夜雨聆风
用过 Claude Code、Cursor、Codex 这类 AI 编程工具的人，多半都自己写过 agent 或 rule。前端项目里塞一条「你是前端工程师，遵循 React 最佳实践」，安全项目里塞一条「你按 OWASP Top 10 审代码」，营销项目里再来一条「你懂小红书种草」。每换一个项目，每换一个工具，重写一遍。
这件事其实是重复劳动。每个工程师手头那几条 prompt，全部加起来得有几十万份差不多的版本。
最近 GitHub 上有个项目专门把这件事做掉了，叫 agency-agents-zh，作者 jnMetaCode（微信公众号「AI不止语」）。15.1k Star，MIT 协议，是英文版 msitarzewski/agency-agents 的中文社区分支。在完整翻译上游的基础上，自己加了 50 个中国市场原创智能体，一共 216 个角色，覆盖 18 个部门，支持 17 种主流 AI 工具。
1. 它在做什么
一句话：一套开箱即用的 AI 角色库，每个角色是一份 Markdown 文件，安装到你的 AI 编程工具之后，用自然语言激活。
跟普通提示词模板的关键区别在于深度。普通 prompt 告诉 AI「你是一个专家」，这里的 agent 把"专家"拆成了身份、记忆、规则、工作流程、交付物、沟通风格、成功指标七个小节。
举一个仓里的实际例子：小红书运营专家。它的文件里写的不只是「你是小红书运营专家」，而是分了七个小节。
·身份与记忆：角色定位、个性、经验（"见过太多品牌因为硬广感被限流"）
·核心使命：内容策略、达人合作、社区运营三块各自的具体动作
·关键规则：平台合规（蒲公英报备、不刷量不买赞）、内容真实性（基于真实体验、图片不过度修饰）
·技术交付物：爆款笔记模板（标题 18-20 字、封面 3:4、正文 300-600 字四段结构）、投放排期表（预热期 KOC 1k-5k 粉 20 篇 ¥5000、集中种草期 KOL 5w-20w 5 篇 ¥25000）
·工作流程：品牌诊断 → 策略制定 → 内容执行 → 数据复盘
·沟通风格：用数据说话、紧跟热点、务实不吹
·成功指标：单篇互动率 > 5%（品类平均 2-3%）、品牌搜索量月增 > 30%、CPE < ¥3
激活之后，你跟 Claude Code 说"帮我的新品牌做一个小红书种草方案"，它输出的不是泛泛的"内容要有共鸣"，而是带数字目标、带投放节奏、带达人层级的完整方案。这是个人写 prompt 很难一次写到位的深度。
2. 18 个部门，216 个角色
角色按部门组织，每个角色一个 .md 文件，文件名带部门前缀。粗略扫一下部门分布：
工程部 ，36 个：前端、后端、AI、DevOps、安全、移动端、数据、SRE、Solidity 合约、微信小程序、飞书/钉钉集成、Qt 上位机、机械设计、嵌入式 Linux 驱动、FPGA 数字设计、IoT 架构师，连"故障响应指挥官"、"威胁检测工程师"这种偏 SRE/SecOps 的细分角色都有。
营销部 ，37 个：国内平台（小红书、抖音、微信公众号、B站、快手、微博、知乎、视频号、百度 SEO、私域流量、直播电商、跨境电商）+ 出海（TikTok、Twitter、Instagram、Reddit、YouTube、ASO）+ 通用（增长黑客、内容创作者、SEO、LinkedIn、图书联合作者、AI 引文策略师）。
专项部 35 个：提示词工程师、MCP 构建器、文档生成器、Salesforce 架构师、留学规划顾问、政务数字化售前、医疗健康营销合规、高考志愿填报顾问、AI 治理政策专家、会议效率专家、技术翻译，还有法国咨询市场专家、韩国商务专家这种区域向的。
游戏开发部 22 个：分通用、Unity、Unreal、Blender、Godot、Roblox Studio 六个子类。设计部、产品部、销售部、付费媒体部、金融部、HR、法务、供应链、项目管理、测试、支持、学术、空间计算、战略 各自有 2-12 个角色。
每个部门在 README 里都有一张表，列出角色名、专长、适用场景。挑角色跟挑员工似的，按岗位描述找。
3. 50 个中国市场原创才是真正的差异化
英文上游 agency-agents 165 个角色是按美国市场逻辑建的，营销那块全是 TikTok/Twitter/Instagram/Reddit/LinkedIn/YouTube，工程那块是前端后端 DevOps 那套标准件。
中文社区版真正有价值的是这 50 个原创角色（README 里带 ⭐ 标）。这些都是上游没有、纯靠中文社区实操经验写的：
·平台运营：小红书运营专家、抖音策略师、微信公众号运营、B站内容策略师、快手策略师、微博运营策略师、知乎策略师、视频号运营策略师、百度 SEO 专家、私域流量运营师、直播电商主播教练
·企业协作：飞书集成开发工程师、钉钉集成开发工程师
·跨境与电商：跨境电商运营专家、中国电商运营专家、动态定价策略师、短视频剪辑指导师
·工业与制造：上位机工程师（Qt/QML/Modbus/CAN）、机械设计工程师（传动选型、强度校核、DFMA）、嵌入式 Linux 驱动工程师、FPGA/ASIC 数字设计工程师、IoT 方案架构师
·政务与合规：政务数字化售前顾问、医疗健康营销合规师、AI 治理政策专家、合同审查专家、制度文件撰写专家
·教育与个人服务：高考志愿填报顾问、留学规划顾问、学习规划师（考研/考公/法考）、企业培训课程设计师
·供应链：库存预测专家（618/双11 备货）、供应商评估专家（1688/验厂/国标质检）、物流路线优化师（顺丰/通达系/冷链）、供应链采购策略师
·金融：财务预测分析师、发票管理专家（增值税/金税系统）、金融风控分析师（反洗钱/电信诈骗）
·HR 与绩效：招聘专家（Boss直聘/猎聘）、绩效管理专家（OKR/KPI/361 分布/晋升答辩）
·冷门但真实存在：畜禽养殖档案核对员
「畜禽养殖档案核对员」这种角色能进仓，说明作者真的在按"中国市场有什么岗位就补什么角色"的逻辑做，而不是凑数。
4. 一键装到 17 种工具
scripts/ 目录下的工程化是整个项目容易被忽略的部分。它把"同一份角色定义适配 17 种不同工具的格式"这件事做掉了。
支持的 17 种工具分成三类。直接复制类有两个：Claude Code 直接 cp 到 ~/.claude/agents/，GitHub Copilot 复制到 ~/.github/agents/ 和 ~/.copilot/agents/。这两家的 agent 格式跟仓里的源文件几乎一致，不用转换。
单文件编译类也有两个：Aider 把全部 216 个角色编译成单个 CONVENTIONS.md，Windsurf 编译成单个 .windsurfrules。Aider 和 Windsurf 的设计就是读单个规则文件，所以塞整本就行。
剩下的 13 种工具都需要格式转换，跑 ./scripts/convert.sh --tool <name> 把 Markdown 源文件转成各家专属格式。OpenClaw 把每个角色拆成 SOUL.md（身份人设）+ AGENTS.md（业务能力）+ IDENTITY.md（简介）三个文件；Cursor 转成 .mdc 规则文件放 .cursor/rules/；Trae 转成 .md 放 .trae/rules/；Codex CLI 转 TOML；DeerFlow 2.0 / WorkBuddy / Hermes Agent 转 SKILL.md；Kiro 转 JSON 配置 + Markdown；Qoder 转 Markdown + YAML frontmatter。
跑两条命令就能完成全部流程：
# 转换为指定工具格式./scripts/convert.sh --tool cursor# 安装到对应目录./scripts/install.sh --tool cursor不添加 --tool 的话，install.sh 会自动扫描你本机装了哪些工具，全部装上。./scripts/lint-agents.sh 用来检查文件格式合规性，方便贡献者写新角色时自检。
这种工程量看起来不起眼，但意思是：你只要会写一份 Markdown 角色定义，就能同时发布到 17 个工具的生态里。对想贡献角色的人来说门槛很低。
5. 三个值得提前知道的坑
README 里和 issue 区里都有一些被反复提到的问题，提前知道能省不少事。
Cursor 全量安装会让匹配失准。Cursor 用"智能匹配"模式（alwaysApply: false），AI 根据每条规则的 description 字段自动判断相关性。装 186 条规则意味着 Cursor 每次提问都要扫 186 条 description 来挑相关的，互相稀释之后几乎命中不到任何一条。建议做法是只装 10-20 条常用的，要么全量装完手动删，要么按需复制。
Trae 有完全一样的问题。Trae 的 rule 格式跟 Cursor 同源（只是扩展名从 .mdc 换成 .md），同样默认 alwaysApply: false + 空 globs:，属于"agent-requested rule"。issue #59 专门讲了这件事，作者给出的解法是精选安装、用 @规则名 显式调用、或者把 1-3 条核心规则改成 alwaysApply: true 长期生效。
Hermes Agent 在 Discord 模式下有 8000 字符硬上限。Hermes 的 Discord 集成会把每一个 skill 注册成 Discord 斜杠命令，但 Discord API 对 bot 所有命令的 JSON 序列化总长度有 8000 字符上限，超过会返回 error code 50035。这个仓近 200 个 skill 全装会直接炸。解决办法是分类分批安装：
./scripts/install.sh --tool hermes --category marketing./scripts/install.sh --tool hermes --category engineering --category design可选分类在 integrations/hermes/ 下，按目录名传。Hermes CLI 本身没这个限制，全量安装照常能用。
6. 配套的编排器：agency-orchestrator
光有一堆角色还不够，让角色之间能协作才是真正出活的关键。作者还有一个姊妹项目 agency-orchestrator，专门干这个事。
它做的事一句话能讲清：你用一句自然语言描述需求，它自动从 216 个角色里挑几个合适的，组装成 DAG 工作流，自动检测依赖、并行执行，几分钟后交付完整方案。
npm install -g agency-orchestratorao compose "帮我写一篇关于 AI Agent 的深度分析文章" --run这条命令跑起来，编排器会自动选叙事学家 + 心理学家 + 内容创作者 + 叙事设计师四个角色，分工写完后合并交付。支持 6 种免费 LLM（Claude Code、Gemini CLI、Copilot、Codex、OpenClaw、Ollama）和 3 种 API 接入（DeepSeek、Claude API、OpenAI），自带 32 个现成模板（开发、营销、数据分析、设计、运营）。失败步骤能单独重跑，不用从头来。
这个项目跟 agency-agents-zh 是配套关系：角色库提供专家，编排器让专家像真实团队一样协作。两个一起用，才完整。
7. 写在最后
agency-agents-zh 的真正价值跟 Star 数和角色数量关系不大。
它做了两件不太有人做的事。一是把"AI 编程工具的 agent"这件事从个人手搓 prompt 抬到一个公共可复用的资产层，一个人写 prompt 不用重复造轮子，一个团队接入也不用每个工程师各写一套，直接装上挑着用。
二是 50 个中国市场原创角色填了一个空白。英文开源圈不会有人写小红书种草策略、Qt 上位机开发、政务 ToG 售前、畜禽养殖档案核对，但这些岗位在中国市场真实存在，对应的 AI 协作需求也真实存在。这个仓是少数认真在做这件事的项目。
如果你想拿来用，建议从自己熟悉的 5-10 个角色开始，装到 Claude Code 或 Cursor 里跑两周，看哪些真的能进你的日常工作流，再决定要不要扩。一开始就全量装，多半会被稀释问题反噬。
如果你想贡献角色，CONTRIBUTING.md 写得很清楚。仓里已经有的角色文件是好用的模板，照着结构写一份，跑 ./scripts/lint-agents.sh 自检，提 PR 就行。原创角色打 ⭐ 标，翻译角色保持跟上游一致。
最后提一句协议：MIT，商业用途随便用，没有附加条件。赞助商是优云智算（UCloud 旗下 AI 云平台），作者长期在微信公众号「AI不止语」和 QQ 群里答疑。
项目地址：github.com/jnMetaCode/agency-agents-zh
