开源版Super-agent降临，狂揽8万星！已跑通24小时全自动运营公司

新智元报道 10 月 31 日，DeepSeek Harness 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 Worker Session 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｜Part 1 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： Claude 负责搜集素材并撰写大纲->ChatGPT 提出修改意见 Claude 参考意见，根据自己的判断自主决定是否要修改大纲、搜集新素材，形成意见，再交给 ChatGPT，二者辩论到收敛为一个统一意见 Claude撰写初稿 ChatGPT 给出修改意见，Claude 参考意见根据自己的判断自主决定是否要修改——这次不用辩论了，因为文字的可读性这块，Claude 比 GPT 强太多了，但前面撰稿思路这块可以帮忙补足视角和逻辑的不足 Claude 修改完毕后，将文章交给 ChatGPT，在对应可插图的部分（包括封面）调用最强生图模型 GPT-Image-2.5-Sunburst （因为截稿前 LobeHub 还没上线对昨天刚刚发布的 GPT-Image-2.6 的支持） 交付稿件 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 Personal Agent，人只听自己的 Personal Agent，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｜Part 2 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 Agent Dario 在 PR #21852 下回复了 OpenAI Codex 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｜Part 3 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 Yes or No。 人只看结果，正是 LobeHub 团队现在的工作方式。 10 月