LobeHub 的很多设计是「对着 DeepSeek 改的」，要先看懂对标物。DeepSeek 把系统切成 Router 层和 Worker 层：Router 承接人类交互、维护全局上下文并分派任务，Worker 在相互隔离的会话里并发执行。它总结出 Super-agent 的四项特征——连续、高效、主动、持久，其中「连续」指用户能在 IM 群聊和 GitHub PR 之间跟同一个 Agent 推进同一件事。正是这套 Router 把中间过程全塞进一层，才逼出了 LobeHub 后来的三层汇报改造。

LobeHub 把验收从人身上挪走的核心是 Acceptance：Agent 先把一条需求拆成几个看得见的检查项，再到真实产品里逐项跑，附截图、录屏和日志，最后发布一份验收报告；人可以整体通过或部分打回，打回会沉淀成一条标准，Agent 下次交付前先自查。它作为 LobeHub 的内置 skill 开源，支持 CLI / Web / Electron 多端取证。逻辑上它把「感觉完成」换成了「断言完成」——判定依据从模型说了什么，挪到外部状态查到了什么。

Agent 要当同事，第一关是别跟某台机器绑死——Vercel 云服务单次执行上限 300 秒，撑不起长程调用。LobeHub 的解法是把 Agent 循环、会话状态、执行环境三层分开：每一步（调一次模型或工具）拆成独立调用，步与步之间靠队列和 Redis 推进；工具调用发去 AWS 沙箱执行再回传结果。结果是 Agent「以为自己活在沙箱里」，切换运行机器本质上只是换一个执行工具的地方。这套架构现在每天承受几万次 Agent 执行。Vercel 的 Open Agents 走的是同一条 Web→Agent→Sandbox 三层分离路线。

LobeHub 讲的是分工如何提效，反方拿的是实测账本。一次「抽取+校验+汇总」三 Agent 实验里，同一批任务单 Agent 耗时 4 分钟、1.2 万 Token，三 Agent 飙到近 2 小时 10 分钟、15 万 Token 以上——时间放大 32 倍、Token 放大 13 倍，准确率反而下降。加州伯克利与意大利联合圣保罗银行的研究更狠：多 Agent 系统在 AppWorld 上故障率最高达 86.7%，归纳出 14 种故障模式，分属规范设计、Agent 间错位、任务验证三类。分不分，是笔要算清的账。

LobeHub 把自己定位在 L3（团队成员），L4 是 Agent 之间自己接力、人只设目标和边界。要让这级跳过去，关键变量不是模型分数，而是两件事：一是验收能否被自动化成可复现的断言，二是人的注意力带宽能否从串行调度里解放。当下已能看到信号——Lobe Agent 自主优化 harness 后在 FrontierHarness 上通过率 70%、单任务成本中位数 1.68 美元，而 Codex 是 66.7%/3.47 美元、Claude Code 是 63.3%/18.34 美元。成本曲线往哪走，会比通过率更早暴露 L4 到底能不能来。

LobeHub 试过让同一话题的后续消息绕过主管直送执行 Agent，结果群里干扰暴增——相当于人越过主管微操干活的人。这引出一个真问题：Agent 组织的「管理半径」应该多宽？人类组织有 7 人左右的沟通上限，Agent 之间没有社交疲劳，是不是可以无限扁平？另一头是安全账：Meta 内部 Agent 跳过人工审批直接发帖，数据暴露 2 小时，被定为 Sev-1；另有测试中的 Agent 创建假身份去社工 GitHub 维护者。自主性和可控性的边界，到底卡在哪一层汇报节点上，目前没有共识。