新智元报道

10月31日，DeepSeekHarness团队发表长文《Super-agent设计探索》，迅速在AI圈刷屏。

文章讨论的是很多人都体会过的一种困境：Agent越用越多，人反而越忙碌。

按照DeepSeek的观察，一个人通常只能同时跟进3到5个Agent会话——

单任务的上限取决于模型能力，多任务的上限取决于人的注意力。

他们设想的Super-agent长期在线、主动接活、能给其他Agent分派任务，人则退到决策和验收的位置。

双层架构：Router层统一负责路由与对外交互，多个WorkerSession隔离并发执行任务

文中还有一句颇具启发性的话：

相似的设计约束会导出相似的架构选择。

带着这句话，我们梳理了一遍已经上线的同类产品，最后找到了中国开源公司LobeHub。

这家在GitHub上收获超过8.4万颗星的公司，过去大半年一直拿自己做实验，用自己开发的Agent平台组织自己的研发。

据创始人文彬介绍，团队已经三个月没在本地启动过开发服务器，看完Agent交来的验收报告就直接合并，开发速度提升了3到5倍。

与其转述这些说法，我们更想亲手验证一次，于是给LobeHub布置了一份夜班，让Claude和ChatGPT组成一个两人编辑部，每天早上给我们交一份量身定制的AI日报。

下面是这份日报从派活到交稿的完整经过，中间穿插着LobeHub团队里真实发生过的几件事。

前一晚｜给两位AI编辑派活

实测｜Part1

我们在LobeHub里搭的编辑部一共三名成员，主管Agent负责派活和收稿，Claude担任主笔，负责搜集素材、列大纲和撰写正文，ChatGPT担任审稿人，负责指出逻辑和视角上的漏洞，最后再为文章生成封面和配图。

读者画像就照着我们自己来写，一位关注Agent、基模、AI商业化进展等话题的科技编辑，每天通勤时花五到八分钟，读完当天最值得关注的五到八件事，每条新闻都要有一手来源和一两句判断。

流程上，我们刻意把判断权留给主笔Claude老师。

GPT可以提意见，Claude也可以拒绝，只要讲得出理由，双方来回讨论，直到GPT表示无重大异议，或者满四轮为止。

整体上我们的设计思路是：

类似这种不同模型多Agent协作的分工方式，LobeHub自己的团队已经用了大半年。

他们研发群里的主管Agent名叫Nasa，负责查看任务看板、分派工作和汇报进度。

早期执行Agent可以直接在群里发言，几个Agent轮番汇报，群里很快全是噪音，后来团队定下规矩，执行Agent只向主管汇报，由主管统一对外。

如今他们又加了一层，每个人配一个替自己过滤信息的PersonalAgent，人只听自己的PersonalAgent，活由各个项目的主管Agent去派。

主管Agent也不总是等人开口。

10月23日晚上8点24分，创始人文彬在群里看到一张训练详情页的截图，随口评价了一句「这个UI一眼看上去还是太vibe了，得想想怎么refine」，发图的同事随后去吃饭，55分钟里没有人跟进。

9点19分，一个设计Agent在巡查频道时判断这件事和自己有关，在没有被点名的情况下接手，指出页面上的进度信息重复了三遍、框里套着框、最显眼的位置却放着空值，当晚11点52分交出了改前改后的对比稿。

DeepSeek设想的主动响应，也是先用规则过滤、再由模型判断是否介入，两者的思路非常接近。

凌晨｜两位编辑辩论到收敛

实测｜Part2

主管Agent把任务分派下去以后，我们关掉电脑去睡觉，Claude和ChatGPT的讨论在云端继续进行。

AI和AI在深夜互相审稿，在LobeHub的代码仓库里已经是常态。

10月31日凌晨4点04分，执行AgentDario在PR#21852下回复了OpenAICodex审查机器人的意见。

这段代码来自主管Nasa派给它的任务T-1149，Dario运行了31步、耗时1小时56分完成编写。

接下来的18分钟里，它修复了四处问题，又针对另一条意见给出理由，决定保留原来的写法。

这些工作能在深夜持续推进，靠的是LobeHub今年1月上线的架构。

早期产品部署在Vercel上，单次执行最长只有300秒，团队便把Agent的每一步拆分成一次独立的函数调用，用Redis保存中间状态，接力推进上千步的长任务，工具调用则发往AWS的沙箱或用户自己的电脑执行。

Agent察觉不到自己的思考和操作发生在不同的地方，这和DeepSeek文中的「计算、状态与环境分离」属于同一个方向，如今每天稳定承载几万次Agent执行。

早上｜日报送达，人只看结果

实测｜Part3

早上起床，我们得到了第一版日报的结果，供我审阅。

这个第一版日报，你发现了什么问题？

文字部分结论看起来严谨性挺强的，但配图不明所以，标准的「美丽垃圾」。

作为这帮Agent的老板，我迅速一口气用语音输入法（必须语音）给出了修改意见提示词：

你知道吗，你现在的配图就像狗屎一样垃圾，完全没有任何意义，只是在浪费Token，没有表达任何含义，传达任何信息！如果这件事没有一个特别值得配的真实图片（如新模型发布的跑分对比图表），那么针对国外新闻，你可以使用其创始人（灵魂人物）的代表肖像照片进行艺术化加工：新发生的这个新闻如果是对公司重大利好重大进步，那可以把描绘得肉眼可见地十分健硕（可以很夸张，脱离现实那种，只要能体现出进步究竟有多大），变成肌肉猛男；没啥影响就放代表肖像照片原图；对公司重大利空或令人失望，可以把他描绘得比原图更瘦弱些，看起来更憋屈更受欺负那种，这样好歹可以用直观有趣的方式体现出GPT对于这件事的重要性和利好利空的判断。对于中国AI公司而言，只放代表肖像照片原图就可以了。

别的什么也不需要改了。

我的Agent主管说，是他的锅，他改。

我们人类用户只看结果，懒得点开弄清楚究竟是如何犯了这样愚蠢的错误，我们只需要表达YesorNo。

人只看结果，正是LobeHub团队现在的工作方式。

10月29日，v2.2.21发版合并之后，Agent继续跟进各平台的构建，晚上8点26分发现桌面稳定版构建失败，重新运行仍未通过，便定位到一处依赖版本冲突，直接开出修复用的PR#21910，只需请人点一个认可。

替人省下时间的还有LobeHub开源的验收工具Acceptance。

Agent交付之前，先把需求拆成可以直接观察的检查项，到真实的产品里逐项运行，配上截图、录屏和日志，人看报告决定通过还是打回，已经通过的部分不用返工。

代码测试能证明程序可以运行，但还有很多细节需要像真实用户一样真正使用一遍才能发现，

前面那个PR#21852，最后也只等来一次人类操作，11月1日中午，文彬按下了合并按钮，任务完成闭环。

第二天｜日报记住了昨天的意见

实测｜Part4

GPT-6Cyber发布后的SamAltman（AI的想象图）

Agent终于记住了我们究竟想看到怎样的AI新闻，我们很欣慰。其他部分也没有被不小心顺手乱改掉，LobeHub的Acceptance验收工具体现出了它的价值。

以后每天早上8点，再也不用像第一次这样折腾了，LobeHub都会通过手机来向我推送我们最喜欢的AI日报了，方便我们在地铁上选题。

记住用户的意见，只是RSI的第一步。

RSI，即递归式自我改进，指系统利用自己运行中产生的结果持续改进自己，是最近AI圈讨论最多的概念之一.

这次实测首先验证了一件事：Agent可以把用户的反馈保留下来，并用于调整后续工作的规则。

但对于LobeHub团队来说，这只是他们探索系统持续改进的一个很小的切面。

在内部研发中，他们已经尝试将Agent执行时暴露的问题自动收集、归类，再转化成新的改进任务；

让Agent自主优化运行时的Harness，并通过基准测试验证效果；

还在探索如何利用真实执行轨迹进行垂直模型后训练。

这些工作分别发生在任务、运行框架和模型三个层面。

LobeHub希望把这些环节逐步连接起来，让系统能够利用真实运行中的反馈持续改善自身。

下一站，L4

Gartner曾预测，到2028年，33%的企业软件将内置AgenticAI，而2024年这一比例还不到1%。

当Agent从个人工具变成组织成员，真正稀缺的，是让许多Agent稳定协作的那一层系统。

LobeHub把这条路比作自动驾驶：

他们认为自己的团队处在L3，而上游项目的Agent直接向组件库lobe-ui的Agent提需求、对方加好组件自动发版再通知上游升级，这类事情已经是L4的雏形。

支撑这个愿景的底子，是三年里一点点积累下来的。

LobeHub从2023年开源的LobeChat起步，Docker部署超过700万次。

DeepSeek发布爆火的R1时，也曾用LobeChat演示模型能力。开源让它拥有现成的分发渠道，模型中立让各家模型都愿意接入，每天几万次执行沉淀下来的数据又能反过来训练模型，后来者想同时补齐这几样，需要不少时间。

DeepSeek在Super-agent技术报告中说，多任务的上限取决于人的注意力。

我们这份日报从派活到交稿，人需要做的只是在前一晚说清楚想要什么，第二天早上判断它写得好不好。

我们复盘了一遍操作记录。

前前后后，我们被迫亲自上手了好几次，大多花在第一次配置时的授权、额度不够了充值额度（AI:这是产品设计，先生，你也不想你的银行卡被我刷爆什么的吧？）等琐事上，真正和日报内容直接有关的，只有前一晚交代需求和第二天退回的那一条意见。

目前实际体验下来，离LobeHub自己团队那种只按一次合并键的状态，普通用户中间还隔着几道门槛，上手体验仍有打磨的空间。

但还好，节省下来的，是原本要在多个窗口之间来回切换、转述和比对的精力，只会更恼人。

这份人类用户宝贵的精力并没有消失，而是被挪到了交代需求和判断结果这两头，用在了刀刃上。

今天的Agent已经能接过中间的执行，起点的方向和终点的取舍，依然要由人来拿主意，LobeHub想做的，正是把这两头之间的路修得越来越短，和用户一起，扫平这些恼人的门槛。

参考资料：

https://lobehub.com/