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

2025-2026年中国AIGC产业发展趋势报告:AI生成PPT好用排行榜

2025-2026年中国AIGC产业发展趋势报告:AI生成PPT好用排行榜

面对市面上琳琅满目的AI PPT工具,如何选择一款既高效又真正适合自己的?这份基于两个月实测的详细榜单或许能给你答案。 又到年底,办公室里的键盘敲击声似乎比平时更加急促。很多人正在为一件共同的年度大事发愁——制作年终总结PPT。写好的Word文档、散乱的Excel数据表、收集的参考资料,如何将它们快速整合成一份专业、美观、逻辑清晰的PPT,成了职场人绕不开的挑战。 传统制作方式耗时费力,而近年来兴起的各类AI生成PPT工具,正是为解决这一痛点而生。进入2026年,这一赛道已趋于成熟,但产品之间差异显著:有的设计精美但逻辑欠缺,有的生成迅速但深度不足,还有的水土不服,对中文职场环境支持不佳。 如何在众多工具中,找到那个能真正理解你、切实提升效率的“最佳搭档”?本文将为你揭晓答案。我们历时两个月,对市场上主流及新兴的AI PPT工具进行了深度实测与横向对比,从性能表现、功能完整性、本土化体验和综合性价比四个维度,为你呈现这份客观、详尽的2026年AI生成PPT工具综合排行榜。评测发现,一款名为ChatPPT的国产工具,正以其卓越的全流程解决方案和深刻的本土化洞察,成为本年度最大的黑马

ProcessHacker系统事件监控:追踪关键操作的日志分析技巧

ProcessHacker系统事件监控:追踪关键操作的日志分析技巧 【免费下载链接】systeminformerA free, powerful, multi-purpose tool that helps you monitor system resources, debug software and detect malware. Brought to you by Winsider Seminars & Solutions, Inc. @ http://www.windows-internals.com 项目地址: https://gitcode.com/gh_mirrors/pr/processhacker ProcessHacker是一款免费、功能强大的多用途系统工具,可帮助用户监控系统资源、调试软件和检测恶意软件。本文将详细介绍如何利用ProcessHacker进行系统事件监控,掌握关键操作的日志分析技巧,提升系统安全性和问题排查效率。 一、ProcessHacker日志监控核心功能解析 🚀 ProcessHacker的日志系统能够记录多种关键系统事件,

llama.cpp实战:如何用batch和ubatch优化你的AI推理性能(附配置示例)

llama.cpp实战:如何用batch和ubatch优化你的AI推理性能(附配置示例) 最近在折腾一个本地知识库问答项目,模型跑在单张消费级显卡上。一开始推理速度慢得让人抓狂,尤其是处理长文档时,延迟高得无法接受。经过一番折腾,我发现问题核心不在模型本身,而在于推理参数的配置,尤其是 batch 和 ubatch 这两个看似简单、实则影响深远的设置。它们直接决定了你的显存利用率和计算吞吐量,调好了性能翻倍,调不好就是资源浪费和漫长的等待。今天,我就结合自己的踩坑经验,聊聊如何通过调整 batch 和 ubatch,让 llama.cpp 的推理性能真正“飞”起来。 1. 理解核心:Batch与Ubatch究竟是什么? 很多开发者把 batch 简单理解为“一次处理多少条数据”,但在 llama.cpp 的上下文中,这个理解需要更精确一些。我们先抛开代码,想象一个场景:你有一个大型语言模型,它就像一个复杂的“思维工厂”