AI多智能体协作：不到8分钟搞定选题，效率提升显著

01半年前启动内部试点

LobeHub这个团队的领导班子, 他们是在二零二六年的开端那个时间点, 就开始着手搞起了内部的小范围尝试性测试工作, 把那些智能代理程序给塞进了大伙儿平时干的研发活儿里里面去, 让人工智能去帮着分派任务, 顺便把写代码和找bug这些事儿也都给揽过去干, 这么一步一步的来, 打算慢慢就把那种全靠人力手拉手的旧合作模式给挤出去替换掉。

这项试点工作的目标其实挺清楚的, 主要是把注意力集中在一个一个的具体功能点上。这个具体的功能点是什么? 就是打算让那个Agent在准备着手创建任务的时候, 能直接去指明到底是要调用哪一个大模型。

这么一来的话, 会让那些任务里的工具部分能够知道正在用哪个模型, 同时也会让那个命令行界面也具备这种认识模型的能力。这么做, 肯定就是为了把本来需要人工去配置的那些个环节给减少下去一些。

02任务T-1149的完整交付

需求被提出之后, 编号为T-1149的这项任务是由Agent “Nasa” 紧接着去创建的, 然后呢, 开发这份工作又被直接地指派的给到了 Coding Agent “Dario”, 从开始到结束, 整个这个流程是完全不需要有人工来介入进行调度的。

Dario这个人, 他是在功能实现这个环节上头, 又搞了那个测试补写那档子事, 最后再到运行结果验证那里去走了一遍。他是自己一个人，独立弄出了这么一份Pull Request, 就是编号#21852那个东西。整个流程是完整的, 并且是符合团队里面那个既定好的交付规范的意思, 这一点是没有问题的。

03双Agent分饰开发与审查

在这个任务里面, Codex负责把编码的实现工作做出来, Dario承担代码审查以及提出修改建议这个工作, 两者之间进行了多轮的交互并且打磨了相关的工作细节, 这个过程再现了人类在写码之后进行Review这种协作的节奏。

据团队里面的一位叫做研发的成员, 透露说, 他自己这个人, 已经整整有三个整月那么长的时间, 没有在本地这个地方去启动那个叫做Dev Server的东西了, 然后日常进行开发这个事儿, 基本上是就由Agent团队来搞定并且完成闭环的。

04跨项目协作打通上下游

在lobe-ui发布了6.0.1版本之后, 下游的项目就自动地收到了升级的通知, 并且接入了新的功能。在这个过程中, Agent直接完成了上下游版本的衔接工作, 而无需进行人工转发信息这样的操作。

邢台市重点项目建设促进中心

在过去的一个阶段, 需要那边的开发人员跟这边的开发人员不停地去交流需求的情况, 还需要协调那些要改动的地方, 并且还要把情况告诉给对方来更新, 到了现在是依靠智能体自己去识别出有依赖关系的地方, 然后由它自己在后面触发更新的流程。

05科技编辑场景两轮实测

作者把科技编辑日常工作当成故事发生的背景, 让名叫“Sienna”的大主管带着三个用人工智能写稿的小兵去干活, 先是完成了第一遍任务, 做出了6条关于人工智能动态的选题小报告, 接着又进行了第二遍任务, 把这些小报告变成了可以在网上进行挑选的数据网页, 也支持大家去搜索。

在第二轮的时候, Sienna 觉得原来那位 Worker 的专业方向不太对路, 过了大约十分钟之后, 就新建了两位 Worker 来接力, 新加入的成员直接接上了上一轮做出来的成果, 接着进行开发, 完全不用再去重新交代背景情况。

06验收权始终留在人类手中

当Agent在交付成果的时候, 必须附带测试结果、截图以及录屏这类证据。要是检查项没有全部通过的话, 这个成果是不能被认定为已经完成的, 这时候就需要退回进行修改, 然后才行进行验收。

LobeHub已经把整套协作逻辑开源到了GitHub那里, 开发者可以自己来部署, 人类可以保留最终的验收权力, 而AI负责执行以及接力, 这就形成了一个可控的人机分工体系。

你要去思考一下AI自主拆活、跨项目接力的这个模式, 在下一会儿, 它会去取代多少重复性的那个协作岗位? 很欢迎你在评论区里面聊聊这个事情。也别忘了做点赞和分享的动作。