賽博包工頭來了！CAO上崗實測：組建團隊4分鐘，翻車一整天
AI開始自己管AI了！
自打人類開始死磕人工智能助手這個賽道之后，大家可以說是真沒少折騰...
前年大家都在瘋狂背誦怎么寫提示詞，生怕自己跟不上時代的步伐；去年大家又開始到處搜羅好用的單體Agent，想著給自己找幾個免費的賽博打工人，路線是越卷越離譜。
折騰到最后，大家發現光靠一個Agent單打獨斗，這體驗好像快到天花板了。但你要說多準備一些Agent和Skills，自己又會莫名其妙變成了包工頭，每天一睜眼就是給十幾個不同的AI工具分配任務。
這哪里是解放生產力，簡直是給自己找了個爹。
就是說，有沒有一種可能性，讓我們給數目茫茫多的Agent找個管事的，讓他們能夠自己規劃、完成工作呢？
LobeHub也是這么想的。
（圖源：X）
5月18日，開源AI項目LobeHub在X上宣布最新的更新動態——Chief Agent Operator，全稱叫作首席智能體運營官，號稱能夠幫助用戶自主招募幾百個Agent，給你組建一支無休止運轉的專業團隊。
好家伙，時代變了，AI直接翻身做主管了？
賽博包工頭，體驗很骨感
先給村里剛通網的兄弟們簡單科普一下LobeHub的背景。
這玩意原本是個在開源社區還蠻火的Agent整合交互項目，在那個滿是脫發大佬的 GitHub 平臺上，它硬是狂攬了快八萬顆星，絕對是開源圈子里的頂流選手。
（圖源：Github）
主打功能也很簡單，就是把各家大模型以及用戶能部署的Agent整合到一個界面。
比如什么Codex、Claude Code、OpenClaw、Hermes Agent啊，只要部署好了就能接入這個統一入口，甚至能夠統一管理需要用的Skills和外部服務端口。
正所謂三個愿望，一次滿足。
（圖源：LobeHub）
但這幫開發者明顯嫌只做個好看的整合UI太沒挑戰性了，于是掏出了這套名叫CAO的終極調度系統。
按照官方那套宣傳，你現在徹底不用費勁巴拉地去背什么提示詞、找什么Agent了。
你現在的身份，是躺著指揮賽博打工人的大老板。
比如你甩給CAO一個任務，幫我把全網關于某款新能源車的評測都扒下來拉個表格之類的。CAO接到命令后，就會從庫里直接調動幾十萬種技能模板，瞬間把干活的Agent小弟拉滿，然后安排這幫家伙在云端瘋狂并行處理。
你呢，只需要把手機一鎖，安安心心去睡個大頭覺，第二天早上查收一份CAO恭恭敬敬遞上來的每日簡報就行。
聽起來是不是爽到天靈蓋了？反正我是聽到這個消息立刻就去嘗試了。
（圖源：雷科技）
正如大伙看到的，這次的需求還是比較簡單的。
在收到需求后，LobeHub很快便調用Agent Management工具，并對我提出了明確一系列參數的需求。
（圖源：雷科技）
在我明確需求后，很快呀，一支專業團隊就搭建起來了。
（圖源：雷科技）
整體搭建時間還不到四分鐘，而且團隊的分工、安排都是比較明確的，每個都有自己的名字和職責，而不是一個什么都要干的“全能選手”。
那接下來，就該放手讓它生成，看看效果如何了。
哈哈，騙你的，結果是失敗，而且是周而復始的失敗，不斷嘗試不斷失敗，需要你點一萬次確認批準的那種失敗。
（圖源：雷科技）
直到最后，終于有點新東西了...怎么是沒額度了？
（圖源：雷科技）
說點難聽的，這一波體驗多多少少是把我本來的期待感給蓋下去了，有沒有氣笑真不好說，臉上的表情是直接綠了。
雖然我很想給大家找一個成功的案例，但目前海外社媒上根本就沒有用戶成功過。
比起成功的案例，反而是有不少網友吐槽這玩意的上手門檻高得離大譜，自動任務算力消耗過于迷惑，簡直是在給各大模型廠商瘋狂打錢，在長任務鏈的情況下甚至還存在讓人血壓狂飆的鏈式翻車問題。
把任務完全甩手給CAO，就像是把一輛沒裝剎車的跑車交給了剛拿駕照的新手，只要第一個Agent理解錯了，給第二個Agent傳了錯誤指令，最終你就很可能得到一個風馬牛不相及的成品。
（圖源：雷科技）
用這玩意來辦公，你第二天收拾爛攤子的時間，可能比自己從頭手打還要多得多。
散養AI？還早得很呢
看著大家瘋狂吐槽LobeHub的CAO ，小雷心里有一種極度強烈的既視感。
其實這種讓AI去管AI的全自動化思路，并不是LobeHub一家獨創。經常看雷科技評測的老粉可能還有印象，我們在去年七月份就體驗過一款類似的應用，名字叫MasterAgent。
我們當時的初衷特別淳樸，就是想搞個全自動寫報告和鼓搗PPT的賽博打工人，好讓我們能騰出時間去樓下多買幾杯咖啡。
結果嘛...雖然中間也有磕磕絆絆，但最終成品還是輕松暴殺了LobeHub的CAO。
（圖源：雷科技）
當然了，MasterAgent也有自己的問題，比如自動收集的資料時間不對，或是幾個Agent互相推諉扯皮不干活，甚至還會產出一些格式敷衍、內容簡短的報告。
但只要及時介入，它最終端出的成品是能讓人滿意的。
注意這里的關鍵詞：介入，就我目前的實際體驗來看，想把AI徹底散養，確實還是太科幻了點。
然而，不管是去年的國產先驅MasterAgent，還是現在爆火的LobeHub CAO，它們所勾勒的藍圖都在極盡所能地減少人類插手的成分，似乎用戶真的只要在睡前發個指令，第二天早上就能得到一份心滿意足的成果。
（圖源：LobeHub）
不是哥們，工作不是這么好做的。
不同于一問一答的對話式Agent，CAO這類應用很難做到有求必應，你按下一鍵啟動，就像是按下了火箭發射的倒計時按鈕，只能眼睜睜看著這玩意轟鳴著升空，并在心里默默祈禱它千萬別在半空中炸成一朵大煙花。
而我的這次嘗試，可以說就是因為燃料不足而墜機了。
然后痛苦的地方來了，因為工作大綱是CAO分配的，中間的代碼是底層Agent寫的，外部數據接口是另一個Agent調用的。面對一個接近黑盒的執行過程，你、我、他最后大概率根本找不到到底是哪個Agent捅了簍子，唯一的解決辦法只能是把整個任務推倒重來。
（圖源：雷科技）
我甚至還遇到了看不到技能調用的BUG，就更別提怎么去排查了。
其次，過度依賴這種應用，還會帶來嚴重的同質化隱患。
當市面上所有公司的內容運營、代碼開發甚至市場調研報告，都是由幾個開源CAO帶著差不多的Agent小弟流水線般產出的時候，互聯網上充斥的可能全都是千篇一律的標準模板和缺乏靈魂的廢話。
嘖嘖嘖，真有點不敢想象那樣的未來。
說在最后
不過話說回來，吐槽歸吐槽，這并不能阻擋歷史的車輪向前碾壓。
就像當年有了全自動洗衣機，搓衣板便很快被淘汰了那樣，不管中間會經歷多少次翻車，不管人們會為了調教這個應用掉多少根頭發，將繁瑣的執行和分配工作交給全自動化管理系統，已經是整個硅谷和國內科技大廠都在瘋狂押注的明天。
人類在追求變懶這條路上，從來就沒有停止過探索。
至于那些擔心自己會被CAO搶走工作的...說到底，CAO不是一個真實的崗位，甚至算不上什么新鮮概念，只能說科技圈造詞的速度還是太權威了。
（圖源：LobeHub）
而且這玩意和CGO（首席增長官）、CTO（首席Token官）還不一樣，那倆起碼算是真實存在的崗位。
前者嘛，本質上就是CMO（首席營銷官）換個寫法，后者就比較扯了，我也找不到幾個設有該崗位的正經公司，只能說在這個時間點，大部分企業還用不著精細化管理Token用量的人。
至于你說，面對CAO這種滿天飛的新概念，咱們到底該怎么對待？
我是覺得大伙千萬別被大廠的造詞運動給PUA了。不管它是C啥O，本質上就是一個還在試錯期的復雜高級工具。極客大佬大可以去折騰，普通人老老實實用好最基礎的聊天框就行。
等這玩意哪天真的不亂燒錢也不發瘋了，咱們再安心上車也不遲。
LobeHubCAOAgentAI大模型
來源：雷科技
本文圖片來自：123RF 正版圖庫
原文標題 : 賽博包工頭來了！CAO上崗實測：組建團隊4分鐘，翻車一整天
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
