BLOG / 2026.11.09
一份让 Agent 给任务指定模型的改动,已经进了 LobeHub 主干。实现、补测试、处理审查意见都由 AI 完成,并写进同一个公开 PR;按下合并的,是一个人类维护者账号。
11 月 9 日,量子位把这套协作写成「AI 接管开源公司」。回到公开材料,能核实的画面更具体:Agent 把一份改动推进到可以合并的状态,合并这一步仍由人审完再做。与此同时,LobeHub 11 月 6 日发布的稳定版周报,又补上主动接话、唤醒记录和多人同页编辑。
一份 PR,把派活的缺口补进工具里
公开的 #21852 解释了起点:任务原本就支持单独指定模型,但只有网页界面能设置。规划任务的 Agent 想让另一个模型执行,缺少工具入口和命令行入口。平台有这项能力,负责派活的角色却够不着它。
这份改动把模型和供应商参数接进任务创建、批量创建、任务编辑与命令行。它还处理了几处不显眼的细节:只改任务名称时,空字符串不能顺手清掉模型设置;清空模型要有明确语义;换模型之后,不能继续和旧供应商硬配在一起。
GitHub 记录显示,这个 PR 由 lobehub-coder 账号在上海时间 10 月 29 日凌晨提交,11 月 1 日中午由维护者账号 arvinxx 合并,期间有 10 条代码审查评论。PR 的「AI assistance」段列出分工:AI 完成实现、测试与验证,独立 AI 审查和后续检查发现两项 P2 问题并作修复。合并发生在一周多以前,不是今天的新动作。
它留下的也不只有成功声明。提交者写明,网关运行时改动、工具描述对真实对话的影响,还要部署后才能确认;部分命令行运行早于最后一轮修复,新增修复只由单元测试覆盖。PR 还承认一个遗留问题:目前所有写入任务配置的入口,都没有在写入时校验模型是否可用。接手的人因此知道下一步该验什么。
还有一处与派活直接相关:创建任务时只给供应商、不给模型,系统会拒绝,避免把执行者的默认模型交给一个并不提供它的供应商。工具说明也要求模型只在用户提出时才设置这项参数。自动化可以替人传递选择,但不能随意改写任务条件。
群里没人点名,Agent 先开口问要不要开 PR
LobeHub 11 月 4 日的官方演示给了另一种协作入口。前半段,任务看板把一次 Linux 构建排查拆给几个子 Agent;约第 25 秒,群里有人问构建为什么失败,没有点名,Relay 直接回答,并问「要不要我开 PR」。对方回复「好」,Relay 承诺之后回报 CI 结果,视频随即回到看板结束。
整段录屏停在「询问并承诺开 PR」,没有出现 GitHub 页面、代码差异或合并操作。所以它只能说明主动接话和任务拆分,不能拿来证明某个 PR 已经合并;前面那份 PR 的合并,要看 GitHub 上 #21852 的独立记录。这是厂商演示,本站没有运行这套团队。
11 月 6 日的更新周报把行为写成产品规则:主动参与默认开启,开关放在 Wake policy 顶部。写明职责的机器人,可以接住未获回答、且自己能处理的问题;别人明确问某个人的回复,它仍应避开。周报称这项判断没有增加额外模型调用,这是官方实现说明,不能外推成所有任务都不花额外成本。
更关键的是新增的 Wake records。它保留每条被判断的消息,列出唤醒、跳过、延后、主动参与等结果,附分数、原因和回到原 Discord 消息的链接,用户还能把判断标成对或错。Agent 自己开口之后,团队终于有地方检查它为何插话、又为何漏过一条问题。
接力到了文档,最怕覆盖同事刚写的段落

这张官方截图是单人编辑画面:左侧是起草、改写、翻译、摘要入口,右侧是 Lobe AI 对话面板,标题旁标着「已载入最新版本」。正文里的激活率和用户数,是官方为演示写的产品更新草稿,不是 LobeHub 披露的经营数据,读者不必据此推断业务表现。
代码有 PR,文档却经常只剩一份被覆盖后的成稿。LobeHub 本周更新允许两个人同时编辑一页,Agent 也能作为第三位协作者加入;首次同步完成前,编辑器保持只读,离线改动回来后可以恢复或丢弃。截图里的版本状态提示,就是这套同步机制在界面上的入口。
官方工作空间说明展示了改写路径:Agent 先读页面,在沙箱里执行修改,再把块级差异应用到当前页面。它执行期间同事仍可输入,落地时要对着新的页面状态合并,而不是把早先读到的旧稿整篇盖回去。
没有实时协作房间时,产品走另一条写入路径:别人已经保存了新版本,旧版本上的提交会被拒绝,Agent 再读取重做。两条路径的共同目标,是让并发改稿失败时留下一个可重试的操作,而不是悄悄丢一段文字。实现细节来自官方说明,尚无本站压力测试。
从组队演示走到可追责的交付
官方主页的 Agent Group 录屏换了一个非代码场景:用户上传简历,主管让职业规划和岗位搜索两个角色并行出方案,简历专员写优化稿,面试教练提出修改意见,简历专员再改并开始写求职信。原片在求职信展开时就结束了,看不到最终文档是否完整。
这段录屏的看点在接力顺序:一个角色的产出成为下一个角色的输入,审查意见再回到起草者手里。这和 #21852 里「实现、AI 审查、修复、人合并」的链条是同一种结构,只是换成了文档。把几个模型放进同一个群,早已不足以证明组织能自动运转;能不能把每一棒接到任务、变更和验收记录上,才是区别。
所以读公开 PR,比只看「效率提升几倍」更有用。你能看到谁实现、谁审查、哪些测试跑过、哪些还没验证,再决定是否接受。量子位报道里的编辑部体验和团队效率感受,属于其作者和受访者,不能搬成本站亲测结论,也替代不了公开交付物。
主动 Agent 会扩大小团队的处理半径,也会放大误判:一个多余的回复、一次用错模型的派活,都可能被下游继续执行。任务卡、唤醒原因和拒绝覆盖机制,分别给这几种风险留了检查入口;而最后的合并按钮,目前仍在人手里。
我们的判断:LobeHub 值得继续追的,是把交接、变更和未验证项保存在同一条工作链上,并把合并留给人审。人可以少做转述,但验收不能只看 Agent 宣布完成。


评论列表 (0条):
加载更多评论 Loading...