AI接管一家8万Star开源公司，写代码、派任务、查Bug全包了

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> AI接管一家8万Star开源公司，写代码、派任务、查Bug全包了 文婷 2026-11-09 13:47:58 来源： 量子位 文婷 发自 凹非寺 量子位 | 公众号QbitAI 一位AI主编领着三位AI小编，分别盯紧前沿大模型、开源项目和大厂人事。 我把选题需求往主编Agent Sienna手里一塞，它转头便拆起了活，派人、收稿，汇总一气呵成。 不到 8分钟 ，它就给我端来了 6条 新鲜热辣的AI选题： 不er，我茶都还没泡开呢，一天的选题工作就这么哼哧哼哧地跑完了？！ 早在半年前， LobeHub团队 就开始用自家的AI协作平台搞研发，让Agent参与派任务、写代码，甚至排查Bug。 现在，AI已经成了LobeHub团队研发流程里的常驻成员。 在FrontierHarness的30道软件工程任务中，其优化后的Agent Harness使用Kimi K3完成了21道，通过率达 70% ，每道成功任务的成本中位数为 1.68美元（约11.21元人民币） ，超过了Codex和Claude Code。 真没想到，DeepSeek最近还在探索Super-Agent架构，LobeHub早在5月份就已经把类似的人机协同思路做成了产品，甚至直接开源了！ 如今，LobeHub团队已经把这套工作方式用进了日常研发，让Agent自己拆任务、派活、写代码，甚至帮忙审查修改。 GitHub上，LobeHub目前也已经一口气狂揽 8.44万Star 。 那么，LobeHub究竟是怎样让Agent们从单打独斗走向团队协作的？默契度如何？它究竟又能把工作推进到哪一步？ AI开发AI，LobeHub开发自己 AI给AI派活，AI给AI审代码。 这样的场景，如今早已成了LobeHub研发团队的日常。 就拿10月28日提交的一次开发任务来说。 当时，团队希望给任务工具和命令行界面补上一项新功能，让Agent能够在创建任务时，直接指定使用哪个模型。 所以，他们把这活交给了主管Agent Nasa 。 接到需求后，Nasa马上创建了一个编号为T-1149的任务，并直接把活派给了对应的Coding Agent Dario 。 接到任务后，Dario埋头便敲起了代码。 从实现功能、补充测试到检查运行结果，一通操作下来，它顺利交出了一份正儿八经的Pull Request，编号 #21852 。 △Nasa派活记录、Dario提交PR 但任务还没完。 代码刚交上去，另一位AI同事就赶来“挑刺”了。 这次出场的是OpenAI的 Codex代码审查机器人 。 Codex对着交上来的代码一通检查，很快便挑出了几个需要处理的问题。 Dario也没闲着，接到反馈后，它转头就去修改代码、补测试，最后再把作业交回去。 就这样，Codex和Dario就活像现实中的开发工程师和代码Reviewer一样，一个负责写，一个负责揪bug，你来我往，愣是把代码打磨了好几轮。 最终，这份PR终于顺利通过了人工审阅并合并进了LobeHub的代码库， 一条真实的AI研发协作链就这么跑通了。 △Codex审查意见、Dario修改记录、PR合并状态 更有趣的是，LobeHub的Agent甚至已经不满足于单兵作战， 开始主动跨项目找其他AI同事搭把手了。 比如，当Agent-foundry项目需要lobe-ui组件库增加自定义中性色支持时。 放在以前，肯定少不了两边的开发者沟通需求、协调修改，再通知对方更新。 但这次， 两个项目的Agent直接自己接上了头。 一个提出需求，另一个完成修改。随着lobe-ui发布6.0.1版本，上游项目也收到了升级通知，于是顺利接上了新功能。 △跨项目Agent沟通记录、组件发布记录 妙啊，以前得靠人类在两个项目之间来回传话，现在Agent自己就把上下游打通了。 而且，LobeHub团队还真从中尝到了甜头。 据LobeHub团队一位研发成员透露，他已经整整三个月没有在本地启动过Dev Server。 按照他的个人体感，采用这套工作方式后，开发效率提升了约 3-5倍 。 挺不戳啊，自己造的AI，反过来帮自己开发产品，甚至还开始协调其他AI同事。 这下，LobeHub算是真的把这套工作方式用起来了，而且还同步省了不少传话损耗。 那么问题来了。 把同一套系统交给身为量子位小编的我，又会发生什么捏？ 哎嘿，我真用LobeHub组了个AI编辑部！ 为了验证这套AI组队干活的本事换个工作场景还灵不灵，我决定从自己最熟悉的科技编辑工作下手，亲自拉一支AI编辑团队，给它们安排两轮实战： 第一轮， 让AI主编带着小编们找选题，并生成一份完整简报； 第二轮， 看看刚交上来的成果，能不能直接交给下一棒继续干，生成一个动态热点网页。 来咯，上班！ 实测一：让AI当一次量子位主编 首先，我在LobeHub里组建了一支迷你版量子位编辑部队伍。 选题主编Sienna 负责统领大局，手下还有三位各有所长的AI小编。 Gemini 4 Argon 负责盯紧大厂人事变动，看看最近又有哪位大佬跳槽了； Claude 化身开源星探，专门挖掘GitHub社区里的新鲜项目； DeepSeek 则负责前沿冲浪，寻找最近值得报道的大模型动态。 一切准备就绪，开工！！ 我吩咐Sienna从人事变动、新模型发布和开源新项目三方面，分别为我找出2条值得关注的最新动态； 并特意告诉它： 我们的读者是一群常年关注AI大模型、具身智能等前沿科技动态的5G冲浪达人。 大家每天通常会花 5-10分钟 快速浏览行业动向，因此选题要新、准、信息密度高，能让懂行读者迅速看明白发生了什么、为什么值得关注，避免基础科普、泛泛而谈和纯宣传信息。 请每个方向挑选2条值得量子位报道的动态，共6条。 每条包含候选标题、消息日期、核心新闻事实、推荐理由，以及可直接打开的一手来源链接。 任务一发出去，接下来我就没再插手。 只见Sienna有条不紊地给三位AI小编分派任务，组织大家各自开工。 我则美滋滋地端起了手边的卡美罗焦糖拿铁，准备围观。 结果咖啡还没喝上几口， 不到8分钟，三位AI小编就带着新鲜出炉的选题和信源出处，陆陆续续地从四面八方赶回来向主编交差了。 更有意思的是，Sienna还真挺有点主编范儿。 收到选题后，它并没有直接照单全收，而是逐条检查质量。 碰上信源模糊、找不到一手报道链接的选题，它还会直接列出一份完整的验收清单，等我批准后就马上提醒对应的Agent “注意标准啊，重找！” 。 就这样，一番忙活下来，我点开任务栏一看。 嚯！ 一份包含6条最新AI动态的量子位选题简报，已经整整齐齐地交上来了： 候选标题、新闻日期、核心事实、推荐理由、信源链接一个没落。 甚至还附上了三位AI小编各自的任务回执，提醒我哪些细节还需要人工复验。 而眼瞅着简报已经交上来了，我又突然冒出个新疑惑，临时追问了负责大厂人事的Agent一嘴。 Tibo这阵子到底去哪了？咋还不发重置？ 结果它居然没问我Tibo是