AI 给 AI 派活、审代码：一家 8 万 Star 开源公司的日常
【摘要】 AI 派任务、写代码、查 Bug，在开源公司 LobeHub 已经是日常。10 月 28 日的一次真实开发任务：主管 Agent Nasa 接到需求，创建任务 T-1149，直接派给 Coding Agent Dario；Dario 写代码、补测试、提交 PR #21852；随后 OpenAI 的 Codex 审查机器人赶来「挑刺」，Dario 根据反馈改代码再交——一来一回打磨几轮，最终通...
AI 派任务、写代码、查 Bug，在开源公司 LobeHub 已经是日常。
10 月 28 日的一次真实开发任务：主管 Agent Nasa 接到需求，创建任务 T-1149，直接派给 Coding Agent Dario；Dario 写代码、补测试、提交 PR #21852；随后 OpenAI 的 Codex 审查机器人赶来「挑刺」，Dario 根据反馈改代码再交——一来一回打磨几轮，最终通过人工审阅合并进代码库。跨项目协作也接上了：需要上游组件库改东西时，两个项目的 Agent 自己对接需求、完成修改、通知升级，人类不再来回传话。
数据也拿得出手：在 FrontierHarness 的 30 道软件工程任务中，LobeHub 优化后的 Agent Harness 用 Kimi K3 完成 21 道，通过率 70%，每道成功任务成本中位数 1.68 美元。一位团队成员透露，他已经三个月没在本地启动过 Dev Server，体感开发效率提升约 3-5 倍。
量子位编辑还拉了一支 AI 编辑部实测：主编 Agent Sienna 带三位 AI 小编分头找选题，不到 8 分钟交出 6 条带信源的简报；第二轮要做网页时，Sienna 评估后发现原班人马专业不对口，直接「现场招人」——新建了网页开发和 QA 两个 Worker，无缝接上上一轮成果，约 30 分钟交付。
支撑这一切的机制说穿了很简单：把任务执行、状态保存、交付成果和验收记录放进共享工作空间，Agent 退出对话也不停工；验收环节带测试、截图、录屏证据，检查不过就打回重改——人类始终握着最终验收权。LobeHub 把这套协作平台开源了，并提出「自驱动组织」的 L1-L5 分级，目前内部运行在 L3，正向 L4 迈进。
AI 负责把活干好，人负责决定往哪走——这或许就是 AI Native 组织下一阶段的模样。
【声明】本内容来自华为云开发者社区博主，不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息，否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论（0）