
DeepSeek 之前发的《Super-agent 设计探索》,聊的是「怎么用双层架构调度多个 Agent」。不过当这套逻辑从单人聊天框走进多人团队协作,工程上要踩的坑其实才刚刚开始。
这篇一线复盘来自开源 Agent 工作空间 LobeHub 团队。过去大半年,他们把多个不同模型拉进团队的 Discord 频道和任务看板,和人混编在一起跑日常研发。为什么单靠 Session 不够,必须做成独立的 Task 工单?在群聊里,怎么用大小模型配合把任务捞出来?Agent 什么时候该主动接话、什么时候又得学会闭嘴?一些真实协作里遇到的问题,他们已经做进了产品,也在文章里讲得很具体。
以下为 LobeHub 团队的分享,Founder Park 经授权转载。
看完 DeepSeek 关于 Super-agent 的文章,里面聊到的很多想法,拆开来看其实并不算全新的概念,DeepSeek 这次是用一个清晰的框架将它们整合在了一起。而这里面写的很多事,譬如一件事怎么脱离单次对话去组织,什么时候该醒,什么时候该闭嘴,醒了之后又该不该开口,恰好正是我们过去大半年一直在探索与实践的日常。
借着这个机会,我们把团队最近半年在产品与工程侧对 Agent 发展的总结梳理在了一起。这篇文章很像是我们对 Super-agent 的一次呼应:把 Super-agent 这个词,落到我们在 LobeHub 里真正做过的几件事,以及一个萦绕了我们三个多月、至今仍悬而未决的疑问。
网站地址:https://lobehub.com

⬆️关注 Founder Park,最及时最干货的创业分享
从对话到任务:
一件事得有一张工单
先说第一处。我们之前一直在想,session 和 session 之间到底该是什么关系?一件事可能要聊好几次、跑好几轮,如果每次都只按 session 来组织,其实很难说清这些执行究竟是在推进同一件事,还是几件不同的事。
去年 10 月开始深度使用 Linear 之后,我们越来越觉得 Task 是个很好的切分单位:先有「这件事」,然后才有围绕它发生的讨论和执行。但平时用 CC + Linear 时,体验又挺割裂。Linear 里有记录的 issue,CC 里有执行它的 session,两边都在描述同一件事,却没有自然地连在一起。我们当时就在想,它们本来就是一件事的两面,为什么还要让人自己去两个应用里面跳来跳去呢?
带着这个想法,LobeHub 在今年 4 月上线了 Task 系统,像 Linear 管理 Issue 一样,管理 Agent 的任务。在当时,其实已经有一些软件通过给 Session 打上生命周期的标签(Backlog / Todo / Needs Review...)来管理,比如 Craft Agent。还有一些产品,更进一步做成了协作看板,比如 Multica。
我们认可这个方向,但是在那个时间点,有一个问题我们自己也回答不了。如果 Task 的底层还是对话,那么用户究竟怎么区分这两种形态?换句话说,当你把这两盘菜端到用户面前时,用户还是会习惯性地开启对话,而不是启动一个任务。
事实上,用户心智想要从 Session 转化为 Task,使用场景要满足三个特征:并行、长程和异步。这三个,是今年 Agent 发展过程中逐步成型的。
并行:当时已经成为了共识,从 cli 的多窗口,到 codex app 同时切 n 个 worktree 左侧轻松切换。
长程:这件事有一个左脚踩右脚的过程。一方面,模型的能力变强了,可以自主探索、做更多的事情。同时,模型本身就被训练、harness 也被设计为让它更多地去做事(比如 goal 的功能,比如过度探索导致的越界)。另一方面,人们希望 Agent 可以将自己的事情端到端完成,模型厂商也希望消耗更多的 token。
长程带来了很多影响,比如远程化或者云端化。其实并行不会直接导致云化,只要任务都结束比较快,本地也可以并行,遇到的性能和存储瓶颈也只是升级本机设备的问题。
但是长程就必将导致云化。时间长会导致并行任务的积压,等不到结束,单机就无法再开启新任务了。另外,在如此长的时间内,本机可能需要做别的事情,本机也可能要临时关闭,但是任务不能停。那自然而然的,Agent 就被放到远端去执行,任务的完成也就变成异步了。人们希望一个回调函数,完成时通知自己。
异步:除了任务的「异步结束」,我们觉得今年下半年更重要的一个变化是「异步开始」。当我们给 Agent 发了消息,却不是希望它立刻执行。大家可能第一反应是定时任务,但定时任务只是一种特殊情况。
在团队协作中,异步任务有着更广泛的应用。假设团队已经建立了软件工厂,不管外部还是内部的缺陷,都可以直接转给一台 7×24 运行的 claude code 来处理。当源源不断的问题进来,如果没有一个任务管理来区分紧急重要、规模大小、以及问题与问题之间的依赖和冲突等,那么受限于订阅 / API 额度有限、环境资源有限等,claude code 必然是处理不过来的,就一定需要编排。
说到这里,其实已经像我们曾经的全人类团队了。同一时间有很多需求并行,一个需求的完成是长程的(需要一段时间),大家都在异步工作(有需求的依赖),资源总是有限的(人力、财务等)。
下图是 LobeHub 的 Agent 和人协作的任务看板,已经成为了我们团队的开发日常。

当这种协作变成日常之后,回过头来看 Super-agent 的 Router / Worker 设计,Task 的位置就更清楚了。Router 决定交给谁,Worker 负责把活干出来。但光靠这两层,还没有回答「它们在为哪件事工作」。我们想补的 Task,不是再加一个负责调度的角色,而是给那件事一个独立于 session 的身份。这样不同的 session 可以围绕同一个 Task 展开,一次执行也能找到它归属的那件事。
所以我们在 LobeHub 里把 Task 做成一张「工单」:哪个 Agent 来干、在哪个环境里干、用哪个 Model 来干,都记在这张单子上。Worker 跑出来的 trajectory,也归到这张单子下面。至少在我们现在的理解里,session 更像一次交流或执行发生的地方,Task 才是把这些过程串起来的那件事。
这个设计的好处,我们一开始只看到一层,后来发现其实是三件事。
第一件,人有地方看了。 一件事如果只活在聊天记录里,人是没法判断它走到哪一步的。Task 有形态,有形态才有「展示」可言,不然你只能对着一条滚动条猜它到底干完没有。这其实是我们最初的初衷,也是能带来直接的用户体验提升的地方。

第二件,上下文有了边界。 这是我们用了几个月之后意识到的。Agent 最难受的从来不是没能力,是被塞进一段无限长的对话里,什么都得记着,什么都得接着。Task 给了它一个可以切出去的落点,这件事归这件事,那件事归那件事。
每个 task 都可以有一个独立的 agent、独立的 model、独立的环境,以及独属于这个 task 的 session 序列,这使得一件事的长期演进真正成为了可能。

我们的 agent 定时汇报
第三件,触发信号这件事有了落点。 既然 Task 是一张独立的单子,「什么时候触发它」就变成一个可以单独拎出来设计的问题:可以由用户触发,也可以由 agent 自己触发,也可以由定时任务触发。这几条路一通,定时任务就不只是「到点跑一遍脚本」了。它可以去迭代这张工单本身,今天跑出什么、明天怎么改,慢慢地就有了一点自演进的味道。
我们在 9 月 9 日创建的后端接口 P95 日报,在一个多月的迭代后,Agent 自行将口径迭代到了 v13 版本,中间没有做过任何一次干预。

这三条听起来好像没啥太大的相关性,但其实它们在回答同一个问题。一个 Agent 和一次执行,多个 agent 和多次执行之间,应该需要什么样的组织关系。
02
便宜模型当「秘书」,
高级模型负责干活
有了工单来承载任务,接下来的问题是:在日常的群聊和协作流里,任务是怎么被提取和分发出来的?
其实双层架构并不是什么新鲜事。相信大家都有过这样的实践,让更强的模型来设计方案,然后让没那么强但是足够完成任务的模型来执行。通过这种方式,来实现成本和速度的平衡。相当于老板拍方案,手下的人去执行。
那 DeepSeek 里提到的,本质就是把模型选择反过来。让一个足够便宜且快速、但是智能达标的模型,在接受噪音的情况下,做一些简单的总结、分发,真正的工作还是让高级模型来执行。相当于秘书接电话,选事情上报给老板处理。

思路很简单,但也是经历了一些演化。比如最开始 Raft(当时还叫做 slock)让大家把 Codex / Claude Code 接入聊天频道,让他们可以直接感知人类讨论的上下文去干活。但是这里存在问题(当时的版本,不知道他们后来怎么处理的),在他们的博客中也提到了,一是成本,比如频道中每发一条消息,他们可能都需要去读一下才知道是否和自己相关,相比之下,人类只需要扫一眼就行。二是智能。如果我们希望保障 Codex 的产出质量,是不希望频道控制相关的上下文也混入其中的。(开发者对 harness 和 context 更为敏感,比如同样的模型,很多人用 pi 也不相信 codex)
真正的转折点发生在模型的进步。今年第一档模型的发展放缓了(相比于去年),但是第二档模型在速度、成本、智能上的优化却是惊人的。这才有了采用比如 DeepSeek Flash 来作为中转模型,接受这些聊天噪音,并且清晰地提取出任务,再交给专业的 Harness 和模型来隔离处理问题,一举解决了刚才提到的问题。
至于如何让 Agent 可以从噪音中提取出信号,我们已经完成了产品化,可以加规则,可以调程度,也可以反馈迭代。

DeepSeek 的 Trigger(扳机)策略

LobeHub 的 Trigger 产品配置
下图是在 LobeHub 的 Discord 中的真实截图:一个专门感知人类对话的 Agent,背后由 DeepSeek 驱动。但是真正的代码任务,会交给 Dario,背后由 Claude Code 驱动。没错,我们让 CEO 亲自来干活:)

03
Agent 该不该醒,
需要一套 Proactive 策略工程
如果这篇只能留一节,我们一定只留关于 Proactive 唤醒的这一部分,这里深度剖析了我们在主动唤醒上的一手实践。
像 Coding Agent 的唤醒机制可以说简单到几乎不用设计:人敲一句,它就动。所有的主动性都在人这边,它不需要有任何判断。
而一旦 agent 要在群里、在频道里、在没有明确指令的日常对话里活着,问题就整个变了。
最经典的两种唤醒是确定性的:有人 @ 它,它醒;命中某些关键词,比如「bug」,它醒。这两条特别好写,也特别好解释。因为它们是规则,不是判断。规则不需要智能。
但真实的聊天不长这样。真实聊天里大量是「这个按钮是不是有点歪」「这块要不要再想想」,甚至就是随口一句,连主语都没有。这种时候它该不该自己醒?
所以这里能做的事,其实比想象的多很多,我们分成了三层:直接叫、关键词与主动判断。

具体怎么设计唤醒,有几个核心思路展开聊聊。
第一,唤醒这件事应该是一个策略化的设计方案。不要做写死的判断逻辑,会迷失。不同策略之间存在「与、或、并、跳过」这一系列权重配置,同时有固定策略,也有交给模型判断的 LLM 策略。
譬如,在一个群里聊到设计相关的话题,设计 agent 就应该主动被唤醒,跑一轮并且接话。聊到具体的开发任务,它就不该醒,应该沉默着。
如果一个系统的唤醒是靠系统提示词里写一句「请在合适的时候主动参与」,那不叫策略,那叫愿望。实测愿望是拦不住任何一次误唤醒的。
那怎么办?我们给每个 bot 提供了一个自己的职责栏位。有了这层之后,讨论产品的时候,主管 agent NASA 会介入,答疑,或者干脆直接把需求记下来。讨论到需求或者设计形态,设计 agent 才会唤出来,去呈现相应的设计方案。而这种朴素设计思想的效果出乎意料地 work。

NASA 的职责边界
第二,「这事归不归我管」和「我现在插一句有没有帮助」,其实是两个不同的命题。
我们后来发现,在有些我们期待 NASA 唤醒的场景下,NASA 并没有唤醒。但如果此时唤醒的话,体验上应该会有惊喜感。

这里如果唤醒的话,体验上应该会有惊喜感
通过回测才发现,我们期待它唤醒的场景下往往不属于它的职责。duty 问的是「是不是职责范围内的事」,不是「插话有没有价值」,上一条截图中的职责匹配得分是 0.61,没过 0.65 的唤醒线。而另外有人问 NASA 刚发的链接为什么还带着 sign in 的 meta,它职责分只有 0.27。前者是它有机会查清楚的问题,后者更是它自己的回复相关的问题。只问「属不属于职责」,很容易把这种值得接的话放过去。
我们也试了把阈值往下调,比如降到 0.60,前面那条 0.61 的问题就能进来。但那个链接问题只有 0.27,还是会漏掉。而在我们自己标注了的同一批记录里,一句「其实就是 Agent Role」这样的闲聊也拿到了 0.55。继续降低阈值,它也可能被叫醒。光调这个数字,能改变唤醒的多少,却没法判断 NASA 这时说话到底能不能帮上忙。
此时我们突然意识到,「这事归不归我管」和「我现在插一句有没有帮助」,其实是两个不同的命题。这是两种不同的优化方向。一种是「老实本分」地做好自己,另一种则是乐善好施地帮助他人。而一个好的 agent 伙伴,应该是「手里有活,眼里有光」,两者兼具。
04
被唤醒之后,
Agent 也可以选择不说话
还有一个我们觉得特别重要的东西:沉默。
在 proactive 的场景里,沉默不是一个 bug,它反而变成了一个很重要的 feature。
你不给它留这个出口,主动就一定会变成噪声。一个永远在接话的话痨 agent,最后大概率被所有人静音,这几乎是可预见的结局。
在实现的思路上,其实大家会很类似,都是两阶段。先有一段前置判断,然后再是 agent 执行。一般前一段用一个分类器快速判别一下,这条消息要不要惊动谁。但其实后面那段也需要考虑,agent 被唤醒之后,它自己要决定是不是该停下来,或者干脆不响应。

有了这样一套机制,后面的流程才谈得上。因为唤醒是一个叫醒的动作,而叫醒之后要不要开口,才是更智能的。为什么 bot 在被唤醒后,不能是「看了一眼,觉得没自己什么事,然后继续睡」?
05
Agent 怎么在反馈里变得更有分寸
策略是会过期的,也需要演进。那如何演进?
我们在之前的《需要自进化的不是 Agent,而是 Harness》里提过,tracing 是进化的原材料,所以这里就有了核心的 4 步。

第一件事,记录完整的原始场景。 只有留了现场,用户才能观测、才能理解这个 bot 到底该怎么调整和优化。它是没醒对,还是醒了但说错了?这两种问题要改的地方完全不一样。没有现场,反馈就只剩情绪,而「它好烦」这种话你没法据此改任何东西。
第二件事,给它一套拿得到反馈的机制。 点赞、点踩,或者干脆丢一个笑哭的表情。随手给出的表情就已经具备丰富的反馈信号了。
第三件事,每天晚上做总结的时候自我迭代一次。 把白天的信号过一遍,自己改一版。
第四件事,回测。这一条才是真正的工作量:之前该唤醒的还唤醒,之前不该唤醒的被解决掉。
这件事我们还在迭代过程中,目前只是完成了第一步。在接下来一两周内,我们将会完整实现 2~4 步,进而让 agent 同事在和大伙相处的过程中,越来越得体、知分寸。
06
团队里的设备,
正在变成 Agent 的资源池
除了任务组织和唤醒策略,DeepSeek 文中还提到了「一个 Agent 不再受限于单台机器,而是可以在不同的执行设备之间切换,根据任务需要选择环境来执行命令并获取环境中的上下文。」这一点在 LobeHub 上也是今年 5 月份就实现了。

之前我们也讨论过 Agent 和 Computer 的关系,在 Personal Agent 中,这种选择只会让用户困惑,也无法保证切换设备后,该有的 skill 还有,该有的软件还有,GrokBot 是我们看来在个人场景下的最佳方案。
但是在团队场景下、在生产力场景下,设备本身只是一种资源,并且一定是配置好的。问题又变成了资源的调度。一方面,Agent 能够自行选择设备,就可以做到根据性能和空闲选择机器、不同操作系统的切换构建验证。另一方面,我们也可以在设备侧做一层抽象,变成动态伸缩和调配。这也必将是未来 Agent Infra 的方向。
07
当 Agent 进入团队,
资源、成本和责任怎么分?
以上是我们在 Super-agent 这条路上的一些实践与思考。很高兴看到 DeepSeek 梳理的架构和我们在产品与工程上一直探索的方向如此契合。
但当设备、工具和 Agent 都进入团队场景之后,哪怕探索了这么多,还有一个问题已经萦绕了我们 3 个多月,我们都还没想明白该怎么优雅地解决。而且我们相信它会在接下来,随着大家在用协同 agent 时频次越来越高,变得越来越显著。
它就是,资源或者资产的归属。
场景很简单,一个 agent 在频道里产出了一份东西。于是立刻有两个问题蹦出来,这条执行的成本算谁的?是 bot 主人的,还是发起这件事的人的?这份产出又属于谁?是主人,还是发起者?
往前推一步就会发现,这已经不只是记账问题了。它涉及到组织当中,生产资料和生产价值发生的结构化特征。
放大到社会里来看,我们有合同机制,白纸黑字锚定最终产物的归属。但 agent 这个载体有点特殊,它是一个自动运行的载体,一方面它用的资源是主人的,另一方面发起者可能又带上了自己的那部分资源。两边都出了一部分,产物落谁名下?
举两个场景,它们甚至是需求完全相反的场景,特别能说明这种冲突。
假设有一个帮人整理邮件的 agent。如果用的是创建 bot 的主人绑定的 Gmail,那整理出来的全是主人的邮件。这显然不合理吧,用户要的是整理自己的邮箱,此时 Gmail 是必须要连到发起者才行的。
再假设有另外一个 agent,连接了某个股票数据库 MCP,以 bot 的形式对团队提供服务。这时候对话发起者本身并不拥有这个 MCP 服务,他只有「想用」的意愿。如果你让他先去把这个 MCP 的所有权配一遍,这事非常麻烦:他既没有权限,大概也没有这个必要。
这两个例子放在一起,我们无法直接说「资源都归发起者」或者「都归 bot 主人」。整理邮件时,agent 得用发起者的 Gmail。查股票数据库时,它可能恰恰要用 bot 主人提供的 MCP Server。同样是一个人在频道里叫 agent 做事,能用谁的资源,答案就已经不一样了。再往下问,调用成本由谁承担、产出的内容算谁的,也不能只凭「谁发起了对话」一项来定。
以前用 Coding Agent 时不太会被这个问题绊住,通常是我们在自己的环境里发起执行、提供资源,也由自己接收结果。可一旦把 agent 放进团队频道,这几个人可能不再是同一个人。发起者能提需求,不代表他有权调用 bot 主人的所有资源;bot 主人提供了工具,也不代表每份产出都该归他。
所以这块我们到现在也还没想清楚。表面上是在分资源的使用权限、执行成本和产物归属。再往下问,其实是 agent 在代表谁做事?它凭什么调用某个人或团队的资源?做成了、做错了,谁来接这个结果?
我们隐约觉得,这可能碰到了人和 agent 一起工作时最根本的关系。但这个关系到底该怎么定义,我们也还在求索中。对于接下来各家 Agent 产品的形态变化,我们非常兴奋和期待。
更多阅读
Agent 时代,人和 AI 关系的再探讨
Photon:帮硅谷最火的 PA 接入 iMessage,450 万美元融资、4 个月收入涨 10 倍
走!一起去 CES,把你的硬件卖到全世界
软件的用户变成「人 + Agent」之后:10 月最值得关注的 8 个 AI 产品
