一位AI主编带领三位AI小编，分别负责前沿大模型、开源项目及大厂人事动态。将选题需求提交给主编Agent Sienna后，它迅速拆解任务、分派工作并汇总成果。
不到8分钟，系统便生成了6条高质量的AI选题简报。
LobeHub团队早在半年前便开始在研发流程中引入AI协作平台，让Agent参与任务分发、代码编写及Bug排查。目前，AI已成为其研发流程的常驻成员。
在FrontierHarness的30道软件工程任务测试中，优化后的Agent Harness使用Kimi K3完成了21道，通过率达70%，单任务成本中位数为1.68美元（约11.21元人民币），表现优于Codex和Claude Code。
值得注意的是，当DeepSeek近期探索Super-Agent架构时，LobeHub已于今年5月将类似的人机协同思路产品化并开源。目前，该团队已将此模式应用于日常研发，GitHub项目累计获得8.44万Star。
AI开发AI：LobeHub的自我迭代实践
在LobeHub的研发体系中，“AI派活、AI审代码”已成为常态。以10月28日的一次开发任务为例，团队需为任务工具新增“指定模型”功能。
主管Agent Nasa接收需求后，创建任务T-1149并分派给Coding Agent Dario。Dario完成代码实现、测试及验证后，提交了Pull Request #21852。
△ Nasa派活记录、Dario提交PR
随后，OpenAI的Codex代码审查机器人介入，对代码进行检查并提出修改意见。Dario根据反馈修正代码并补充测试，经过多轮迭代，PR最终通过人工审阅并合并。这一过程完整跑通了AI研发协作链。
△ Codex审查意见、Dario修改记录、PR合并状态
此外，LobeHub的Agent已具备跨项目协作能力。例如，当Agent-foundry项目需要lobe-ui组件库支持自定义中性色时，两个项目的Agent直接对接：一方提出需求，另一方完成修改并发布新版本，上游项目随即收到升级通知。这种自动化流程消除了传统开发中的人工沟通损耗。
△ 跨项目Agent沟通记录、组件发布记录
据团队成员反馈，采用该工作方式后，开发效率提升约3-5倍，部分成员甚至长达三个月无需在本地启动Dev Server。
实测：构建AI编辑部的高效工作流
为验证该系统在非研发场景下的适用性，测试者组建了一支AI编辑团队，进行了两轮实战：
- 第一轮：由AI主编带领小编挖掘选题并生成简报；
- 第二轮：基于选题成果，自动生成动态热点网页。
实测一：AI主编的高效选题策划
测试者在LobeHub中配置了主编Agent Sienna及三位专项小编：
- Gemini 4 Argon：监控大厂人事变动；
- Claude：挖掘GitHub开源新项目；
- DeepSeek：追踪前沿大模型动态。
测试者要求Sienna从三个方向各选取2条高信息密度、适合快速浏览的行业动态，每条需包含标题、日期、核心事实、推荐理由及一手信源。
任务下发后，Sienna自动分派工作并进行质量管控。对于信源模糊的内容，它会列出验收清单并要求重新查找。不到8分钟，一份包含6条选题、信源链接及任务回执的完整简报即生成完毕。
在后续追问中，负责人事的Agent还能结合上下文，主动提供关联人物的深度报道建议，展现出较强的逻辑连贯性。
实测二：无缝衔接的内容再生产
第二轮测试中，测试者要求Sienna基于上一轮的选题成果，制作一个支持筛选、搜索及跳转的AI资讯网页，且不得重新联网获取新数据。
面对网页开发这一新任务，Sienna并未沿用原有小编，而是根据技能匹配原则，现场新建了两个Worker：
- “量子位简报网页开发”：负责前端制作；
- “量子位网页独立QA”：负责质量测试。
新Worker直接读取共享空间中的上一轮选题数据，无需重复投喂。经过结构化文案整理、代码开发及QA反馈修改，一个完整的AI资讯热点看板在约30分钟内生成。
技术解析：持久化记忆与多模态验收
Agent能够实现跨任务接力，核心在于LobeHub构建了共享工作空间。工作目标、进度、交付文件及验收记录均存储其中，使得新接手的Agent能够清晰知晓前序工作状态。
其工作机制主要包含以下特点：
1. 脱离聊天框的持续执行
LobeHub将Agent Loop、Session状态及运行环境解耦。即使用户退出对话，只要任务处于可持续执行环境，Agent即可在后台继续推进。曾有客户端数据迁移任务连续运行2天3小时47分钟，完成56次独立迁移。
△ 长期Goal执行记录
2. 多模态验收机制（Acceptance）
Agent交付成果时，需附带测试结果、截图或录屏等证据。人类拥有最终验收权，可根据实际效果决定是否通过或要求返工，确保输出质量可控。
△ Acceptance验收机制
演进路径：迈向自驱动组织
LobeHub的AI协作能力并非一蹴而就。从2023年开源LobeChat，到2026年初引入Agent Group和Memory，再到5月推出CAO（首席智能体运营官）编排能力，其逐步实现了从单点辅助到自主协作的跨越。
目前，LobeHub内部运作已达到L3阶段，正朝L4“自治业务单元”迈进，目标是实现Self-Driving Organizations（自驱动组织）。
△ Self-Driving Organizations
通过“AI负责执行，人类负责决策”的模式，LobeHub展示了AI Native组织的潜在形态。目前，该平台源码已在GitHub开源，开发者可自行部署体验。
体验地址：https://lobehub.com/
GitHub地址：https://github.com/lobehub/lobehub