狂揽 83.7K Star！开源版Super-agent来了，告别AI监工～

上周六，DeepSeek的Harness团队发布长文《Super-agent 设计探索：迈向更自主的 Agent 系统》，提出Super-agent设想，直指当前Coding Agent的痛点：任务一多用户需多窗口盯代码、人肉复制上下文，且Agent像临时工，电脑一合就断连，人反而成了“人肉路由器”。DeepSeek提出的方向包括跨信道连续、高效并发、主动干活、存算分离持久在线，但明确这只是架构探索原型，并非正式产品。

有群友指出，LobeHub早已将类似体系跑在生产环境。LobeHub在GitHub已有83.7K Star，Docker部署破700万次，从2023年开源的LobeChat聊天框架，两年多进化为完整多智能体协作平台，补齐数据库1.0，今年推出支持跨设备调度与异构框架管理的完整平台。DeepSeek官方多次选用LobeHub作为V3、R1发布演示平台。LobeHub还联合新加坡国立大学发起MCP压力测试基准MCPMark及评测Coding Agent用户体验的Interaction Bench。团队称“We Build LobeHub with LobeHub”。

对照DeepSeek文章核心设计，LobeHub的实践包括：

一、Router和Worker分层。上层Manager Agent（如主管Agent Nasa）常驻协作频道，负责理解需求、拆任务、派活和验收；下层特化Worker Agent（如跑Claude Code或Codex的编程Agent Dario）埋头干活，不直接在外部群说话，产出沉淀在任务内部，由Manager统一整理高层摘要汇报人类。每个任务只设一个执行Agent和一个负责人，负责人可以是人或另一个主管Agent，能力不足时人主驾驶，成熟后转副驾驶。

二、事件驱动与两级过滤。对应DeepSeek的规则层Fast Path加语义层Slow Path，LobeHub做成界面可点选配置的规则，可给频道设置监听关键词、事件范围，再由模型按职责语义二次裁决，无需@也能主动干活，不需介入时保持静默。

三、存算环境三层分离。Agent Loop常驻云端无状态容器，每次工具调用异步推进，状态存入Redis和数据库；工具链和代码环境可放云端沙箱，也可挂载到长期开机的本地Mac Mini，由轻量守护进程执行，合上屏幕也能继续干活。

四、用Task管理上下文。对应DeepSeek列为开放问题的上下文边界与多Agent协作，LobeHub以类似Linear的Task作为信息锚点，每个任务拥有独立看板，提问、代码修改Thread、中间产物、CI结果、PR链接全部沉淀在同一任务页，上下文天然完整可追溯。

验收环节，Agent改完代码后拆解可观察验收项，在无头浏览器跑一遍，生成含截图、录屏、控制台日志的在线验收报告，人类在网页端快速过一遍，圈选打回，Agent带意见自动改下一版，打回记录沉淀为经验。

普通用户注册LobeHub账号即可体验网页版、桌面客户端和CLI工具。作者在飞书群同时拉入LobeHub和OpenClaw测试，未@任何Agent，LobeHub 9秒回复“已接单”，随后建主任务T-1自己统筹，拆出T-2给文档Agent核对、T-3修订和T-4示例给代码Agent完成。