Lobstah：面向异步工作负载的P2P大模型推理网络

Lobstah是一个联邦式点对点（P2P）计算交换网络，专为大型语言模型（LLM）推理设计。它允许Mac mini等消费级硬件用户贡献闲置算力赚取积分，需用时可消费积分调用网络中其他节点的算力。项目核心特点包括：采用Nostr协议实现节点发现，通过签名收据构建去中心化账本；不追求低延迟实时对话，专注于异步批处理工作负载，定位为"成本效益优先"的计算方案。

Lobstah的出现填补了LLM推理市场的细分领域。传统云服务商（如OpenAI、Anthropic）聚焦低延迟单用户对话场景，依赖H100等高端硬件。消费级Mac mini的推理速度虽慢3-10倍，但在程序驱动、无需人类等待的异步工作负载中具备价值。典型适用场景包括：夜间研究代理（文献综述生成）、批量文档处理（PDF摘要）、多代理协作系统（CrewAI/AutoGen内部调用）、合成数据生成、代码审查机器人、游戏NPC模拟等。

Lobstah采用模块化架构，核心组件包括：

• 协议层：@lobstah/protocol（身份与签名收据）、@lobstah/ledger（收据日志与余额计算）；
• 计算引擎：@lobstah/engine-ollama（Ollama适配器）、@lobstah/worker（OpenAI兼容HTTP服务器）、@lobstah/router（多节点路由与故障转移）；
• 发现与传输：基于Nostr协议的节点发现（Worker发布公告到Nostr中继，Consumer拉取节点列表），支持中心化追踪器作为备选；
• CLI工具：@lobstah/cli用于密钥生成、节点管理等。 节点发现流程：Worker启动时可通过Nostr发布签名公告，Consumer从Nostr网络获取可用节点，Router根据模型需求智能路由。

Lobstah的经济模型基于签名收据实现去中心化结算。Worker完成计算后生成Ed25519签名的收据，记录消耗token数量，累积在本地日志中，无需中心化账户。 使用示例：研究代理需处理50篇论文生成综述。传统OpenAI方式花费5-20美元，30分钟完成但数据离开本地；Lobstah方式则将任务分发到网络，温哥华/柏林朋友的Mac及用户自身机器异步处理，6小时后完成，用户通过闲置算力偿还他人贡献的算力积分。

Lobstah提供OpenClaw插件（openclaw-extension/目录），OpenClaw用户可直接将其作为推理后端。目前项目处于pre-alpha阶段，但已实现端到端测试（跨区域流式传输、签名收据、重放保护、多节点故障转移、Nostr节点发现）。用户可通过npm安装CLI：npm install -g @lobstah/cli。

Lobstah代表了一种替代性AI基础设施思路，它承认消费级硬件无法在延迟上竞争，但精准切入异步批处理工作负载的细分市场。通过P2P架构、Nostr发现机制和签名收据系统，有效利用闲置算力，为用户提供成本效益更高的LLM推理方案。对于拥有Mac mini的开发者，这是将闲置算力转化为价值的可行途径，值得关注。