> ## Content Index > Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt > Use this file to discover other available public pages before exploring further. # Agency Agents 简明教程 - URL: https://www.hubwiz.com/blog/agency-agents-concise-tutorial/ - Published: 2026-03-24T14:53:34.000Z - Updated: 2026-10-13T16:15:44.000Z - Description: Agency Agents包含140多个跨多个专业部门组织的专业智能体，有效地模拟了一个完整的数字智能体机构。 - Author: admin - Tags: AGENT, AGENCY AGENTS, #Import 2026-10-14 14:41 随着AI助手在开发者工作流中变得常见，一个限制很快显现：大多数提示过于通用。一个AI助手被期望编写代码、设计界面、规划营销活动和分析用户反馈。虽然大语言模型技术上可以处理这些任务，但结果通常很肤浅，因为AI缺乏**清晰的角色上下文和结构化工作流**。 开源项目[agency-agents](https://www.hubwiz.com/blog/ghost/)探索了一种不同的方法。该项目不使用单一助手，而是提供一个由**专业智能体组成的完整AI智能体机构**，每个智能体都设计为模拟具有其专业知识、工作流和交付物的专业角色。 这个想法简单但强大：你不是提示AI"像开发者一样行动"，而是激活一个**特定的专家智能体**，如后端架构师、SEO专家或UX研究员。 每个智能体包含结构化指令，指导AI如何思考、分析问题和产生输出。随着时间推移，该项目已发展为一个大型仓库，包含**140多个跨多个专业部门组织的专业智能体**，有效地模拟了一个完整的数字智能体机构。 ## 1、Agency Agents如何工作 核心上，Agency Agents是**在markdown文件中定义的结构化AI角色集合**。每个智能体充当塑造AI模型处理任务方式的蓝图。 每个智能体定义通常包括： - 身份和个性特征 - 领域专业知识和使命 - 决策核心规则 - 工作流程 - 技术交付物和示例 - 成功指标和评估标准 由于这种结构，智能体的行为更像是**具有可重复流程的领域专家**，而不是简单的提示模板。 > 例如，后端架构师智能体可能通过分析可扩展性约束、API设计模式和数据库模式来处理任务，而增长黑客智能体则专注于实验、漏斗优化和用户获取策略。 ## 2、Agency Agents结构 仓库最有趣的方面之一是其**组织结构**，反映了真实公司的运作方式。智能体不是随机提示，而是按功能部门分组，如工程、设计、营销、销售、测试和产品管理。 - ***工程部门专注于软件开发和系统架构。***关键角色包括前端开发者、后端架构师、移动应用构建者、AI工程师、DevOps自动化专家、快速原型开发、高级开发者、安全工程师、自主优化架构师、嵌入式固件工程师、事件响应指挥官、Solidity智能合约工程师、技术文档撰写者、威胁检测工程师、代码审查者、数据库优化者、Git工作流大师、软件架构师、站点可靠性工程师、AI数据修复工程师和数据工程师。 - ***设计部门处理界面设计、品牌和用户体验。***该组的智能体包括UI设计师、UX研究员、UX架构师、品牌守护者、视觉故事讲述者、趣味注入者、图像提示工程师和包容性视觉专家。 - ***营销是最大的部门之一，包括负责增长策略和平台参与的智能体***。一些关键角色包括增长黑客、内容创作者、Twitter互动者、TikTok策略师、Instagram策展人、Reddit社区建设者、应用商店优化者、社交媒体策略师、LinkedIn内容创作者、SEO专家、播客策略师、书籍合著者、AI引用策略师和跨境电商专家。 - ***销售部门专注于收入生成和管道管理，角色***包括外向策略师、发现教练、交易策略师、销售工程师、提案策略师、管道分析师、客户策略师和销售教练。 - ***产品开发由智能体处理***，如Sprint优先级排序者、趋势研究员、反馈综合者、行为推动引擎和产品经理。 - ***项目执行和协调由智能体处理***，如工作室制片人、项目负责人、工作室运营经理、实验追踪者、高级项目经理和Jira工作流管家。 - ***质量保证由测试聚焦的智能体处理***，包括证据收集... 还有针对新兴领域的专业部门，如空间计算、游戏开发和学术世界构建。 ## 3、Agency Agents框架的关键特性 使这个仓库有趣的不仅是智能体的数量，还有**其背后的设计理念**。 一些核心思想包括： - **角色专业化：**每个智能体深入专注于单一专业领域。 - **个性驱动推理：**智能体有定义的沟通风格和思维模式。 - **结构化工作流：**任务使用可重复流程解决，而非临时答案。 - **交付物聚焦输出：**智能体旨在产生具体输出，如架构计划、营销策略或技术文档。 - **透明设计：**由于智能体是普通markdown文件，开发者可以轻松定制或扩展。 这种结构将AI提示转变为更接近**模块化专业角色**的东西。 ## 4、多智能体协作 Agency Agents的最大优势在多个智能体协作于单一项目时显现。开发者不是要求一个AI处理所有事情，而是可以激活一个**协同工作的专业智能体团队**。 例如，构建创业MVP可能涉及： - 前端开发者构建UI - 后端架构师设计API和数据模型 - 快速原型开发者加速早期开发 - 增长黑客规划获取策略 - 现实检查者在发布前验证产品质量 类似地，营销活动可能涉及： - 内容创作者撰写活动信息 - Reddit社区建设者参与小众社区 - LinkedIn内容创作者面向专业受众 - SEO专家优化有机可见性 - 分析报告者追踪活动表现 这反映了**跨学科专家协作**的真实组织结构。 ## 5、与现代AI工具的集成 该项目的另一个强项是其与现代AI编码环境的兼容性。仓库包含将智能体定义转换为与流行工具兼容格式的脚本。 Agency Agents可以与开发工具集成，如**Claude Code**、**GitHub Copilot**、**Cursor**、**Aider**、**Windsurf**、**Gemini CLI**、**OpenCode**和**OpenClaw**。 开发者可以使用提供的脚本生成和安装集成文件： ``` ./scripts/convert.sh ./scripts/install.sh ``` 安装后，激活智能体通常只需在AI对话中引用其角色。 ## 6、为什么这个项目重要 Agency Agents仓库突出了AI生态系统中正在发生的重要转变。开发者不再将AI视为**单一的单体助手**，而是开始构建**由专业角色组成的结构化智能体系统**。 这种方法提供了几个优势： - 更深入的领域专业知识 - 更可预测的工作流 - 更容易的任务分解 - 更现实的协作模型 随着AI智能体在软件开发和业务自动化中变得更加普遍，像Agency Agents这样的系统为**构建协调的AI专家团队**提供了实用蓝图。 ## 7、最终想法 Agency Agents展示了AI系统如何超越简单提示，进入**结构化的智能代理团队**。通过结合领域专业知识、工作流驱动推理和多智能体协作，该项目有效地将单个AI助手转变为更接近**虚拟专家组织**的东西。 对于探索基于智能体工作流的开发者，它提供了大量即用型智能体和设计新智能体的框架。随着智能体生态系统持续增长，像Agency Agents这样的项目可能成为构建**协作AI驱动开发团队**的关键基础。 --- 原文链接：[Agency Agents: AI Agents for Everything](https://medium.com/data-science-in-your-pocket/agency-agents-ai-agents-for-everything-9abb460e70f0?ref=hubwiz.com) 汇智网翻译整理，转载请标明出处 > **这是「Agent / MCP」专题的一部分。**完整地图见：[Agent / MCP / 自动化完全指南](https://www.hubwiz.com/blog/agent-stack/)