺乏企业级治理与长期支持承诺
• LLM 步骤黑盒化：agentTurn 中的推理逻辑只能封装为 clawd.invoke 步骤，失去部分可解释性
• 模板覆盖有限：仅有 3 种预设模板，复杂场景需手工编写 YAML
• 生态依赖：需外部安装 openclaw CLI 与 Python3，文档未明确版本兼容性

适合人群

• 运行大量 OpenClaw cron 任务、希望降低"自动化惊喜"风险的中高级用户
• 对审批合规有强需求的企业运维团队（需自行评估 T3 来源风险）
• 希望将 AI 生成步骤与确定性步骤解耦的架构设计者

常规风险

• 审批超时配置：未妥善设置 timeout 可能导致工作流挂起
• 密钥管理：示例提及环境变量与 1Password 引用，但无具体实现细节，用户易误用明文
• 幂等性依赖：虽然工作流支持断点续跑，但底层命令仍需自身保证幂等（如 gh issue list 重复执行无副作用，但 message.send 可能重复推送）