8万Star开源项目LobeHub：让AI接管全流程研发

在FrontierHarness的30道软件工程测试中，优化后的Agent Harness搭载Kimi K3跑出了70%的通过率，成功完成21道任务，单次任务成本中位数仅1.68美元（约11.21元人民币），在成本与效率表现上超过了Codex和Claude Code。

这套让人机协同深度落地的产品方案来自开源项目LobeHub。随着类似DeepSeek Super-Agent理念的成熟，LobeHub已把多智能体协同做成常态化产品，并在GitHub狂揽8.44万Star。

AI开发AI：全自主流水线跑通

AI给AI派活、审代码，已是LobeHub日常研发的常态。

在一次CLI工具的功能开发中，人类提出“允许Agent在创建任务时指定模型”的需求。主管Agent Nasa接到需求后，创建了代号T-1149的任务，派发给代码Agent Dario。Dario自主实现功能、补充测试，交出了PR #21852。

随后，OpenAI的Codex审查机器人直接介入提出整改意见。Dario根据反馈修改代码、补全测试，二者经过多轮自动交互打磨，最终通过人工核验合并入主分支。

除了同仓库协作，智能体还实现了跨项目协作。在Agent-foundry依赖的lobe-ui需要自定义颜色支持时，两个项目的Agent自发对接需求并提交更新，随组件库新版发布完成闭环，省去了跨组织沟通损耗。据研发团队反馈，内部开发者已有数月未在本地启动Dev Server，整体效率提升约3至5倍。

实测：从选题到网页，AI主管现场“招人”

这种协作能力在非技术场景同样适用。测试人员在LobeHub中搭建了一个迷你编辑团队：由主管Agent统领，下设负责大厂人事的Gemini、负责开源项目的Claude，以及追踪大模型前沿的DeepSeek。

下发寻找高价值动态的任务后，主管Agent在8分钟内完成了分工、督促、信源审核与任务汇总，并主动打回模糊信源。更关键的是，在紧接着被要求将简报转成可交互网页时，主管Agent判断原有文字岗不对口，自主在后台动态创建了两个新工位——网页开发工位与独立QA工位，无缝继承上一轮数据并在30分钟内完成了代码编写、Bug修改与网页交付。

为什么智能体能长期脱机运作？

这套系统能够持续作业的核心在于底层架构的解耦：

1. 脱离对话框约束：LobeHub将执行任务的Agent Loop、管理任务状态的Session与工具运行环境独立。用户即使关闭网页，智能体仍可在后台长时间推进复杂目标。团队测试显示，一组智能体曾连续脱机运行2天3小时，拆解60个任务完成数据库迁移。
2. 共享工作空间：工作目标、进度上下文与交付物集中存储，任何新接入的智能体都能迅速读取上游输出，避免重复提示词交互。
3. 多模态交付验收（Acceptance）：智能体在交付代码或报告时，必须附带运行日志、录屏或截图证据，由人类或监督智能体把控合并节点，确保自治不失控。

从早期的LobeChat到引入CAO编排的多智能体系统，团队正推动组织向“自驱动组织（Self-Driving Organizations）”演进。在这一形态下，人类负责定义目标与验收结果，中间繁琐的拆解、实现与协调交由AI闭环，展现出未来软件工程与知识协同的新范式。