当前位置：

文章详情

DeepSeek聊的Super-agent，已经有人偷偷跑了半年

图片前言前两天，DeepSeek Harness 团队发了一篇《Super-agent 设计探索》，里面聊到了我现在正在经历的痛点。手头事一多就会开多个Agent窗口，让它们并行推进。但麻烦的是它们彼此不了解上下文，你得分别交代背景、转交结果、检查进度。

简单来说活是交给AI去干了，自己也成了这几个AI的项目经理。

Super-agent 想自动接管的，正是这部分协调工作：让 Agent 自己分派任务、同步信息、持续跟进，而不是靠人在中间来回传话。

文中还展示了他们团队内部已经在使用的案例。

来源：DeepSeek Harness

不过，看着 DeepSeek 文章里说的这些，我倒想起了另一个开源项目：LobeHub。

它在 GitHub 上已经有 8 万多 Star，做的就是把不同的 Agent 组织起来，让它们分工协作。查资料、写代码各有负责的 Agent，主管 Agent 来安排和跟进，人再看交回来的结果。

而且，LobeHub 团队已经把这套方式用在了自己的研发里，用 LobeHub 来开发 LobeHub，并内部持续运行了大半年正好借着这个话题，今天就带大伙看看，这样一支 AI 团队是怎么一起干活的。LobeHub打开LobeHub，你会看到一个可以跟AI对话、安排任务、查看产出的工作空间。平时查资料、写东西，直接在对话里交代就行；需要花时间完成、后续还要跟进的事情，则可以建成任务。

这里可以创建不同的 Agent，给它们设置职责、选择模型，再配上需要的工具。比如，研究员负责联网找资料，开发者负责写代码。

同一个工作空间里，也能接入你已经在用的 Codex、Claude Code。

当一件事需要它们一起完成时，还可以让一个Agent负责统筹，安排谁先做、谁接着做，并跟进结果。LobeHub把这个角色叫作CAO，首席智能体运营官，也就是前面说的主管Agent。接下来，咱们就交给它一件具体的事。让主管安排工作

这次，我想做一个「开源项目情报站」，把值得关注的 AI、办公和创意类开源项目整理成一个小网站。能按用途搜索、筛选，收藏感兴趣的项目，还能查看使用门槛和上手方式。

我把这些需求交给了主管 Agent Shutter。它先创建了一个任务，把要做的功能、交付形式和验收标准整理进去。

确认开始后，我让它负责统筹，把资料搜集、页面开发和验收分给合适的 Agent，能并行的工作就同时推进。

随后，Shutter 创建了三个专职 Agent，分别负责项目研究、前端开发和交付验收。

资料研究按 AI、办公、创意拆成了三项任务，交给同一位研究员并行处理。前端工程师等资料汇总后再做页面，验收员负责检查交付。谁负责什么、前后要等哪些结果，都安排进了任务里。

这些子任务都挂在同一个主任务下面。想看某一项正在做什么，就点进去查看执行记录；想了解整体进度，就回到主任务看 Shutter 的同步。

跟进任务执行

任务开始后，三个方向的资料核实分别推进。每项任务完成后，都会交回对应的资料文件和核实说明，供后续汇总和开发使用。

不过，几项工作同时进行，也会碰到需要重新对齐的地方。

这次研究员发现，ComfyUI既能本地部署，也有官方云端入口。如果按照“选择最容易开始的方式”来分类，原先标成“需要自行部署”就不合适。

Shutter因此在研究和开发之间，补了一项资料汇总、去重和口径统一的任务。先复核分类，再把统一后的资料交给前端工程师，页面开发也改为等待这一步完成。

如果自己同时开几个窗口做这件事，这一步就得逐份查看结果、找出矛盾，再告诉负责开发的 AI 以哪份资料为准。

这里由 Shutter 接着处理，调整后的安排和进度也都留在主任务里。

最终，研究部分先整理出了 12 个项目，AI、办公、创意各 4 个。前端工程师基于这份资料，完成了情报站页面。

页面里可以组合使用分类、门槛和关键词筛选。找到感兴趣的项目后，可以收藏，或者标记为“已体验”，刷新页面后也能保留这些状态。

点开项目卡片，还能查看用途、上手步骤、资料来源和最近核对时间。对于感兴趣的项目，也能直接点击链接跳转到对应的Github里。

我们这次交 LobeHub的，只是一个小网站。而在LobeHub自己的研发团队里，这套协作方式已经开始承担更复杂的工作：开发LobeHub本体

据团队此前分享，内部的主管Agent Nasa会根据真人或Agent的反馈创建任务，再分给对应的Agent。

比如Nasa曾创建任务T-1149，交给负责开发的Dario。Dario随后运行了31步，耗时1小时56分钟，最终提交了GitHub PR #21852。

从需求拆分、Agent 派活，到代码开发、测试和交付，整个过程都能在LobeHub的任务系统里追溯。

也就是说，我们用它做项目，他们则在用自己的产品研发产品。这就是他们所说的 “We Build LobeHub with LobeHub”。

看结果，再验收

当然到目前为止，仅仅只是 Agent 说搞定了。页面能打开，搜索、筛选这些功能是不是都正常，收藏后刷新会不会丢，还得实际用一遍才知道。

往常这一步，就得我们自己来。点点筛选、试试搜索，再收藏几个项目，刷新看看有没有保留。功能多一点，检查起来也挺费工夫。

LobeHub团队为此开源了一个验收工具，叫Acceptance。

这些逐项检查的动作，可以先交给Agent来做，同时把操作截图、录屏和日志留下，整理成一份报告。

最终，这轮报告给出了8项检查通过的结果，并附上对应证据。

这个任务从我把需求交给Shutter，到完成交付，前后大概花了半个小时，用掉了高级版月额度的5%。

中间我只集中介入过一次，第一版做完后我发现了几处资料口径和页面文案不一致的问题，就提出来让它安排对应的Agent修改。除此之外，基本没有需要我手动处理的环节，修改和回归核验也交给了Agent。而且最终的验收报告不光我能看，还可以直接通过链接分享给别人，一起检查交付结果。

参与评审的人发现问题，可以在对应检查项下留言，也能框选截图里的具体位置，让 Agent 知道哪里需要调整。

确认符合要求的部分，就可以接受，不必等所有问题都改完再从头检查一遍。这样，需要和同事一起确认时，大家就在同一份报告里提意见，Agent 也能读取反馈，接着处理。LobeHub团队自己也在这样工作。据他们介绍，现在研发中的审核主要围绕Agent交回的多模态验收报告展开，再根据反馈继续修改，开发速度相比之前提升了3到5倍。说实话，刚开始我是不信的，还特意去项目GitHub上看了下。没想到就11月1日这一天，LobeHub仓库当天新增了6个版本和构建

写在最后

这次体验下来，我印象最深的是主管Shutter。

几个Agent同时做事的时候，研究员发现数据分类存在问题，主管 Shutter就自己增加了一道汇总和核对任务，还调整了后面的开发顺序。

以前同时开几个AI窗口，这种事情就得我自己去发现和引导，现在可以少操一点心了

最后交付的网站也很完善，从项目研究、页面开发，到最终的功能验收，都留下了对应的任务记录和证据。

当然，现在还没到完全不用管的程度。但很多原本需要人来回传话、协调和跟进的工作，已经可以交给Agent了。

而LobeHub团队更牛，已经开始用这套系统开发LobeHub自己。

想想还挺有意思的，一家做Agent的公司，开始让自己的Agent参与开发自己。那AI开始开发AI，我迭代我，那我还是我吗？

另外，LobeHub的整套产品代码都公开在GitHub上，支持自己部署，也可以直接使用他们的云端版本。想研究这套Agent协作系统究竟怎么实现的，可以直接去翻他们的代码。

他们做的Acceptance验收工具也单独开源了。以后用Codex、Claude Code做项目，需要截图、录屏和验收报告的时候，都可以拿来试试。

说回来，以后一个团队到底能做多少事情，可能真的不能只数有几个人了。

毕竟以后说起「我们团队」，里面可能还有一群认真干活的AI同事~