AI接管一家8万Star开源公司，写代码、派任务、查Bug全包了
内容提要
LobeHub 是一个开源 AI 协作平台，支持多个 Agent 组队完成研发任务：主管 Agent 负责拆解任务和派活，Coding Agent 编写代码，Codex 负责审查修改，并可跨项目协调。团队称开发效率提升 3-5 倍，已用于自身研发。作者实测组建 AI 编辑部，8 分钟产出 6 条选题简报，Agent 还能临时“招人”完成网页开发与验收。平台支持后台持续执行、共享工作空间与多模态验收，人类保留最终审核权，并提出“自驱动组织”分级目标。
延伸解读
从聊天框到后台：Agent 持续执行的关键设计
文章指出，LobeHub 将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。这样即使用户退出对话，Agent 也能在后台继续推进并保留进度。团队曾用客户端数据迁移任务试水，Agent 连续运行 2 天 3 小时 47 分钟，拆出 60 个任务并完成 56 次独立迁移。这种设计让 Agent 不再被聊天框拴住，为长周期任务提供了基础。
共享工作空间如何让任务接力不中断
在实测中，主编 Agent 临时新建 Worker 后，新 Worker 能直接接续上一轮成果，无需重新投喂素材。关键在于 LobeHub 把工作目标、任务进度、交付文件和验收记录放入共享工作空间。主管 Agent 可围绕已有成果安排后续任务，接手的 Worker 也能了解此前完成了什么、接下来该做什么。这解释了跨轮次、跨项目协作得以跑通的原因。
人类保留最终验收权：多模态证据与打回机制
文章强调，Agent 交作业时除了最终成果，还会附上测试结果、截图、录屏等证据，形成 Acceptance 多模态验收能力。人类可以直接查看实际效果，发现问题就打回修改，满意后再确认通过。在网页开发实测中，代码虽已提交，但检查项未全部通过就不能算完成验收。这意味着尽管 Agent 干活飞快，人类始终掌握最终验收权，质量把关并未完全交给 AI。
自驱动组织分级：L3 现状与 L4 目标
LobeHub 提出了 Self-Driving Organizations（自驱动组织）的 L1—L5 分级目标。文章称，目前团队内部已运行在 L3 阶段，部分场景正在向 L4“自治业务单元”迈进，即 Agent 能够自主派活、接力、验收。这一分级为理解当前人机协同的成熟度提供了参照，也说明完全自治仍是目标而非现实，人类在方向和最终审核上仍扮演关键角色。
Q&A
LobeHub 是什么？它主要能做什么？
LobeHub 是一个开源 AI 协作平台，支持多个 Agent 组队完成研发任务。主管 Agent 负责拆解任务和派活，Coding Agent 编写代码，Codex 负责审查修改，并可跨项目协调。团队称开发效率提升 3-5 倍，已用于自身研发。
LobeHub 的 Agent 是如何协作完成一个开发任务的？
以一次开发任务为例：主管 Agent Nasa 创建任务并派给 Coding Agent Dario，Dario 编写代码并提交 PR，随后 Codex 代码审查机器人挑出问题，Dario 修改代码并补测试，反复打磨后 PR 通过人工审阅并合并。
LobeHub 的 Agent 能跨项目协作吗？具体是怎么做的？
能。例如当 Agent-foundry 项目需要 lobe-ui 组件库增加自定义中性色支持时，两个项目的 Agent 直接沟通：一个提出需求，另一个完成修改，随着 lobe-ui 发布 6.0.1 版本，上游项目也收到升级通知并接上新功能。
在 LobeHub 中，人类如何保证 Agent 交付的质量？
LobeHub 配备了 Acceptance 多模态验收能力。Agent 交作业时会附上测试结果、截图、录屏等证据，人类可以直接查看实际效果，发现问题就打回去修改，满意了再确认通过。人类始终掌握最终验收权。
LobeHub 的 Agent 为什么能在用户退出对话后继续工作？
因为 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。即使用户退出对话，只要任务运行在可持续执行的环境中，Agent 就能在后台继续推进并保留进度。
LobeHub 提出的“自驱动组织”是什么？目前处于什么阶段？
“自驱动组织”（Self-Driving Organizations）是 LobeHub 提出的更大目标，分为 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 L4“自治业务单元”迈进，即 Agent 能够自主派活、接力、验收。
