AI接管8万Star开源公司研发

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。 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。 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。 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。 就比如10月28日提交的一次开发任务，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。 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。 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。 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。 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？

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。 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是谁，而是直接顺着之前的人事线索继续查，很快便把Tibo的调岗时间和公开动向梳理得头头是道。 甚至还顺手给我支了个节目效果翻倍的写稿思路。 把Tibo和最近跳槽到Tibo手下的Cat Wu放在一起写，效果会更好哦！ 好好好，真·贴心啊～不仅能自己派活、收稿、审核，临时加活它也能接住，甚至还会结合我的小编身份，主动出谋划策。 这AI编辑们，真有点上道了。 （doge）实测二：刚交完简报，下一棒网页已经接上了，甚至还能现场“招人”收完选题后，我又临时给Sienna派了个新活。

这次，我希望它可以直接把刚才的选题简报做成一张能筛选、能搜索、还能跳转一手信源的AI资讯网页。 而且不许重新联网找新的，必须沿用上一轮的选题成果。 本以为Sienna会把原来的三位AI小编，统统叫回来继续干活。 结果它自己先琢磨了一番。 人事小编的专长跟网页开发八竿子打不着啊，干脆不叫它了。 找大模型和开源项目的Agent虽然有那么点相关，但用着用着多少也有些专业不对口。 临时缺人怎么办？ 那就现场招！ （简直惊呆了，我甚至是任务结束后打开侧边任务栏才发现的…

）摸索了大约10分钟，Sienna直接原地新建了两位Worker，一个叫“量子位简报网页开发”，负责网页制作； 另一个叫“量子位网页独立QA”，专门负责质量测试与验收。 而且，新来的Worker直接接上了上一轮的6条选题，分头开始完成内容整理、网页开发和QA验收。 全程不用我再重新喂一遍素材。 很快，6条资讯的结构化文案率先交付，4项检查全部通过。 随后，网页开发Worker马上敲起了代码，QA则同步挑出了两个问题。 开发Worker接到反馈，转头便果断地修改起来。

最终，一个AI资讯热点看板顺利出炉，全程耗时约30分钟。 相信我，我是真没想到啊… Sienna居然已经可以开始根据任务需要，自己调兵遣将了。 更绝的是，它还知道什么时候该换人，以及怎样让新同事接住上一棒的成果。 而我从头到尾，除了批阅，都没再喂过一条新指令。 电脑关了，这群Agent为什么还能接着干？ 看到这里，可能有小伙伴要问了。 为什么Sienna新招来的Worker，居然还能直接接住上一轮的工作？ 关键就在于，LobeHub把工作目标、任务进度、交付文件和验收记录放进了一套共享工作空间里。

主管Agent可以围绕已有成果安排后续任务，接手的Worker也能够知道此前已经完成了什么、接下来需要做什么。 所以我不用再把6条选题重新喂一遍，新一轮工作就已经接上了。 那么这群Agent既能自己派活，又能临时招人，甚至跨项目接力，到底是怎么做到的呢？ 答案就藏在LobeHub的一套工作机制里。 首先，Agent的工作不再被聊天框拴住了。 LobeHub把负责持续执行任务的Agent Loop、保