🧠 LobeHub：77k Stars 的 AI 团队指挥官，把 Agent 当正式员工来管

项目地址：github.com/lobehub/lobehub | ⭐ 77,273 | 🛠 TypeScript | 作者 LobeHub

老实说，现在用 AI Agent 最大的痛点不是模型不够强，而是管理太散。今天跑一个 ChatGPT 写周报，明天开一个 Claude 做编码，后天又去 Perplexity 查资料——Agent 之间互相不认识，上下文各管各的，每次对话都是一次"盲盒体验"。

LobeHub 的解法很简单：把 Agent 当正式员工来管。 招聘、排班、汇报一条龙，你只要当你的"首席 Agent 运营官"（Chief Agent Operator）。

一、核心思路：Agent 就是你的团队

LobeHub 不是又一个聊天 UI。它把 Agent 当作工作单元——每个 Agent 有自己的角色、记忆、技能集，可以安排它们并行干活、轮班值守。

三个核心概念：

• Operator：招人、排班、汇报，管整个 AI 团队
• Agent Groups：把多个 Agent 编成项目组，并行协作
• Personal Memory：Agent 从你的工作中持续学习，越用越懂你

最骚的操作是定时调度——你可以说"每天早上 9 点让我的周报 Agent 拉数据写报告"，它自己就按时干活，你醒来直接看结果。

二、一行命令部署

用 Docker 自托管，3 步搞定：

# 1. 创建工作目录
mkdir lobehub-db && cd lobehub-db

# 2. 初始化基础设施
bash <(curl -fsSL https://lobe.li/setup.sh)

# 3. 启动服务
docker compose up -d

搞定。浏览器打开就能看到你的 Agent 运营后台。

三、10000+ 技能和 MCP 插件

LobeHub 内置了超过 10,000 个工具和 MCP 兼容插件，覆盖日常开发、内容创作、数据分析等场景。而且模型无关——OpenAI、Gemini、Claude、Llama 随便换，同一个 Agent 换个模型就能跑。

# 环境变量里配好 Key 就行
OPENAI_API_KEY=sk-xxx
# 或者
ANTHROPIC_API_KEY=sk-ant-xxx
# 重启容器生效
docker compose restart

四、Agent Groups：多 Agent 并行干活

这是我觉得最实用的功能。写一篇文章需要调研 → 大纲 → 初稿 → 配图 → 排版？别自己盯流程了，建一个 Agent Group：

1. 创建一个 Research Agent 负责查资料
2. 一个 Writer Agent 负责写稿
3. 一个 Design Agent 负责配图
4. 把它们拉到同一个 Workspace 里
5. 设置好触发器，它们自动接力干活

Agent Groups 支持 Pages（共享上下文的协作空间）、Schedule（定时执行）、Project（按项目组织）、Workspace（团队协作空间）。

五、Personl Memory：Agent 越用越聪明

不同于市面上大部分"每次对话都失忆"的 Agent，LobeHub 的 Personal Memory 让 Agent 记住你的偏好。而且记忆是白盒的——你能看到 Agent 记了什么，随时编辑删除。

踩过的坑都是泪，但 Agent 替你记住了就不会再踩。

六、总结

• 不是聊天 UI，是 AI 团队管理系统
• Agent 当员工管——招聘、排班、汇报一条龙
• 10,000+ 技能 + MCP 插件，几乎覆盖所有场景
• Docker 自托管，数据隐私可控
• 模型无关，OpenAI / Claude / Gemini 随便换

别整那些花里胡哨的，如果你手上有超过 3 个 AI Agent 在跑，LobeHub 就是那个你缺的指挥中心。

标签：#AI-Agent #LobeHub #开源 #Agent-Orchestration #团队协作