9.4k stars!手中就有一整个 AI 团队:agency-agents 深度解析手中就有一整个 AI 团队:agency-agents 深度解析!

9.4k stars!手中就有一整个 AI 团队:agency-agents 深度解析手中就有一整个 AI 团队:agency-agents 深度解析!

手中就有一整个 AI 团队:agency-agents 深度解析

当别人还在反复调试同一个"万能提示词",有人已经在用一支分工明确的 AI 精英团队在干活了。

一、你是不是也有这些痛点?

用 Claude Code 写代码,前一秒在解 Bug,后一秒又要帮你想营销文案,再后一秒还得审查 UI 设计——同一个 AI 上下文频繁切换,结果每件事都做得平平无奇。

通用 AI 的问题在于:它什么都能做,但什么都不够专。

你有没有想过,如果 AI 也能像真实公司一样——前端有前端工程师、设计有 UI 设计师、增长有增长黑客——每个岗位的人用自己深耕多年的方式来工作,结果会有多大不同?

agency-agents 就是为了解决这个问题而生的。


二、agency-agents 是什么?

agency-agents 是 GitHub 上一个开源项目,⭐ Star 数已突破 6000+,由开发者 Michael Sitarzewski 创建,起源于一场 Reddit 讨论——关于 AI Agent 专业化分工这个话题,第一个版本发布 12 小时内就收到 50+ 名 Redditors 的强烈反响。

它的核心理念很简单:

把一支专业团队的能力,压缩进一套可直接调用的 AI Agent 配置文件。

每一个 Agent 都是一个 .md 文件,包含:

  • 🎯 专业方向:深度垂直,而非泛化的提示词模板
  • 🧠 独特人格:有自己的沟通风格和工作方式
  • 📋 交付导向:明确的产出物和可衡量的成功标准
  • 生产可用:经过真实项目打磨的工作流

项目使用 MIT 开源协议,商用、个人用均免费,无需署名。

在这里插入图片描述

三、团队里都有哪些"人"?

项目按部门组织,目前覆盖以下核心岗位:

🎨 设计部门(Design)

  • UI Designer — 构建设计系统、组件库,注重可访问性与规模化
  • UX Architect — 用户体验架构,信息层级与交互流程设计
  • UX Researcher — 用户旅程地图、行为分析、设计决策验证
  • Brand Guardian — 品牌一致性守卫者
  • Visual Storyteller — 视觉叙事专家
  • Whimsy Injector — “每一个趣味元素都必须服务于功能或情感目的”——这位专门注入设计趣味感

⚙️ 工程部门(Engineering)

  • Senior Developer — 全栈高级开发,专注 Laravel/Livewire 等技术栈的高品质实现
  • Frontend Developer — React/Vue 前端专家
  • AI Engineer — ML 模型开发、RAG 系统、LLM 微调的 AI 工程师
  • Mobile App Builder — iOS/Android 双端,离线优先架构

📣 市场部门(Marketing)

  • Content Creator — 内容创作者,面向不同平台生产高质量内容
  • Growth Hacker — 增长黑客,A/B 测试、病毒裂变机制、产品驱动增长
  • Reddit Community Ninja — “你不是在 Reddit 上做营销,你是在成为一个真正代表品牌的社区成员” — 这位专门做社区运营

✅ 质量部门(QA)

  • QA Engineer — “我默认寻找 3-5 个问题,并且对所有问题都需要视觉证明” — 不放过任何缺陷

四、怎么用?

第一步:克隆项目

git clone https://github.com/msitarzewski/agency-agents.git 

第二步:将 Agents 复制到 Claude Code 目录

cp-r agency-agents/* ~/.claude/agents/ 

第三步:在 Claude Code 中激活

直接在对话中告诉 Claude 你想使用哪个 Agent 模式,例如:

激活 Frontend Developer 模式,帮我搭建一个 React 组件库 
切换到 Growth Hacker 模式,分析我们的用户增长瓶颈并制定实验计划 
用 QA Engineer 模式审查这段代码,告诉我有哪些问题 

Agent 会立刻切换身份、调用对应的专业知识框架来响应你的需求,而不是给你一个泛化的通用回答。


五、为什么它和普通提示词不一样?

很多人会说:“我自己写个 system prompt 不就行了?”

差别在于深度和经验积累

以 Senior Developer 这个 Agent 为例,它不仅定义了角色,还内置了:

  • 具体的代码架构模式和质量标准
  • 常见实现误区的规避策略
  • 跨项目的记忆机制(记住成功的模式和踩过的坑)
  • 明确的交付物格式

这是数月迭代打磨的结果,而不是三分钟写出来的提示词。


六、总结

维度普通 Claude 提示词agency-agents
专业度泛化通用深度垂直
人格一致性每次重置角色固定,风格稳定
工作流随机标准化流程
交付物不确定明确可衡量
维护成本每次重新调试一次配置,持续复用

agency-agents 最大的价值不是"更强的 AI",而是"更专业的分工"。 它把 Claude Code 从一个万能助手,变成了一支有专业分工的 AI 团队。

对于独立开发者、创业团队、内容创作者来说,这相当于用一人之力撬动了多角色协作的效率杠杆。


📌 项目地址:https://github.com/msitarzewski/agency-agents

⭐ MIT 开源,免费商用,欢迎 Star 和贡献新 Agent

你在用 Claude Code 做什么项目?评论区聊聊,说不定我们可以一起设计一个专属 Agent。

Read more

10分钟,教你用OpenClaw+Chrome插件生成一份AI每日简报

大家好,我是岳哥。 最近在自己电脑上安装了OpenClaw(原名Clawdbot),越用越上瘾,中午吃饭的时候都还在用手机飞书给它下命令。 花了点时间让它帮我做了一个AI每日简报,可以看下效果。 这个是基于X和Brave Search搜索全网信息源生成的,我个人认为效果还是挺不错的,直接在飞书上就可以看到了。 下面给大家分享一下要如何实现这个功能。 安装OpenClaw和飞书插件 这个前面有详细介绍,包括飞书插件安装失败的解决办法,都有给大家分享,跟着教程操作都可以安装成功的。 具体链接如下: Clawdbot/Moltbot安装教程,接入飞书本地搭建你的AI助理平台 教你如何解决OpenClaw安装飞书插件失败的问题 安装Chrome插件 这个是OpenClaw开发的一个Chrome插件,可以根据你的要求使用Chrome打开你要搜索的信息关键词的相关网页。 这个插件分为三个部分: * 浏览器控制服务(网关或节点):代理/工具调用的API(通过网关) * 本地中继服务器(环回CDP):控制服务器与扩展之间的桥接(默认设置)http://127.0.0.

AI辅助开发新体验:让快马平台智能生成你的9·1免费版安装程序

AI辅助开发新体验:让快马平台智能生成你的9·1免费版安装程序 最近在开发一个9·1免费版的安装程序,发现传统安装包开发流程实在太繁琐了。不仅要手动处理各种系统兼容性问题,还得写大量代码来配置安装选项。直到尝试了InsCode(快马)平台的AI辅助开发功能,整个开发体验完全不一样了。 AI驱动的安装程序开发思路 1. 智能环境检测:传统安装程序需要开发者手动编写大量条件判断代码来检测用户系统环境。而通过AI辅助,只需简单描述需求,AI就能自动生成完整的系统检测逻辑,包括识别操作系统版本、语言设置、磁盘空间等关键信息。 2. 自然语言交互:最让我惊喜的是实现了自然语言配置功能。用户可以直接输入"我只想安装基本功能到D盘"这样的指令,AI会自动解析语义,转换为具体的安装参数。这比传统安装程序需要用户手动勾选各种选项友好太多了。 3. 智能安装优化:AI不仅能生成基础安装逻辑,还能模拟最优的文件部署顺序。它会分析文件依赖关系,优先安装必要组件,同时优化磁盘空间使用,最后生成详细的安装优化报告。 开发过程中的关键实现 1. 环境适配层:AI生成的代码包含了一个智能环境适配

OpenClaw 多 Agent 协作实践:用三个 AI 组成一个写作团队

OpenClaw 多 Agent 协作实践:用三个 AI 组成一个写作团队 很多人用 AI 的方式是 一个模型干所有事。 但现实世界里,复杂任务往往是 多角色协作。 比如写一篇文章: * 有人负责 头脑风暴 * 有人负责 写作 * 有人负责 统筹调度 OpenClaw 的 Multi-Agent 架构 正好可以实现这一点。 这篇文章带你从 0 到 1 搭建一个 三 Agent 协作系统: 用户 │ ▼ Coordinator(协调官) ├── Brainstorm(脑暴搭子) └── Writer(写作助手) 并通过 飞书群 实现真实的协作体验。 一、架构设计 我们创建三个 Agent: Agent角色职责brainstorm脑暴搭子创意发散writer写作助手文章创作coordinator协调官任务调度 任务流程:

2026年Python+AI学习路线完整指南:从零基础到实战专家

2026年Python+AI学习路线完整指南:从零基础到实战专家

✨道路是曲折的,前途是光明的! 📝 专注C/C++、Linux编程与人工智能领域,分享学习笔记! 🌟 感谢各位小伙伴的长期陪伴与支持,欢迎文末添加好友一起交流! 📊 目录 * 为什么选择Python+AI * AI技术领域分布 * 完整学习路径 * 分阶段学习指南 * 实战代码示例 * 学习资源推荐 * 常见问题解答 为什么选择Python+AI? Python已成为人工智能领域最主流的编程语言,根据Stack Overflow 2024年开发者调查,Python在AI/ML领域的使用率超过85%。 Python在AI领域的优势 优势说明🐍 语法简洁上手快,专注算法本身而非语法细节📦 生态丰富NumPy、Pandas、PyTorch等成熟库👥 社区活跃海量教程、开源项目和问题解答🔧 工具完善Jupyter、Colab等优秀开发环境🚀 部署便捷Flask/FastAPI快速构建AI服务 AI技术领域分布 了解AI各领域的占比,帮助你更好地规划学习重点: 35%30%15%12%5%3%2025年AI技术领域市场需求分布机器