LobeHub用AI接管自家研发：8.44万Star，Agent派活写码查Bug
Worker不够了主管Agent还能自己招！
文婷 发自 凹非寺 量子位 | 公众号QbitAI
一位AI主编带着三位AI小编，分头盯前沿大模型、开源项目和大厂人事。我把选题需求丢给主编Agent Sienna，它转身就把活拆开，派人、收稿、汇总，一气做完。
不到8分钟，6条新鲜热辣的AI选题就摆到了我面前。茶还没泡开，一天的选题工作就这么呼哧呼哧跑完了？！
半年前，
LobeHub团队就已在用自家的AI协作平台做研发，让Agent参与派任务、写代码，甚至排查Bug。如今，AI已经是这个团队研发流程里的常驻成员。
在FrontierHarness的30道软件工程任务中，优化后的Agent Harness用Kimi K3完成了21道，通过率70%，每道成功任务的成本中位数为1.68美元（约11.21元人民币），超过了Codex和Claude Code。
DeepSeek最近还在探索Super-Agent架构，而LobeHub早在5月份就把类似的人机协同思路做成了产品，还直接开源了。现在，这套工作方式已经进了团队的日常研发：Agent自己拆任务、派活、写代码，也帮忙审查修改。
GitHub上，LobeHub已经揽下8.44万Star。
LobeHub到底怎么让Agent从单打独斗走向团队协作？默契度如何？又能把工作推进到哪一步？
AI开发AI，LobeHub开发自己
AI给AI派活，AI给AI审代码。这样的场景，早已是LobeHub研发团队的日常。
就拿10月28日提交的一次开发任务来说。当时团队想给任务工具和命令行界面补一项新功能，让Agent创建任务时能直接指定用哪个模型。这活交给了主管Agent Nasa。
Nasa接到需求，马上建了一个编号T-1149的任务，直接把活派给对应的Coding Agent Dario。
Dario接到任务就埋头敲代码。实现功能、补充测试、检查运行结果，一通操作下来，它顺利交出一份正儿八经的Pull Request，编号#21852。
△Nasa派活记录、Dario提交PR
但任务还没完。代码刚交上去，另一位AI同事就赶来“挑刺”了。
OpenAI的Codex代码审查机器人这次登场了。
交上来的代码被Codex从头到尾查了一遍，几个待处理的问题很快就被它挑了出来。
收到反馈的Dario同样没停下，它转身投入代码修改和测试补充，改完再把成果交回去。
一个写，一个揪bug，Codex和Dario你来我往，把代码打磨了好几轮，活脱脱就是现实里的开发工程师和代码Reviewer。
这份PR最终通过了人工审阅，顺利合并进LobeHub的代码库。一条真实的AI研发协作链，就这么跑通了。
△Codex审查意见、Dario修改记录、PR合并状态
更有意思的是，LobeHub的Agent已经不再满足于单兵作战，开始主动跨项目去找其他AI同事搭把手。
举个例子，Agent-foundry项目需要lobe-ui组件库增加自定义中性色支持。
换作以前，两边的开发者得先沟通需求、协调修改，再通知对方更新，一样都少不了。
可这一次，两个项目的Agent直接自己接上了头。
一个提需求，另一个照着改。lobe-ui发布6.0.1版本后，上游项目也收到了升级通知，新功能就这么顺利接上了。
△跨项目Agent沟通记录、组件发布记录
以前人类得在两个项目之间来回传话，现在Agent自己就把上下游打通了。
LobeHub团队也确实从中尝到了甜头。
据LobeHub团队一位研发成员透露，他已经整整三个月没有在本地启动过Dev Server。
按他自己的体感，用上这套工作方式后，开发效率提升了约3-5倍。
自己造的AI反过来帮自己开发产品，甚至还开始协调其他AI同事，这事挺不戳。
LobeHub算是真把这套工作方式用起来了，顺带还省下不少传话损耗。
那么问题来了。
把同一套系统交给身为量子位小编的我，又会发生什么捏？
哎嘿，我真用LobeHub组了个AI编辑部！
换个工作场景，这套AI组队干活的本事还管不管用？我打算从自己最熟的科技编辑活儿入手，亲自搭一支AI编辑团队，给它们安排两轮实战：
第一轮，让AI主编带着小编们找选题，并生成一份完整简报；
第二轮，看看刚交上来的成果，能不能直接交给下一棒继续干，生成一个动态热点网页。
开工了。
实测第一项，是让AI来当一回量子位主编。我先在LobeHub里搭起一个迷你版量子位编辑部。
选题主编Sienna统管全局，下面配了三位各有所长的AI小编。
Gemini 4 Argon盯的是大厂人事变动，看最近又有哪位大佬跳槽；
Claude当开源星探，专门去GitHub社区里翻新鲜项目；
DeepSeek负责前沿冲浪，找近期值得报道的大模型动态。
准备完毕，开干。
我给Sienna下的指令是：从人事变动、新模型发布、开源新项目三个方向，各找出2条值得关注的最新动态。
还特意交代了读者画像——常年关注AI大模型、具身智能等前沿科技动态的5G冲浪达人。
这些人每天通常花5-10分钟快速浏览行业动向，所以选题要新、要准、信息密度要高，让懂行读者一眼看明白发生了什么、为什么值得关注，基础科普、泛泛而谈和纯宣传信息都不要。
每个方向挑2条值得量子位报道的动态，一共6条。每条要有候选标题、消息日期、核心新闻事实、推荐理由，以及能直接打开的一手来源链接。
任务发出去之后，我就没再插手。
Sienna不慌不忙地把活儿分给三位AI小编，组织大家各自开工。
我端起手边的卡美罗焦糖拿铁，美滋滋地等着看戏。
咖啡还没喝上几口，不到8分钟，三位AI小编就带着刚出炉的选题和信源出处，陆续从各处回来向主编交差。
更有意思的是，Sienna还真有点主编的样子。
选题收上来，它没有照单全收，而是一条一条检查质量。
遇到信源模糊、找不到一手报道链接的选题，它会直接列出一份完整的验收清单，等我批准后马上提醒对应的Agent“注意标准啊，重找！”。
一通忙活之后，我点开任务栏。
嚯！
一份包含6条最新AI动态的量子位选题简报已经整整齐齐交了上来，候选标题、新闻日期、核心事实、推荐理由、信源链接一样不缺。
甚至还附上了三位AI小编各自的任务回执，提醒我哪些细节还需要人工复验。
简报交上来之后，我脑子里又蹦出一个新问题，临时抓着管大厂人事的那位Agent问了一句。
Tibo最近跑哪儿去了？重置怎么还没发？
它没反问我Tibo是谁，顺着前面的人事线索就往下查，没多久就把Tibo的调岗时间和公开动向理得明明白白。
还顺带给我出了个写稿主意，说这么做节目效果能翻倍。
把Tibo和最近跳槽过去、归到Tibo手下的Cat Wu搁一块儿写，效果会更好哦！
行行行，这服务是真到位。
派活、收稿、审核它都能自己来，临时加的任务也接得住，甚至还能顺着我小编的身份主动帮我出谋划策。
这批AI编辑，还真有点上道了。（doge）
实测二：简报刚交完，下一棒网页就接上了，还能当场“招人”
选题收完之后，我又临时给Sienna塞了个新任务。
这回我要它直接把刚才那份选题简报做成一个AI资讯网页，能筛选、能搜索，还能跳到一手信源。
而且不准重新联网找新料，必须沿用上一轮的选题成果。
我原以为Sienna会把原来那三位AI小编全叫回来接着干。
结果它自己先盘算了一阵。
人事小编那点专长跟网页开发八竿子打不着，索性不叫它了。
找大模型和开源项目的Agent虽说沾点边，可用起来还是专业不对口。
临时缺人咋办？
现场招呗！
（我是真被惊到了，任务结束打开侧边任务栏才看见……）
摸索了大约10分钟，Sienna直接原地新建了两位Worker，一个叫“量子位简报网页开发”，管网页制作；
另一个叫“量子位网页独立QA”，专管质量测试与验收。
新来的Worker还直接接上了上一轮的6条选题，分头做内容整理、网页开发和QA验收。
全程我没再重新喂一遍素材。
很快，6条资讯的结构化文案率先交付，4项检查全部通过。
网页开发Worker随即开始写代码，QA那边同时挑出了两个问题。
开发Worker收到反馈后马上动手修改，一个AI资讯热点看板最终顺利做出来，整个过程大约花了30分钟。
说实话，我是真没料到……
Sienna已经能根据任务需要自己调兵遣将了。
更厉害的是，它清楚什么时候该换人，也知道怎么让新同事接住上一棒干出来的成果。
而我全程除了批阅，一条新指令都没再补过。
电脑都关了，这帮Agent怎么还能继续干活？
看到这儿，可能有人要问：Sienna新招来的Worker，怎么就能直接接上上一轮的工作？
关键在于，LobeHub把工作目标、任务进度、交付文件和验收记录都放进了同一套共享工作空间。
主管Agent能围绕已有成果安排后续任务，接手的Worker也清楚此前完成了什么、接下来该做什么。
所以6条选题我不用重新喂一遍，新一轮工作就已经续上了。
那这群Agent既能自己派活，又能临时招人，甚至跨项目接力，究竟是怎么实现的？
答案就在LobeHub的一套工作机制里。
先说第一点，Agent的工作不再被聊天框限制住了。
LobeHub把三样东西拆开管理：负责持续执行任务的Agent Loop、保存任务状态的Session，以及调用工具的运行环境。
这样一来，用户退出对话，Agent也不用跟着停下来。
只要任务跑在能持续执行的环境里，它就能在后台接着推进，之前的工作进度也留着。
LobeHub团队还拿一项客户端数据迁移任务做过尝试：
这群Agent一口气跑了2天3小时47分钟，中间拆出60个任务，完成了56次独立迁移。
两天不眠不休……6，AI牛马这回是真能自己埋头干活了。
△长期Goal执行记录
光能一直干还不够，不同Agent之间还得能接上活。
为了让接手的Agent清楚前一位同事做到哪一步、自己下一步该做什么，LobeHub把工作目标、任务进度和交付成果统一组织起来。
前面那一幕就是这么来的：6条选题刚收完，第二轮它就能拿着现成的简报，做出一个AI热点看板网页。
活能交出去，质量却不能跟着撒手。LobeHub为此配了Acceptance多模态验收能力。
Agent交作业时，除了最终成果，还会一并附上测试结果、截图、录屏等证据。实际效果可以直接查看，发现问题就打回去改，满意了才确认通过。
我第二轮实测里看到的情况就是这样：网页代码虽然交上来了，但检查项没有全部通过，就不能直接算完成验收。
也就是说，在LobeHub这套工作流里，Agent干活再快，最终验收权还是牢牢握在人类手里。
△Acceptance验收机制
一边让Agent组队干活，一边由人类掌管验收，这套工作流就这样跑通了。
从LobeChat到LobeHub，AI是一步步嵌进公司的
LobeHub让AI组队干活，并不是一夜之间学会的。2023年，他们先开源了AI聊天工具LobeChat。
之后，Agent、工具调用、知识库等能力陆续加进来，LobeHub家的AI一步步走出了聊天框。
2026年1月，LobeHub 2.0又引入Agent Group、Memory等功能，多个Agent开始组队协作。
到5月，他们推出CAO（首席智能体运营官）相关编排能力，拆任务、派活、协调其他Agent这些事，也开始交给AI自己张罗。
巧的是，英雄所见略同。这套思路与最近引发热议的DeepSeek Super-Agent架构探索不谋而合。
而LobeHub早在半年前，就把相关协作能力做成了产品，如今更将其开源，其他开发者也能自行部署体验。
更有意思的是，这家公司先拿自己开刀：自己造的Agent反过来参与开发自家产品，写代码、审PR到跨项目接力，真正融入了日常研发。
眼瞅着AI同事们越来越能干，LobeHub还提出了一个更大胆的目标——Self-Driving Organizations（自驱动组织）。
按他们提出的L1—L5分级，团队内部目前运行在L3阶段，部分场景正向L4“自治业务单元”迈进，届时Agent能够自主派活、接力、验收。
△Self-Driving Organizations
回头再看这次实测，其实挺有意思。
LobeHub这套平台，是被LobeHub自己拿来开发LobeHub的。
我也确实靠它搭起了一支量子位AI编辑部。
两件性质完全不同的活儿，最后跑的是同一套协作逻辑。
AI Native组织走到下一阶段，大概就是这个样子。
活由AI干好，方向由人来定。
人和机器各干各自擅长的，凑到一起就是1+1＞2。
对了，这套AI协作平台的源码，LobeHub已经放到GitHub上了，想试的可以自己部署玩一玩。
也欢迎各位亲自上手，到评论区聊聊你们的AI同事又整出了什么新活。
（P.S. 悄悄说一句，这篇文章要用的资料，基本也是LobeHub帮我整理的，嘿嘿。╮(‵▽′)╭）
