AI接管8万Star开源公司：LobeHub让Agent派活写代码，还开源了协作平台

11月9日，量子位发布一篇实测报道，把聚光灯打在了开源项目LobeHub身上：这家以LobeChat起家的团队，已经让自家Agent深度参与日常研发，派任务、写代码、审查Bug都由AI同事接手，并把整套AI协作平台的源码放到了GitHub上，仓库目前累计约8.44万Star。

报道给出了一个可追溯的具体案例。10月28日，团队需要给任务工具和命令行界面补一项功能，让Agent在创建任务时能直接指定使用哪个模型；主管Agent Nasa随即建立编号T-1149的任务，把它派给Coding Agent Dario。Dario完成实现、补测试并提交了编号#21852的Pull Request，随后OpenAI的Codex代码审查机器人挑出问题，Dario再回头修改，几轮往返后由人工审阅合并。

类似的接力还发生在项目之间。agent-foundry需要lobe-ui组件库支持自定义中性色，两个项目的Agent直接对接需求与改动，随着lobe-ui 6.0.1发布，上游项目收到升级通知并接上新功能。更极端的一次是客户端数据迁移：Agent连续运行2天3小时47分钟，拆出60个任务，完成56次独立迁移。

支撑这些行为的是把Agent Loop、Session和工具运行环境拆开管理的设计。用户退出对话后，只要任务仍运行在可持续执行的环境中，Agent就会在后台推进并保留进度；工作目标、任务进度、交付文件与验收记录则被放进共享工作空间，让接手的新Agent知道上一棒做到了哪里。

报道也强调人类没有交出最终决定权。LobeHub设置了Acceptance多模态验收：Agent交付时会附上测试结果、截图和录屏作为证据，检查项没有全部通过就不能算完成，人类可以打回修改，直到确认通过。换句话说，AI负责把活干完，验收权仍留在人手里。

量子位还给出了一组量化说法：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21道、通过率70%，每道成功任务的成本中位数为1.68美元，并称这一成绩超过Codex和Claude Code。LobeHub一位研发成员则表示，自己已经三个月没有在本地启动过Dev Server，按个人体感开发效率提升约3到5倍；这些数字来自团队自述，尚待更大范围的第三方复现。

从时间线看，LobeHub在2026年1月的2.0版本引入Agent Group与Memory，5月推出CAO（首席智能体运营官）编排能力，如今把协作平台开源，并抛出Self-Driving Organizations（自驱动组织）的L1到L5分级：团队称内部目前运行在L3，部分场景正迈向能自主派活、接力、验收的L4。

值得注意的是，这套思路与DeepSeek近期探索的Super-Agent架构方向相近，而LobeHub更早把类似能力做成了可部署的产品。量子位自己用它搭了一支AI编辑部，不到8分钟产出6条选题、约30分钟做出资讯看板，算是第三方场景的一次旁证。竞争的焦点正在从单个模型有多强，转向谁能把任务拆解、派发、审查和验收串成一条可复用的流水线。接下来值得观察的是开源社区的复现情况、真实成本，以及出问题时责任如何划分。