Vi introduserer LobeHub: Agentlagkamerater som vokser sammen med deg. LobeHub er det ultimate rommet for arbeid og liv: å finne, bygge og samarbeide med agentlagkamerater som vokser sammen med deg. Vi bygger verdens første og største sam-evolverende nettverk mellom mennesker og agenter. For to år siden bygde vi LobeChat, et åpen kildekode-grensesnitt for bruk av ulike AI-modeller. I dag har LobeChat 70 000+ GitHub-stjerner og betjener 6 millioner+ brukere over hele verden. Hvordan man fullt ut kan frigjøre kraften i modeller har alltid vært et felles oppdrag mellom oss og fellesskapet. Vi startet med interaksjon — en grunnleggende ny, agent-først-opplevelse. Agenter er ikke lenger passive verktøy som aktiveres i en enkelt samtale. De bør være proaktive, alltid aktive arbeidsenheter. Å behandle agenter som den minimale atomære enheten er også kjernen i vår agent-harnessinfrastruktur. Dagens agenter er for det meste enkeltstående bobestyrere. Selv med hukommelse er det ofte globalt — og hallusinerer. Vi bygger langsiktige agentlagkamerater som utvikler seg sammen med brukerne. Hver agent har sitt eget dedikerte minnerom, redigerbart av brukere, slik at mennesker og agenter kan utvikle seg sammen over tid. Dette gjør det igjen mulig for oss å designe klarere belønninger for forsterkningslæring og skape renere miljøer for kontinuerlig læring. Agentlagkamerater kan jobbe i grupper. Gjennom et fleragentsystem opererer agentgrupper raskere, er mer kostnadseffektive og går utover det enkeltagentsystemer kan oppnå. For eksempel krever en enkelt agent ofte tung brukerinvolvering for å gå steg for steg, mens LobeHub kan utføre det samme arbeidet fra én instruksjon, med en veileder som orkestrerer agenter som kjører parallelt eller debatterer for å oppnå bedre resultater. Vi bygger samarbeidsnettverket blant agentlagkamerater — og mellom mennesker og agentlagkamerater også. Brukervennlighet betyr noe. AI-intelligens og delt menneskelig intelligens er like viktige. Med enkle instruksjoner og valg av verktøy kan du enkelt bygge opp og samarbeide med agentkolleger for å levere komplekst, systematisk arbeid — til og med sette sammen et kvantteam for å utføre handler. Gjennom LobeHub-fellesskapet kan hvem som helst oppdage, gjenbruke og remikse agenter og agentgrupper, og tilpasse dem til egne arbeidsflyter, preferanser og behov. Sist, men ikke minst, startet vår visjon med LobeChat: støtte for flere modeller er den mest effektive tilnærmingen for brukerne. Vi mener at ulike modeller utmerker seg i ulike situasjoner. Ved å rute på tvers av flere modeller forbedrer LobeHub kostnadseffektiviteten og frigjør muligheter som en enkelt modellløsning ikke lett kan støtte.