（来源：新智元）
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：
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 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｜Part 4
美术编辑 GPT 老师：真拿你没办法，坐好咯，这就是你要的神秘雷霆肌肉男
GPT-6 Cyber 发布后的 Sam Altman（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 Agentic AI，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/
编辑：马可
