LobsterAI : un agent de bureau qui agit sur vos fichiers, piloté depuis WeChat ou Telegram

Le problème visé : un agent qui écrit dans vos dossiers, pas dans un bac à sable

La plupart des assistants conversationnels s'arrêtent au texte. LobsterAI prend le problème par l'autre bout : le README le présente comme un agent de bureau capable d'agir sur des fichiers locaux, des commandes terminal, des workflows navigateur, des documents, des tableurs, des diapositives, des canaux de messagerie, des tâches planifiées et des espaces de travail de projet. Le public visé est donc celui qui a déjà un poste de travail chargé de fichiers et qui veut déléguer des tâches répétitives sans changer d'environnement. Les exemples du README sont parlants : construire un petit système de gestion de stock qui s'ouvre dans le navigateur à partir de fichiers Excel, produire un tableau de bord visuel depuis product-growth.xlsx, ou transformer une recherche de marché sur les agents IA en présentation. Aucun de ces cas ne demande d'API exotique. Tous demandent un accès en écriture au disque et la capacité de lancer des outils. C'est précisément ce que la majorité des produits de chat ne font pas, et c'est la raison d'être affichée du projet.

Cowork au-dessus, OpenClaw en dessous

L'architecture repose sur une séparation explicite. Le README la formule ainsi : Cowork est la couche produit et session, OpenClaw est le runtime et la passerelle en dessous. Concrètement, l'application conserve en local la persistance, les permissions, l'état de l'interface, les artefacts, les agents, la mémoire et les liaisons de messagerie, tandis qu'OpenClaw se charge de l'exécution de l'agent. Le processus principal Electron gère le cycle de vie de l'application, l'IPC, la persistance SQLite, l'authentification, les journaux, le démarrage d'OpenClaw, la réparation du runtime, la synchronisation des skills, les passerelles IM et les services d'artefacts. Quatre modules font la traduction entre l'état de LobsterAI et le comportement d'OpenClaw : openclawEngineManager, openclawConfigSync, openclawRuntimeAdapter et coworkEngineRouter. Le rendu, lui, est en React avec Redux Toolkit et Tailwind. Cette répartition a une conséquence pratique : la mémoire durable ne vit pas dans la base SQLite mais dans des fichiers d'espace de travail OpenClaw, MEMORY.md, USER.md, SOUL.md et des notes quotidiennes. Les sessions et les données applicatives restent en SQLite local. Deux mécanismes de stockage, donc, avec deux logiques de sauvegarde.

Skills, kits d'experts et serveurs MCP : trois façons d'étendre le périmètre

LobsterAI ne se contente pas d'un agent généraliste. Le dépôt embarque 28 skills déclarés dans SKILLs/skills.config.json : recherche web, documents Word, tableurs, PowerPoint, traitement PDF, génération vidéo via Remotion, automatisation navigateur, génération d'images et de vidéos, recherche boursière, rédaction de contenu, courriel, météo et création de skills. Les Expert Kits ajoutent une seconde couche : ce sont des ensembles orientés scénario qui regroupent des sélections de capacités et des références. Le README précise que les kits se choisissent indépendamment des skills directs, ce qui permet de combiner un kit curé avec des outils pris à l'unité. Troisième voie, les serveurs MCP : LobsterAI stocke localement les serveurs configurés par l'utilisateur et synchronise ceux qui sont activés vers OpenClaw. Cette triple extension mérite qu'on s'y arrête, car elle crée trois endroits où chercher quand un outil ne se déclenche pas : la configuration des skills, le kit sélectionné, et la synchronisation MCP. Le README ne décrit pas de mécanisme de résolution de conflits entre ces sources.

Contrôle à distance et approbations : le compromis central

La fonction la plus distinctive est la commande à distance. Le README liste WeChat, WeCom, DingTalk, Feishu/Lark, QQ, Telegram, Discord, NetEase IM, NetEase Bee, POPO et le courriel. Sur les plateformes multi-instances, il est possible de lier différents comptes ou canaux à différents agents. Un agent spécialisé peut donc recevoir ses instructions dans un canal dédié, avec son propre modèle, ses propres skills, son répertoire de travail et son état d'activation. Le revers est dans la même phrase du README : LobsterAI demande une approbation avant les actions sensibles, notamment les opérations sur fichiers, les commandes terminal et l'accès réseau. C'est un choix de conception défendable, mais il faut le mesurer. Un agent qui exige une validation humaine pour écrire un fichier n'est pas un agent autonome au sens où on l'entend souvent. Le scénario « ouvre le tableau de bord publicitaire chaque matin, vérifie les anomalies de dépense et de conversion » devient une suite d'approbations si l'agent doit naviguer et écrire des rapports. La documentation ne précise pas comment ces approbations se comportent quand la commande arrive depuis Telegram et que personne n'est devant l'écran.

Installation : Node 24, un checkout voisin, et deux commandes de développement

Les prérequis sont stricts. Node.js doit être en version supérieure ou égale à 24.15.0 et inférieure à 25. Il faut npm, git et pnpm. pnpm n'est pas là pour le confort : il sert au premier lancement à construire le runtime OpenClaw épinglé depuis un checkout voisin ../openclaw. La séquence du README est la suivante : git clone https://github.com/netease-youdao/LobsterAI.git, puis cd LobsterAI, puis npm install. Le premier lancement de développement se fait avec npm run electron:dev:openclaw. Les lancements suivants, une fois le runtime épinglé présent, se contentent de npm run electron:dev. Le serveur de développement du rendu écoute sur http://localhost:5175. Pour le reste, les commandes documentées sont npm run build pour le bundle de production du rendu, npm run compile:electron pour la compilation TypeScript du processus principal et du preload, npm test comme entrée Vitest officielle utilisée par la CI, et npm run lint pour ESLint sur src, avec un avertissement honnête du README : cette commande peut révéler une dette existante. Le point à retenir est le checkout ../openclaw. Ce n'est pas une dépendance npm ordinaire, et le README ne décrit pas ce qui se passe si ce répertoire est absent, obsolète ou sur une autre branche.

Ce qui manque dans la documentation

Plusieurs zones restent floues à la lecture du matériel fourni. Le README ne dit rien sur la consommation de ressources d'une application Electron qui garde un runtime d'agent actif, ni sur le comportement en cas d'arrêt brutal pendant une tâche planifiée. Il ne décrit pas non plus de modèle de permissions au-delà de la notion d'approbation, ni de journal d'audit consultable. Le mécanisme de « réparation du runtime » mentionné dans le processus principal n'est pas expliqué : on ne sait pas quelles pannes il couvre. Les tâches planifiées sont présentées avec des exemples (digest d'actualités, résumés de boîte de réception, surveillance de site), mais sans détail sur ce qui se passe si la machine est éteinte à l'heure prévue. Enfin, la licence MIT est permissive et n'impose pas de publication des modifications, mais elle ne dit rien du runtime OpenClaw lui-même, qui est un composant distinct construit depuis un autre dépôt. Si vous redistribuez LobsterAI, c'est ce second composant qu'il faut vérifier séparément. Rien dans le matériel fourni ne permet de trancher sur ce point.

Face à un agent en ligne classique

L'alternative la plus évidente est un assistant hébergé dans le navigateur, du type de ceux qui exécutent du code dans un conteneur distant et renvoient un fichier à télécharger. La différence d'approche est nette. Un tel service ne voit jamais votre arborescence : vous téléversez une entrée, vous récupérez une sortie, et l'état de la conversation vit chez le fournisseur. LobsterAI inverse la relation : l'agent travaille dans vos dossiers, garde l'historique en SQLite local et les préférences durables dans des fichiers Markdown que vous pouvez lire et éditer. En contrepartie, vous assumez l'installation, les mises à jour et la surface d'attaque d'un agent qui exécute des commandes sur votre machine. Le choix se résume à ceci : un environnement isolé que vous ne contrôlez pas, ou un environnement que vous contrôlez entièrement mais que vous devez maintenir. Pour un jeu de données qu'on ne peut pas téléverser, la seconde option n'est pas un luxe. Pour une analyse ponctuelle sur un fichier public, la première reste plus simple.

Cadence de publication et coût de maintenance

Le rythme des versions est soutenu : 2026.9.4 et 2026.9.3 le même jour, puis 2026.8.28 une semaine plus tôt. Le schéma de numérotation suit la date, ce qui rend l'ancienneté d'une version facile à lire mais ne dit rien sur la nature des changements. Une cadence de ce type a un coût concret pour qui installe depuis les sources : chaque mise à jour peut modifier la version épinglée d'OpenClaw, donc le contenu du checkout ../openclaw, et donc l'étape pnpm du premier lancement. Les utilisateurs d'installateurs macOS et Windows n'ont pas ce problème, mais ils dépendent entièrement du cycle de publication pour les correctifs. Le README ne mentionne pas de canal de mise à jour automatique ni de politique de compatibilité entre versions de LobsterAI et versions d'OpenClaw. Sur un poste de travail qui contient des données réelles, c'est l'information qui manque le plus.

Conclusion éditoriale

LobsterAI convient à un développeur ou une petite équipe qui veut un agent capable de toucher de vrais fichiers et de vraies commandes, avec un canal de commande mobile déjà familier. À éviter si vous cherchez un service sans interface graphique, si vous ne voulez pas d'Electron sur le poste, ou si votre environnement interdit l'exécution de commandes shell par un agent. Avant d'aller plus loin, vérifiez deux points dans le dépôt : le contenu de SKILLs/skills.config.json pour savoir quelles compétences sont réellement embarquées, et la procédure de construction du runtime OpenClaw, puisque npm run electron:dev:openclaw dépend d'un checkout ../openclaw.

Sources officielles

1. License: MIT
2. netease-youdao/LobsterAI on GitHub
3. Project website
4. README
5. Releases