AI接管一家8万Star开源公司，写代码、派任务、查Bug全包了
我把选题需求往主编Agent Sienna手里一塞，它转头便拆起了活，派人、收稿，汇总一气呵成。
早在半年前， LobeHub团队 就开始用自家的AI协作平台搞研发，让Agent参与派任务、写代码，甚至排查Bug。
在FrontierHarness的30道软件工程任务中，其优化后的Agent Harness使用Kimi K3完成了21道，通过率达 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。
真没想到，DeepSeek最近还在探索Super-Agent架构，LobeHub早在5月份就已经把类似的人机协同思路做成了产品，甚至直接开源了！
如今，LobeHub团队已经把这套工作方式用进了日常研发，让Agent自己拆任务、派活、写代码，甚至帮忙审查修改。
那么，LobeHub究竟是怎样让Agent们从单打独斗走向团队协作的？默契度如何？它究竟又能把工作推进到哪一步？
当时，团队希望给任务工具和命令行界面补上一项新功能，让Agent能够在创建任务时，直接指定使用哪个模型。
接到需求后，Nasa马上创建了一个编号为T-1149的任务，并直接把活派给了对应的Coding Agent Dario 。
从实现功能、补充测试到检查运行结果，一通操作下来，它顺利交出了一份正儿八经的Pull Request，编号 #21852 。
Dario也没闲着，接到反馈后，它转头就去修改代码、补测试，最后再把作业交回去。
就这样，Codex和Dario就活像现实中的开发工程师和代码Reviewer一样，一个负责写，一个负责揪bug，你来我往，愣是把代码打磨了好几轮。
最终，这份PR终于顺利通过了人工审阅并合并进了LobeHub的代码库， 一条真实的AI研发协作链就这么跑通了。
更有趣的是，LobeHub的Agent甚至已经不满足于单兵作战， 开始主动跨项目找其他AI同事搭把手了。
比如，当Agent-foundry项目需要lobe-ui组件库增加自定义中性色支持时。
一个提出需求，另一个完成修改。随着lobe-ui发布6.0.1版本，上游项目也收到了升级通知，于是顺利接上了新功能。
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。
这下，LobeHub算是真的把这套工作方式用起来了，而且还同步省了不少传话损耗。
为了验证这套AI组队干活的本事换个工作场景还灵不灵，我决定从自己最熟悉的科技编辑工作下手，亲自拉一支AI编辑团队，给它们安排两轮实战：
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。
Gemini 4 Argon 负责盯紧大厂人事变动，看看最近又有哪位大佬跳槽了；
我吩咐Sienna从人事变动、新模型发布和开源新项目三方面，分别为我找出2条值得关注的最新动态；
大家每天通常会花 5-10分钟 快速浏览行业动向，因此选题要新、准、信息密度高，能让懂行读者迅速看明白发生了什么、为什么值得关注，避免基础科普、泛泛而谈和纯宣传信息。
请每个方向挑选2条值得量子位报道的动态，共6条。 每条包含候选标题、消息日期、核心新闻事实、推荐理由，以及可直接打开的一手来源链接。
结果咖啡还没喝上几口， 不到8分钟，三位AI小编就带着新鲜出炉的选题和信源出处，陆陆续续地从四面八方赶回来向主编交差了。
碰上信源模糊、找不到一手报道链接的选题，它还会直接列出一份完整的验收清单，等我批准后就马上提醒对应的Agent “注意标准啊，重找！” 。
而眼瞅着简报已经交上来了，我又突然冒出个新疑惑，临时追问了负责大厂人事的Agent一嘴。
结果它居然没问我Tibo是谁，而是直接顺着之前的人事线索继续查，很快便把Tibo的调岗时间和公开动向梳理得头头是道。
不仅能自己派活、收稿、审核，临时加活它也能接住，甚至还会结合我的小编身份，主动出谋划策。
这次，我希望它可以直接把刚才的选题简报做成一张能筛选、能搜索、还能跳转一手信源的 AI资讯网页 。
找大模型和开源项目的Agent虽然有那么点相关，但用着用着多少也有些专业不对口。
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” ，负责网页制作；
而且， 新来的Worker直接接上了上一轮的6条选题 ，分头开始完成内容整理、网页开发和QA验收。
关键就在于， LobeHub把工作目标、任务进度、交付文件和验收记录放进了一套共享工作空间里。
主管Agent可以围绕已有成果安排后续任务，接手的Worker也能够知道此前已经完成了什么、接下来需要做什么。
那么这群Agent既能自己派活，又能临时招人，甚至跨项目接力，到底是怎么做到的呢？
LobeHub把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拆开管理。
这群Agent一口气足足跑了 2天3小时47分钟 ，期间拆出了 60个 任务，完成 56次 独立迁移。
为此，LobeHub把工作目标、任务进度和交付成果组织起来，让接手的Agent知道上一位同事干了什么、自己接下来该干什么。
就像我第二轮实测中看到的，网页代码虽然交了上来，但检查项没全部通过，就还不能直接算作完成验收。
这便意味着， 在LobeHub这套工作流里，尽管Agent一个个干活飞快，但人类始终牢牢掌握着最终的验收权。
于是，一套既能让Agent组队干活，又能让人类掌管验收权的工作流，就这样跑通了。
此后，随着Agent、工具调用、知识库等能力陆续加入，LobeHub家的AI一步步走出了聊天框。
2026年1月，LobeHub 2.0进一步引入Agent Group、Memory等功能，让多个Agent开始组队协作。
到了5月，他们又推出了 CAO（首席智能体运营官） 相关编排能力，连拆任务、派活、协调其他Agent这些事，也开始交给AI自己张罗。
这套思路恰好与最近引发热议的 DeepSeek Super-Agent架构探索 不谋而合。
而LobeHub早在半年前，就已将相关协作能力做成了产品，如今更是将其开源，让其他开发者也能自行部署体验。
自己造的Agent，反过来参与开发自家的产品，从写代码、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） 。
按照他们提出的L1—L5分级，目前团队内部已经运行在L3阶段，部分场景正在向Agent能够自主派活、接力、验收的L4 “自治业务单元” 迈进。
Anyway， LobeHub已经把这套AI协作平台的源码放上了GitHub，感兴趣的小伙伴可以自己部署体验一下。
（P.S. 悄咪咪地说一声，其实我写这篇文章所需要的资料，基本也都是LobeHub帮我整理的哦，嘿嘿。╮(‵▽′)╭）
GitHub指路： https://github.com/lobehub/lobehub
24天！Jev估值翻至75亿美元，年度硅谷最爽逆袭了吧 2026-10-10
Nano Banana终于2.1了！4K直出，中文进步太明显 2026-10-10
热门文章
小米开源了个150元的AI小玩意，火到配件都涨价了
MIT：GPT-6 Astra能直接修改Qwen权重，数学能力暴涨6倍
百度无人车搞出“黑客帝国”！世界模型实时推演全局，跑一天抵三年
GPT-6.2 Astra开启灰测！Claude Mythos 5.5同日曝光
顶级AI翻车的活儿，被这个新出的免费国产AI接住了！
量子位 QbitAI 版权所有©北京极客伙伴科技有限公司 京ICP备17005886号-1