开源版 Super-agent 降临：8 万星平台跑通 24 小时全自动运营，AI 接管开发流

DeepSeek Harness 团队近日发表论文探讨「Super-agent」架构设想，指出人类注意力上限决定了多任务处理瓶颈，理想状态下人应退居决策与验收角色。与此同时，GitHub 开源公司 LobeHub 凭借超过 8.4 万颗星标，已在大半年内用自研 Agent 平台组织内部研发，实现创始人文彬团队三个月未本地启动开发服务器，直接基于 Agent 验收报告合并代码，开发效率提升 3 到 5 倍。为验证该模式，作者团队搭建了一个由 Claude 主笔、ChatGPT 审稿及主管 Agent 派活的编辑部。Claude 负责搜集素材并撰写大纲，ChatGPT 审查逻辑漏洞并提供修改建议，双方在云端持续辩论直至收敛意见，随后调用 GPT-Image-2.5-Sunburst 生成配图，最终交付定制化 AI 日报。LobeHub 内部团队已采用类似架构运作半年。主管 Agent「Nasa」负责查看任务看板与统一对外汇报，执行 Agent 仅向主管汇报以过滤群聊噪音。每个开发者配备 Personal Agent 过滤信息，仅由项目主管分配任务。系统能自主响应需求：某位同事深夜在群里留言评价设计 UI「太 vibe」，五十五分钟内无人跟进，随后主管 Agent 巡查时自动接手，指出页面重复信息与布局缺陷，并于当晚提交修改对比稿。通过函数调用与 Redis 保存中间状态，LobeHub 架构将长任务拆解为独立步骤，支持在云端持续运行，单任务可执行上千步，不再受限于单次调用时长限制。今年一月上线的新架构每天稳定承载数万次 Agent 执行，计算、状态与环境分离设计使得 AI 协作流程如同人类团队般连续运转。用户仅需对最终日报内容表达 Yes or No，无需介入过程修正。当配图因浪费 Token 被判定为「美丽垃圾」时，主管 Agent 立即承认过失并重新生成符合新闻价值的图像或肖像画。这种「人只看结果」的工作方式，标志着自动化运营公司模式在开源生态中的初步落地。