Der Cyber-Bauvorarbeiter ist gekommen. CAO wird live getestet: Es dauert 4 Minuten, ein Team zusammenzustellen, aber der Tag ist von Anfang bis Ende voller Misserfolge.

Seitdem die Menschen sich auf dem Gebiet der künstlichen Intelligenz-Assistenten engagieren, haben wir uns nicht wenig bemüht...

Vorgestern haben alle wild versucht, die Tipps für die Eingabe von Anweisungen zu lernen, aus Angst, der Zeit hinterher zu hinken. Letztes Jahr haben alle danach gesucht, gute einzelne Agenten zu finden, um sich einige kostenlose künstliche Arbeiter zu verschaffen. Der Wettlauf wurde immer extremer.

Am Ende haben wir festgestellt, dass die Erfahrung mit einem einzelnen Agenten schnell an ihre Grenzen stößt. Aber wenn man mehrere Agenten und Fähigkeiten bereitstellt, wird man plötzlich wie ein Bauleiter, der jeden Morgen aufwacht und Aufgaben an ein Dutzend verschiedene künstliche Intelligenz-Tools verteilt.

Das ist keine Befreiung der Produktivität, sondern eher ein neuer Kopfschmerz.

Also, gibt es die Möglichkeit, dass wir für die unzähligen Agenten einen Leiter finden, der sie planen und ihre Arbeit ausführen lässt?

LobeHub denkt auch so.

(Quelle: X)

Am 18. Mai hat das Open-Source-KI-Projekt LobeHub auf X die neuesten Updates angekündigt - den Chief Agent Operator, dessen vollständiger Name Chief Intelligence Agent Operator ist. Es behauptet, die Benutzer zu helfen, hunderte von Agenten selbständig zu rekrutieren und ein unermüdliches professionelles Team zu bilden.

Wow, hat sich die Zeit verändert, und die KI ist jetzt der Chef?

Der künstliche Bauleiter - die Realität ist hart

Erkläre ich kurz den Hintergrund von LobeHub für diejenigen, die erst kürzlich ins Internet gekommen sind.

Dieses Ding war ursprünglich ein beliebtes Agenten-Integrations-Interaktionsprojekt in der Open-Source-Community. Auf der GitHub-Plattform, die von vielen Experten bevölkert ist, hat es fast 80.000 Sterne gesammelt und ist definitiv ein Top-Projekt in der Open-Source-Welt.

(Quelle: Github)

Die Hauptfunktion ist einfach: Es integriert verschiedene große Modelle und von Benutzern deploybare Agenten in eine Schnittstelle.

Zum Beispiel Codex, Claude Code, OpenClaw, Hermes Agent usw. Sobald sie deployt sind, können sie in diesen einheitlichen Zugang integriert werden, und man kann sogar die benötigten Fähigkeiten und externe Service-Ports einheitlich verwalten.

Man könnte sagen, dass es drei Wünsche auf einmal erfüllt.

(Quelle: LobeHub)

Aber die Entwickler fanden es offensichtlich zu einfach, nur eine schöne Integrations-UI zu erstellen. Deshalb haben sie dieses ultimative Scheduling-System namens CAO entwickelt.

Laut der offiziellen Werbung müssen Sie jetzt nicht mehr mühsam Anweisungen lernen oder nach Agenten suchen.

Sie sind jetzt der Großboss, der seine künstlichen Arbeiter befehligt, ohne sich zu bemühen.

Wenn Sie CAO eine Aufgabe geben, wie z. B. alle Bewertungen eines Elektromobils im Internet zu sammeln und in einer Tabelle zusammenzufassen, wird CAO direkt aus seiner Datenbank Hunderttausende von Fähigkeitsschablonen mobilisieren, die Agenten schnell zusammenstellen und diese dann im Cloud-System parallel arbeiten lassen.

Sie können einfach Ihr Handy sperren und ruhig schlafen gehen. Am nächsten Morgen können Sie sich die von CAO vorbereitete Tagesbesprechung ansehen.

Klingt das nicht toll? Ich habe sofort versucht, es auszuprobieren, als ich von dieser Nachricht hörte.

(Quelle: Lei Technology)

Wie Sie sehen können, war diese Aufgabe relativ einfach.

Nachdem LobeHub die Aufgabe erhalten hatte, hat es schnell das Agent Management-Tool aufgerufen und mich um die Angabe einer Reihe von Parametern gebeten.

(Quelle: Lei Technology)

Nachdem ich die Anforderungen klar gemacht hatte, wurde schnell ein professionelles Team aufgebaut.

(Quelle: Lei Technology)

Der gesamte Aufbau dauerte weniger als vier Minuten, und die Aufteilung der Arbeit im Team war klar. Jeder Agent hatte seinen eigenen Namen und seine eigene Aufgabe, anstatt ein "Allrounder" zu sein.

Dann sollten wir es loslassen und sehen, wie es funktioniert.

Ha, ich habe Sie getäuscht. Das Ergebnis war ein Misserfolg, und zwar ein wiederholter Misserfolg. Es musste ständig versucht werden, und es war so, dass Sie tausendmal Bestätigungen geben mussten.

(Quelle: Lei Technology)

Am Ende gab es endlich etwas Neues... Warum war das Guthaben aufgebraucht?

(Quelle: Lei Technology)

Ehrlich gesagt hat diese Erfahrung meine Erwartungen etwas getrübt. Ich weiß nicht, ob ich ärgerlich oder amüsiert war, aber mein Gesicht war grün vor Ärger.

Obwohl ich gerne ein erfolgreiches Beispiel für Sie zeigen würde, gibt es bisher keine erfolgreichen Fälle in den sozialen Medien im Ausland.

Im Gegensatz zu erfolgreichen Beispielen gibt es viele Kommentare von Nutzern, die beschweren, dass die Einstiegshürde dieses Tools extrem hoch ist, der Rechenverbrauch für automatische Aufgaben verwirrend ist und es fast so ist, als würde man den Anbietern von großen Modellen Geld geben. Bei langen Aufgabenketten gibt es sogar das Problem, dass es zu einer Kaskade von Fehlern kommt.

Wenn man die Aufgabe vollständig an CAO überlässt, ist es wie, wenn man einem Anfänger mit frisch erworbenem Führerschein einen Sportwagen ohne Bremse gibt. Wenn der erste Agent die Aufgabe falsch versteht und dem zweiten Agenten eine falsche Anweisung gibt, ist es sehr wahrscheinlich, dass man am Ende ein völlig unbrauchbares Ergebnis bekommt.

(Quelle: Lei Technology)

Wenn man dieses Tool für die Arbeit verwendet, wird man am nächsten Tag wahrscheinlich mehr Zeit damit verbringen, die entstandenen Probleme zu beheben, als wenn man die Arbeit selbst von Anfang an erledigt hätte.

Freie Verwaltung von KI? Es ist noch lange nicht so weit

Als ich die vielen negativen Kommentare über LobeHubs CAO las, hatte ich das Gefühl, dass ich das schon einmal erlebt habe.

Tatsächlich ist diese Idee der vollautomatischen Verwaltung von KI durch KI nicht nur von LobeHub entwickelt worden. Die alten Fans, die regelmäßig die Tests von Lei Technology lesen, erinnern sich vielleicht, dass wir im Juli letzten Jahres eine ähnliche App namens MasterAgent getestet haben.

Unser ursprünglicher Gedanke war sehr einfach: Wir wollten einen vollautomatischen künstlichen Arbeiter haben, der Berichte schreibt und Präsentationen erstellt, damit wir uns Zeit nehmen können, um ein paar Kaffeekannen zu kaufen.

Das Ergebnis war... obwohl es auch Schwierigkeiten gab, war das Endergebnis von MasterAgent deutlich besser als das von LobeHubs CAO.

(Quelle: Lei Technology)

Natürlich hat MasterAgent auch seine eigenen Probleme. Beispielsweise werden die automatisch gesammelten Daten manchmal falsch datiert, oder einige Agenten schieben die Arbeit gegenseitig ab und tun nichts. Manchmal werden auch Berichte mit schlechtem Format und kurzem Inhalt erstellt.

Aber wenn man rechtzeitig eingreift, kann das Endergebnis zufriedenstellend sein.

Achten Sie auf das Schlüsselwort: Eingreifen. Aus meiner aktuellen Erfahrung ist es noch zu früh, die KI vollständig freizugeben.

Obwohl sowohl der chinesische Pionier MasterAgent vom letzten Jahr als auch das derzeit beliebte LobeHub CAO in ihren Plänen versuchen, den menschlichen Eingriff so weit wie möglich zu reduzieren, scheint es, dass die Benutzer einfach vor dem Schlafengehen einen Befehl geben und am nächsten Morgen ein zufriedenstellendes Ergebnis erhalten können.

(Quelle: LobeHub)

Hey, die Arbeit ist nicht so einfach.

Im Gegensatz zu den dialogbasierten Agenten, die auf Fragen antworten, ist es für Anwendungen wie CAO schwierig, alle Anforderungen zu erfüllen. Wenn Sie den Startknopf drücken, ist es wie, wenn Sie den Countdown für den Raketenstart starten. Sie können nur zusehen, wie das Ding in die Luft schießt und hoffen, dass es nicht mitten in der Luft explodiert.

Mein Versuch war wie ein Absturz aufgrund von zu wenig Treibstoff.

Das Problem ist, dass die Aufgabenverteilung von CAO vorgenommen wird, der Code von den unteren Agenten geschrieben wird und die externen Daten Schnittstellen von einem anderen Agenten aufgerufen werden. Bei einem nahezu schwarzen Kastenprozess ist es für uns am Ende wahrscheinlich unmöglich, herauszufinden, welcher Agent den Fehler gemacht hat. Die einzige Lösung ist, die gesamte Aufgabe von vorne zu beginnen.

(Quelle: Lei Technology)

Ich habe sogar einen Fehler festgestellt, bei dem ich die Fähigkeitsaufrufe nicht sehen konnte. Es war noch schwieriger, den Fehler zu finden.

Zweitens bringt die übermäßige Abhängigkeit von solchen Anwendungen auch das Risiko der Homogenität mit sich.

Wenn alle Content-Management, Code-Entwicklung und sogar Marktberichte von Unternehmen von einigen Open-Source-CAO mit ähnlichen Agenten in einer Art Fließbandproduktion erstellt werden, wird das Internet wahrscheinlich voller einheitlicher Standardvorlagen und geistloser Redewendungen sein.

Oh, ich kann mir diese Zukunft kaum vorstellen.

Abschluss

T