快速摘要：Agency Agents 是一个在 GitHub 上迅速走红的开源项目，它将 55 个以上精心设计的 AI Agent 角色按照真实公司的部门架构进行组织——涵盖工程、设计、营销、测试、产品等 9 大部门。每个 Agent 不是简单的提示词模板，而是拥有完整身份设定、工作流程、交付标准和成功指标的"数字专家"。项目原生支持 Claude Code，同时兼容 Cursor、Windsurf、Gemini CLI 等主流 AI 编程工具。 如果你对 AI Agent 协作感兴趣，往下看有更详细的原理拆解和实操指南。
莫潇羽@源码七号站 | 本文首发于 www.fuyuan7.com，转载请注明出处。
一、这个项目到底在做什么
如果你最近关注过 GitHub Trending 榜单，可能已经注意到了一个叫 Agency Agents 的项目。它在短短十天内就从默默无闻冲到了数万 Star 的量级，增长速度在开源社区里相当罕见。
但它既不是一个新的前端框架，也不是一个新的大语言模型。打开项目仓库你会发现，它的核心内容是一组 Markdown 文件——每个文件定义了一个 AI Agent 的完整"人格"。
项目地址：https://github.com/msitarzewski/agency-agents
你可以这样理解它：Agency Agents 构建了一个 虚拟的数字公司，里面有 55 个以上的"员工"，分布在 9 个不同的部门。这些"员工"各有所长，有的擅长写前端代码，有的专攻数据库架构设计，有的负责社区运营策略，还有的是专门找 Bug 的测试老手。当你需要某方面的专业支持时，只需要在 AI 编程工具里激活对应的 Agent，它就会以该角色的身份、风格和专业知识来为你服务。
这个想法来源于社区的一次深度讨论。项目发起者 msitarzewski 经过了数个月的反复打磨和迭代，才把每个角色的设定做到了现在的完成度。这也是它和网上随处可见的"提示词合集"最大的区别——每个 Agent 文件都不是几句话的简单描述，而是一份结构完整、逻辑严密的角色说明书。
二、为什么"角色化"的 AI Agent 值得关注
在深入了解 Agency Agents 的具体内容之前，我们有必要先聊一个更根本的问题：为什么要给 AI 设定角色？直接用通用的 AI 助手不行吗？
答案藏在 AI Agent 的工作原理里。
2.1 提示词工程的进化：从"问答"到"角色扮演"
大语言模型（LLM）的输出质量高度依赖输入的提示词（Prompt）。早期我们和 AI 的交互方式很简单：提一个问题，拿到一个答案。但随着应用场景的复杂化，人们逐渐发现，给 AI 设定一个明确的角色身份，能够显著提升输出的质量和一致性。
这背后的原理并不复杂。当你告诉 AI"你是一个拥有十年经验的前端工程师，精通 React 和 TypeScript，注重代码性能和可维护性"，你实际上是在做几件事：
- 缩小了 AI 的回答范围，让它聚焦在特定的知识领域
- 设定了输出的风格和标准，比如代码要注重性能
- 提供了决策的上下文背景，帮助 AI 做出更合理的判断
这就好比你在公司里找同事帮忙——你会去找对口的专家，而不是随便拉一个人。Agency Agents 做的事情，就是把这种"找对口专家"的过程标准化、系统化了。
2.2 角色设定的"锚定效应"
在认知心理学中有一个概念叫"锚定效应"——人们在做判断时会受到第一个接收到的信息的强烈影响。AI 的行为模式也类似。当你在对话开头通过 System Prompt 给 AI 设定了一个角色，这个角色设定就像一个"锚点"，会持续影响整个对话过程中 AI 的推理方式和输出风格。
举个具体的例子：一个设定为"安全工程师"的 Agent，在审查代码时会自动关注输入验证、权限控制、SQL 注入等安全相关的问题。而同样一段代码交给"性能测试专家"Agent，它关注的则是时间复杂度、内存占用和并发处理能力。同一个问题，不同角色的 Agent 会从不同的专业视角给出完全不同的分析——这正是角色化设定的价值所在。
Agency Agents 的高明之处在于，它不只是给 AI 设定了一个笼统的角色标签，而是通过完整的身份设定、工作流程和成功指标，构建了一个足够丰富的"锚点系统"。这让 AI 在角色扮演时有更多的参照维度，输出的深度和专业性自然也就更高。
2.3 从"单兵"到"团队"：多 Agent 协作的趋势
2026 年 AI 领域一个明显的趋势是，越来越多的开发者开始从"单个 AI 助手"转向"多 Agent 协作"的模式。这种变化的逻辑很清晰：现实世界的项目本来就需要多个角色配合完成，前端、后端、设计、测试各司其职。如果 AI 也能按照这种分工模式来协作，输出的质量自然会更高。
传统的 AI 交互方式是"一对一"的：你有一个通用助手，什么问题都问它。但这种模式在面对复杂项目时会遇到瓶颈——一个 AI 角色不可能在所有领域都保持高水平的输出。就像你不会指望一个人同时精通前端开发、数据库设计、安全审计和营销策划一样。
多 Agent 协作的模式借鉴了现实公司的组织架构。不同的 Agent 负责不同的专业领域，每个 Agent 在自己的领域内深耕，然后通过上下文传递来实现协作。这种模式下，整体的输出质量会远超单个通用 Agent。
Agency Agents 正好踩在了这个趋势点上。它不只是给你一个 Agent，而是给你一整支分工明确的专业团队。
三、55+ 个 Agent 角色全景图
Agency Agents 把所有的角色按照真实公司的组织架构进行了分组。莫潇羽在这里（源码七号站 www.fuyuan7.com）为大家做一个完整的梳理，你可以对照自己的需求来找到最适合的 Agent。
3.1 工程部（Engineering Division）
工程部是角色最丰富的部门，目前包含了 15 个以上的专业角色：
- 前端工程师（Frontend Developer）：精通 React、Vue、Angular 等主流框架，关注 Core Web Vitals 性能指标，擅长像素级还原设计稿。当你需要构建现代 Web 应用或优化页面性能时，这是首选 Agent。
- 后端架构师（Backend Architect）：专注于 API 设计、数据库架构和微服务拆分。如果你的项目需要设计服务端架构或者处理复杂的数据模型，这个角色能帮上大忙。
- 移动端开发（Mobile App Builder）：覆盖 iOS、Android 原生开发以及 React Native、Flutter 等跨平台方案。无论你选择哪条技术路线，它都能给出专业的建议。
- AI 工程师（AI Engineer）：负责机器学习模型的部署和 AI 功能集成。这个角色了解从模型训练到生产环境部署的完整链路。
- DevOps 自动化工程师（DevOps Automator）：CI/CD 流水线搭建、云基础设施管理、监控告警配置——这些 DevOps 领域的核心任务都是这个角色的管辖范围。
- 快速原型开发师（Rapid Prototyper）：当你需要在最短时间内完成一个 MVP（最小可行产品）或者 POC（概念验证）时，这个角色会跳过一切非必要的环节，专注于快速交付。
- 高级开发工程师（Senior Developer）：面向 Laravel、Livewire 等技术栈的复杂架构实现。
- 安全工程师（Security Engineer）：专注于威胁建模、安全代码审查和安全架构设计，能帮你做应用安全评估和漏洞检测。
- 嵌入式固件工程师（Embedded Firmware Engineer）：面向 ESP32、STM32、Nordic 等芯片平台的裸机和 RTOS 开发。
- 事故响应指挥官（Incident Response Commander）：当生产环境出了问题，这个角色能帮你组织事故响应流程、编写事后复盘报告。
- 技术文档工程师（Technical Writer）：负责开发者文档、API 参考手册和技术教程的撰写。
此外还有智能合约工程师、威胁检测工程师、自主优化架构师等更细分的角色。
3.2 设计部（Design Division）
设计部涵盖了从界面设计到品牌建设的多个维度：
- UI 设计师：负责界面设计、设计系统搭建和组件库规范。这个 Agent 会从视觉一致性、交互规范和设计 Token 的角度来输出方案。
- UX 研究员：专注于用户研究方法论，包括可用性测试设计、用户旅程地图绘制和用户画像构建。
- 品牌设计师：从视觉识别系统到品牌策略，帮助你建立一致的品牌形象。
- 图像提示词专家（Image Prompt Engineer）：精通 Midjourney、Stable Diffusion 等 AI 绘图工具的提示词技巧。如果你需要生成特定风格的 AI 图片，这个角色能大幅提升出图质量。
- 动效设计师：负责交互动效、微交互和动画系统的设计规范。
- 插画师：自定义插画创作、图标设计和视觉叙事。
- 现实检查员（Reality Checker）：一个很有意思的角色，它的职责是审视设计方案的可行性，确保创意不会脱离技术实现和业务目标。
- 趣味注入师（Whimsy Injector）：专门负责在产品中添加恰到好处的趣味元素，但强调"每个趣味元素都必须服务于功能或情感目的"。
3.3 营销部（Marketing Division）
营销部的 Agent 覆盖了当下主流的数字营销渠道：
- 内容营销专家：负责博客文章、白皮书、案例研究等长内容的策划和创作。
- SEO 专家：搜索引擎优化策略、关键词研究和流量增长分析。
- 社交媒体运营（多个角色）：包括针对不同平台的专项角色，每个角色都了解对应平台的算法特点和内容调性。比如社区运营角色有一条核心原则——"你不是在社区做营销，而是成为一个碰巧代表某个品牌的社区成员"。
- 短视频策划：短视频内容创意和传播策略。
3.4 测试部（Testing Division）
- QA 工程师：功能测试、回归测试和测试用例设计。
- 性能测试专家：负载测试、压力测试和性能瓶颈分析。
- 安全测试工程师：渗透测试、漏洞扫描和安全审计。
- Bug 猎手：这个角色有一个很有特点的工作原则——"默认每次至少找出 3-5 个问题，并且要求提供可视化的证据"。它专门负责挖掘边界情况和异常场景。
3.5 其他部门
除了以上四个核心部门，Agency Agents 还设置了：
- 产品部：包括产品经理、产品策略师等角色
- 项目管理部：项目经理、敏捷教练等
- 战略部：商业战略分析、竞品研究
- 客户支持部：客服流程设计、知识库建设
- 游戏开发部：游戏设计、游戏开发相关角色
- 空间计算部：面向 VR/AR 等空间计算领域的专项角色
可以说，一家技术公司该有的岗位，在这个项目里几乎都能找到对应的 Agent。
四、每个 Agent 的内部结构解析
Agency Agents 区别于普通提示词模板的核心，在于每个 Agent 文件的结构完整度。莫潇羽@源码七号站这里带你详细拆解一个 Agent 文件的典型构成。
4.1 身份认同（Identity）
这是 Agent 文件的开篇部分，定义了角色最基础的信息：
# 🎨 Frontend Developer
## Identity
- Role: Senior Frontend Developer
- Personality: Detail-oriented, performance-obsessed, user-advocate
- Communication Style: Direct, technical but approachable
- Background: 10+ years building modern web applications身份认同部分不只是给角色起个名字那么简单。它包含了性格特点（比如"注重细节、痴迷于性能"）、沟通风格（"直接、专业但平易近人"）和专业背景。这些设定会直接影响 AI 的输出方式——一个被设定为"注重细节"的 Agent，在审查代码时会关注更多的边界情况。
4.2 核心使命（Mission）
使命部分界定了角色的职责范围和工作目标：
## Core Mission
Build performant, accessible, and maintainable frontend applications
that deliver exceptional user experiences.
### Primary Responsibilities
- Implement pixel-perfect UI components
- Optimize Core Web Vitals (LCP, FID, CLS)
- Build reusable component libraries
- Ensure cross-browser compatibility这个部分的价值在于划定了边界。AI 知道自己该做什么、不该做什么。比如前端工程师 Agent 不会主动去建议数据库架构方案，除非这和前端性能直接相关。
4.3 工作流程（Workflow）
每个 Agent 都定义了标准化的工作流程，通常分为四个阶段：
## Workflow
### Phase 1: Discovery & Research
- Analyze requirements and design specifications
- Review existing codebase and patterns
- Identify potential technical challenges
### Phase 2: Planning & Strategy
- Define component architecture
- Choose appropriate patterns and libraries
- Create implementation plan
### Phase 3: Execution & Implementation
- Write clean, tested code
- Follow established coding standards
- Document key decisions
### Phase 4: Review & Optimization
- Performance profiling and optimization
- Accessibility audit (WCAG compliance)
- Code review and documentation标准化的工作流程意味着你不需要每次都从头告诉 AI 应该怎么开展工作。激活一个 Agent 之后，它就知道自己应该先做调研、再做规划、然后执行、最后优化。
4.4 技术交付样板（Deliverables）
这是最有实际价值的部分之一。每个 Agent 都提供了具体的代码示例和输出规范：
## Deliverables
### React Component Template
- TypeScript interfaces for all props
- Error boundaries and loading states
- Storybook stories for each variant
- Unit tests with React Testing Library
### Performance Report
- Lighthouse scores with benchmarks
- Bundle size analysis
- Critical rendering path optimization交付样板告诉 AI "好的输出长什么样"。这相当于给了 AI 一个参考标准，它输出的代码和文档会自动向这个标准看齐。
4.5 成功指标（Success Metrics）
## Success Metrics
- Lighthouse Performance Score > 90
- Zero accessibility violations (WCAG 2.1 AA)
- Component test coverage > 80%
- First Contentful Paint < 1.5s成功指标把模糊的"做得好"量化成了具体的数字。这对 AI 来说非常有用——它知道什么程度算"完成"，什么程度需要继续优化。
4.6 沟通风格（Communication Style）
每个 Agent 还定义了独特的沟通方式，包括常用的表达模式和语气特点。比如 Bug 猎手角色可能会说："我不只是测试你的代码——我的工作是默认找出 3-5 个问题，并且要求提供可视化证据。"
这些沟通风格不是装饰性的——它们让 AI 在不同角色之间切换时能够保持鲜明的差异化，你不会把前端工程师的输出和 UX 研究员的输出搞混。
五、实操指南：如何使用 Agency Agents
了解了项目的原理和结构之后，我们进入最实用的部分——如何把这些 Agent 用起来。莫潇羽@源码七号站这里整理了几种主流的使用方式。
5.1 方式一：配合 Claude Code 使用（官方推荐）
Claude Code 是 Anthropic 推出的命令行编程工具，Agency Agents 原生支持 Claude Code，不需要任何格式转换。
第一步：克隆项目
git clone https://github.com/msitarzewski/agency-agents.git第二步：复制 Agent 文件到 Claude Code 目录
cp -r agency-agents/* ~/.claude/agents/这一步会把所有 Agent 的 Markdown 文件复制到 Claude Code 的 agents 目录下。Claude Code 会自动识别这些文件。
第三步：在 Claude Code 中激活使用
打开终端，启动 Claude Code 后，你可以通过自然语言来激活某个 Agent：
"Hey Claude, activate Frontend Developer mode and help me build a React component"或者更具体一些：
"使用后端架构师的角色，帮我设计一个用户认证系统的 API 架构"激活后，AI 就会以对应角色的身份、专业知识和工作流程来执行任务。
5.2 方式二：配合 Cursor 使用
Cursor 是目前非常流行的 AI 代码编辑器。Agency Agents 提供了转换脚本，可以把 Agent 文件转换成 Cursor 能识别的 .mdc 规则文件。
# 进入你的项目目录
cd /your/project
# 运行安装脚本，指定 Cursor 工具
/path/to/agency-agents/scripts/install.sh --tool cursor安装后，每个 Agent 会变成 .cursor/rules/ 目录下的一个规则文件。Cursor 检测到这些规则后会自动应用。你还可以在 Cursor 中这样引用：
Use the @security-engineer rules to review this code.5.3 方式三：配合 GitHub Copilot 使用
GitHub Copilot 同样支持 agents.md 格式的自定义 Agent。安装方式：
/path/to/agency-agents/scripts/install.sh --tool copilotAgent 文件会被复制到 ~/.github/agents/ 和 ~/.copilot/agents/ 目录下。
5.4 方式四：配合 Windsurf、Aider 等工具使用
对于 Windsurf，所有 Agent 会被编译成一个 .windsurfrules 文件：
cd /your/project
/path/to/agency-agents/scripts/install.sh --tool windsurf对于 Aider，所有 Agent 会被编译成一个 CONVENTIONS.md 文件：
cd /your/project
/path/to/agency-agents/scripts/install.sh --tool aider使用时可以这样引用：
Use the Frontend Developer agent to refactor this component.5.5 方式五：一键安装所有支持的工具
如果你同时使用多个 AI 编程工具，可以直接运行交互式安装脚本：
# 先生成所有工具的集成文件
./scripts/convert.sh
# 然后运行交互式安装器
./scripts/install.sh安装器会自动检测你的机器上安装了哪些工具，然后让你选择要安装到哪些工具：
+------------------------------------------------+
| The Agency -- Tool Installer |
+------------------------------------------------+
System scan: [*] = detected on this machine
[x] 1) [*] Claude Code (claude.ai/code)
[x] 2) [*] Copilot (~/.github + ~/.copilot)
[x] 3) [*] Antigravity (~/.gemini/antigravity)
[ ] 4) [ ] Gemini CLI (gemini extension)
[ ] 5) [ ] OpenCode (opencode.ai)
[x] 6) [*] Cursor (.cursor/rules)
[ ] 7) [ ] Aider (CONVENTIONS.md)
[ ] 8) [ ] Windsurf (.windsurfrules)
[1-10] toggle [a] all [n] none [d] detected [Enter] install [q] quit这个交互界面做得很友好，你可以按数字键切换选择，按 d 键自动选中所有已检测到的工具，按回车确认安装。
5.6 方式六：直接参考和自定义
即使你不使用上面提到的任何工具，Agency Agents 里的每个 Agent 文件也有独立的参考价值。每个文件都是标准的 Markdown 格式，你可以：
- 直接打开文件阅读，学习角色设定的方法论
- 复制其中的提示词内容到任何支持自定义 System Prompt 的 AI 工具中
- 根据自己的实际需求修改角色设定，打造专属的 Agent
这种灵活性也是开源项目的优势——代码和设定都是透明的，你可以任意组合和改造。
六、高级用法：多 Agent 协作实战
Agency Agents 的真正威力不在于单个 Agent 的强大，而在于多个 Agent 的协作。莫潇羽@源码七号站这里用一个完整的项目开发场景来演示如何组织多 Agent 协作。
6.1 场景：从零开始构建一个 SaaS 产品
假设你要开发一个在线项目管理工具，你可以这样安排 Agent 团队：
阶段一：产品规划
先激活产品经理 Agent，让它帮你梳理核心功能列表、用户故事和优先级排序。你可以这样对话："以产品经理的身份，帮我分析一个面向中小团队的在线项目管理工具需要哪些核心功能，按照 MVP 原则做优先级排序。"产品经理 Agent 会按照标准的产品规划流程，先做竞品分析，再定义用户场景，最后输出功能优先级矩阵。然后切换到 UX 研究员 Agent，让它设计用户旅程地图和关键页面的信息架构。UX 研究员会从用户心智模型的角度来组织信息层级，确保产品的信息架构符合用户的认知习惯。
阶段二：技术架构
激活后端架构师 Agent，让它设计整体的系统架构、API 接口规范和数据模型。后端架构师会考虑系统的可扩展性、数据一致性和服务间通信等技术问题。你可以把产品经理 Agent 输出的功能列表提供给它，让它针对这些具体功能来设计技术方案。同时建议让安全工程师 Agent 对架构方案做安全评审——在架构阶段就引入安全视角，比上线前再做安全测试要高效得多。
阶段三：界面设计
让 UI 设计师 Agent 基于产品需求输出设计规范和组件库定义。UI 设计师 Agent 会从设计 Token（颜色、字体、间距等基础变量）出发，构建一套一致的设计系统。如果需要品牌元素，再调用品牌设计师 Agent来确定视觉识别体系。这个阶段还可以让趣味注入师 Agent 来审视设计方案，看看哪些地方可以添加让用户感到愉悦的微交互或趣味元素。
阶段四：开发实现
这是并行工作量最大的阶段：
- 前端工程师 Agent 负责页面组件的实现。它会基于 UI 设计师输出的设计规范来编写组件代码，确保设计还原度和代码可维护性。
- 后端架构师 Agent 负责服务端代码。它会按照之前设计的 API 规范来实现具体的业务逻辑。
- DevOps 自动化工程师 Agent 负责搭建 CI/CD 流水线。从代码提交到自动测试再到部署上线，整套流程都由它来规划和实现。
阶段五：测试和优化
- QA 工程师 Agent 设计测试用例并执行功能测试。它会基于用户故事来编写测试场景，确保每个功能都覆盖到正常流程和异常流程。
- 性能测试专家 Agent 做负载测试和性能分析。它会模拟不同并发量下的系统表现，找出性能瓶颈并给出优化建议。
- Bug 猎手 Agent 专门挖掘边界情况。这个 Agent 会尝试各种非常规的输入和操作路径，找出那些正常测试流程中容易被忽略的问题。
阶段六：上线和推广
- SEO 专家 Agent 优化搜索引擎表现，包括页面的元信息、结构化数据和关键词策略
- 内容营销专家 Agent 撰写产品介绍文章和使用教程
- 社交媒体运营 Agent 制定各平台的内容分发策略
6.2 协作的关键：上下文传递
在多 Agent 协作中，最重要的技术问题是上下文传递。前一个 Agent 的输出需要能够有效地传递给下一个 Agent。在实际操作中，你可以：
- 把每个 Agent 的输出保存为独立的文档
- 在激活下一个 Agent 时，把前序输出作为背景信息提供
- 使用统一的文件结构来组织不同 Agent 的交付物
比如在 Claude Code 中，你可以这样衔接：
"请查看 /docs/api-spec.md 中后端架构师的 API 设计方案，
然后以前端工程师的角色，针对这些 API 设计对应的前端数据层和状态管理方案。"七、Agent 文件的设计原则深度解读
理解 Agency Agents 的设计哲学，能帮助你更好地使用这些 Agent，也能帮你设计自己的自定义 Agent。
7.1 专业化而非通用化
每个 Agent 都有明确的专业边界。前端工程师 Agent 不会去插手数据库设计的事情，测试 Agent 不会主动修改业务代码。这种专业化的设定让 AI 在特定领域的输出质量远高于通用模式。
这和现实中的团队协作是一样的道理——一个什么都做的人，往往什么都做不精。
7.2 人格驱动的一致性
每个 Agent 都有独特的"人格"——包括性格特点、说话方式和思维偏好。这不是为了好玩，而是为了保证输出的一致性。当你多次使用同一个 Agent 时，它的输出风格会保持稳定，不会出现"上一次很专业，这一次突然变随意"的情况。
7.3 交付物导向
每个 Agent 的设计都以"能交付什么"为核心。你不需要告诉 Agent 应该输出什么格式的内容——它已经知道了。前端工程师知道要输出带 TypeScript 类型定义的组件代码；UX 研究员知道要输出用户旅程地图和研究报告。
7.4 可衡量的成功标准
模糊的目标会导致模糊的输出。Agency Agents 为每个角色设定了量化的成功指标，让 AI 知道"做到什么程度才算完成"。这个设计思路非常值得借鉴——即使你在设计自己的 Agent 时，也应该尽量把评判标准具体化。
八、自定义你的 Agent：从零开始的实践指南
Agency Agents 是开源的（MIT 协议），你完全可以基于它创建自己的 Agent。这里莫潇羽@源码七号站给出一个从零创建自定义 Agent 的实践流程。
8.1 确定角色定位
首先明确你的 Agent 要解决什么问题。好的 Agent 应该有清晰的专业边界，而不是什么都能做。
8.2 编写 Agent 文件
参考 Agency Agents 的模板结构，一个完整的 Agent 文件应该包含以下部分：
# 🎯 [你的 Agent 名称]
## Identity
- 角色名称和定位
- 性格特点
- 沟通风格
- 专业背景
## Core Mission
[一句话描述核心使命]
### Primary Responsibilities
- 职责 1
- 职责 2
- 职责 3
## Workflow
### Phase 1: Discovery & Research
[具体步骤]
### Phase 2: Planning & Strategy
[具体步骤]
### Phase 3: Execution & Implementation
[具体步骤]
### Phase 4: Review & Optimization
[具体步骤]
## Communication Style
- 常用表达模式
- 语气特点
- 示例对话
## Deliverables
[具体的输出物规范和示例]
## Succ
