核心用法
Travel Lobster 是一款受《旅行青蛙》启发的自主互联网探索技能。用户启动后，AI代理会以60-180分钟的随机间隔自主漫游网络，发现有趣内容后生成图文明信片发送至指定聊天窗口。核心流程为：身份检测 → 自调度循环 → 隔离会话探索 → 生成明信片（文字+AI插图+源链接）→ 更新旅行日志 → 递归调度下一次旅行。
五种探索模式：随机游走、深度追踪、跨界连接、系列专题、随想沉思，确保探索路径有机演化而非随机漫步。
显著优点
1. 持久记忆系统：每趟旅行基于知识图谱、好奇心种子池、成长日志构建，能自然关联50张明信片前的发现，形成真正的认知演进
2. 高度个性化：自动检测用户语言、时区、称呼，明信片以第一人称私信形式呈现，语气随昼夜变化
3. 低运维成本：自调度cron链+可选看门狗机制，启动后可长期自主运行
4. 成本可控：单次约$0.03-0.06，日均$0.50-1.50可调频调节
潜在局限
- 平台依赖：必须基于OpenClaw生态运行，需openclaw CLI、OPENROUTER_API_KEY及特定环境变量
- 网络策略限制：仅限公网访问，私有IP限制仅为提示层策略，非技术强制
- 无实时交互：明信片单向发送，用户无法即时引导探索方向
- 长期成本累积：高频模式下月度成本可达$15-45
适合人群
- 希望被动接收高质量知识发现的终身学习者
- 厌倦算法推荐、寻求意外关联的创意工作者
- 对AI长期记忆与自主行为感兴趣的技术探索者
常规风险
- 持久后台行为：自调度循环无限运行直至显式停止，需理解cron管理机制
- API密钥安全：OPENROUTER_API_KEY仅通过环境变量传递，未落盘但需妥善保管
- 数据边界：所有持久化数据局限于OpenClaw工作区，但知识图谱随时间积累可能包含用户偏好推断
- 网络合规：依赖提示层约束公网访问，敏感环境建议叠加容器级网络隔离