给 AI 编程工具配一支“专家团队”:agency-agents-zh,一次性把 216 个中文角色装进你的科研工作流

给 AI 编程工具配一支“专家团队”：agency-agents-zh，一次性把 216 个中文角色装进你的科研工作流

【顶部引导】本文适合科研工作者、生信分析师、临床数据挖掘人员、AI 编程工具用户、课题组 PI 和企业研发团队收藏。微禾明将从实用角度拆解：如何利用 agency-agents-zh，把 Claude Code、Cursor、Codex、Cline、Aider 等 AI 编程工具，从“单个 AI 助手”升级成“多角色专家团队”。

各位科研工作者，大家好。

如果你用过 Claude Code、Cursor、Codex、Cline、Aider 这类 AI 编程工具，应该很熟悉这种场景：

做前端项目，要写一句：

“你是前端工程师，请遵循 React 最佳实践。”

做安全审计，要写一句：

“你是安全专家，请按 OWASP Top 10 检查代码。”

做科研分析，要写一句：

“你是生信分析师，请帮我写 RNA-seq 分析流程。”

做公众号、小红书、短视频内容，又要重新写：

“你是内容运营专家，请帮我写一篇推广文案。”

问题是，每换一个项目、每换一个工具、每换一个任务，都要重新写一遍角色提示词。

这件事，本质上是重复劳动。

而且大多数人写的 prompt，其实都只有一句“你是某某专家”，很难真正把专家的工作流程、判断规则、交付标准和沟通方式写完整。

最近 GitHub 上有一个中文项目，正好把这件事做成了标准化资产。

它叫：

agency-agents-zh

这是一个中文 AI 角色库，可以一次性为 AI 编程工具配置 216 个专家角色，覆盖工程、营销、产品、设计、销售、法务、金融、HR、供应链、项目管理、学术、战略等 18 个部门，并支持 Claude Code、Cursor、Codex CLI、Aider、Windsurf、Trae、Kiro、OpenClaw、Hermes Agent 等多种主流 AI 工具。

简单来说：

以前你用 AI，是一个助手帮你干活。

现在你可以给 AI 配一支“专家团队”。

一、agency-agents-zh 到底是什么？

一句话解释：

agency-agents-zh 是一套可直接安装到 AI 编程工具中的中文专家角色库。

每一个角色都是一个 Markdown 文件。

安装之后，你可以用自然语言激活对应角色，让 AI 按照特定专家身份完成任务。

它和普通 prompt 模板最大的区别在于：

普通 prompt 只是告诉 AI：

“你是一个专家。”

而 agency-agents-zh 里的角色，会进一步定义：

角色身份；

长期记忆；

工作规则；

任务流程；

交付物标准；

沟通风格；

成功指标。

这就不是简单的“人设提示词”，而更像是给 AI 写了一份岗位说明书和 SOP。

比如一个“小红书运营专家”，它不会只写：

“你是小红书运营专家。”

而是会详细规定：

如何做品牌诊断；

如何制定种草策略；

如何规划达人层级；

如何控制硬广感；

如何判断互动率；

如何安排投放节奏；

如何输出内容模板和复盘指标。

这类角色文件的价值在于：

它不是让 AI 随便发挥，而是让 AI 按某个岗位的真实工作逻辑执行任务。

这对于科研、代码、数据分析、内容运营、企业管理都很有价值。

二、为什么这个项目值得科研用户关注？

很多人看到 agency-agents-zh，第一反应可能是：

“这不是写代码和营销用的吗？和科研有什么关系？”

其实关系非常大。

因为科研工作本身就不是一个单点任务，而是一套多角色协作流程。

一篇文章从选题到投稿，至少涉及：

科研设计；

文献检索；

数据整理；

统计分析；

生信分析；

代码开发；

可视化作图；

方法学撰写；

结果解释；

投稿润色；

返修回复；

项目管理。

过去这些工作都由人来拆分和执行。

现在，如果把 AI Agent 角色库接入科研工作流，就可以让 AI 按不同角色参与：

生信分析师负责分析路线；

Python 工程师负责代码脚本；

统计专家负责模型判断；

文档专家负责方法描述；

可视化专家负责图表优化；

项目经理负责拆解任务；

内容运营专家负责公众号或成果传播。

这就是 agency-agents-zh 对科研团队的真正意义：

它不是简单增加 prompt 数量，而是让 AI 工作流开始具备“组织结构”。

三、216 个角色，适合哪些真实场景？

agency-agents-zh 按部门组织角色，总共覆盖 18 个部门、216 个角色。

从微禾明的使用视角看，最值得科研和企业研发团队关注的，主要有以下几类。

1. 工程类角色

工程部角色覆盖非常广，包括：

前端工程师；

后端工程师；

AI 工程师；

DevOps 工程师；

安全工程师；

移动端工程师；

数据工程师；

SRE；

Solidity 合约工程师；

微信小程序工程师；

飞书/钉钉集成开发工程师；

Qt 上位机工程师；

嵌入式 Linux 驱动工程师；

FPGA 数字设计工程师；

IoT 架构师。

这类角色很适合科研代码自动化场景。

比如：

搭建 RNA-seq 自动化分析流程；

写 Python 批量处理脚本；

用 R 自动生成统计图；

开发实验室内部数据管理工具；

搭建文献批量抓取和清洗工具；

给课题组做一个小型 Web 查询页面；

把分析流程部署到服务器或云主机。

对微禾明这类生信分析和科研代码定制团队来说，工程类角色的价值非常直接。

2. 营销与内容类角色

营销部角色包括：

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；

TikTok、Twitter、Instagram、Reddit、YouTube 等出海平台角色。

这类角色适合科研成果传播、公司公众号、服务产品推广和私域运营。

比如：

写微禾明公众号推文；

设计生信服务推广文案；

规划科研工具领取活动；

拆解一篇文章做成科普内容；

把复杂技术路线改写成客户能看懂的服务介绍；

为临床老师设计朋友圈或社群转化话术。

科研服务公司不仅要会做分析，也要会把专业能力讲清楚。

营销类角色可以帮助团队更快完成内容生产和传播包装。

3. 专项与合规类角色

专项部中有一些非常适合中国市场的角色，例如：

提示词工程师；

MCP 构建器；

文档生成器；

医疗健康营销合规师；

政务数字化售前顾问；

AI 治理政策专家；

合同审查专家；

制度文件撰写专家；

技术翻译；

会议效率专家。

对于生物医药、临床科研和企业服务来说，这类角色非常重要。

尤其是医疗健康内容、科研服务推广、临床数据处理和项目合同场景，不能只追求效率，还必须考虑合规表达、数据安全和交付边界。

微禾明建议：

涉及医疗、临床、患者、药物、诊疗建议等内容时，一定要引入合规角色或人工审核，避免 AI 生成夸大、误导或不合规表述。

4. 学术与项目管理类角色

学术、项目管理、战略、产品等角色，适合科研团队做长期项目管理。

比如：

拆解课题技术路线；

制定项目里程碑；

整理会议纪要；

规划论文图表；

设计返修任务清单；

梳理基金申请逻辑；

制定团队内部 SOP。

很多科研项目拖慢，不是因为不会分析，而是因为任务没有拆清楚、交付标准不明确、沟通成本太高。

这类角色可以让 AI 更像一个项目助理，而不是简单的问答机器人。

四、50 个中国市场原创角色，是这个项目最大的亮点

agency-agents-zh 最值得关注的，不只是它翻译了英文角色库，而是它新增了大量中国市场原创角色。

这些角色非常接地气。

比如：

小红书运营专家；

抖音策略师；

微信公众号运营；

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；

飞书集成开发工程师；

钉钉集成开发工程师；

中国电商运营专家；

跨境电商运营专家；

Qt 上位机工程师；

机械设计工程师；

嵌入式 Linux 驱动工程师；

FPGA/ASIC 数字设计工程师；

政务数字化售前顾问；

医疗健康营销合规师；

高考志愿填报顾问；

供应链采购策略师；

发票管理专家；

绩效管理专家。

这些角色不是英文开源社区通常会优先覆盖的方向，但它们在中国市场真实存在。

这意味着：

这个项目不是简单把国外 prompt 翻译成中文，而是在根据中国真实业务场景补齐角色。

对中国科研公司、技术服务公司、课题组和中小企业来说，这一点非常关键。

因为我们的工作场景，经常不是纯硅谷式软件开发，而是混合了：

科研；

临床；

政务；

私域；

公众号；

飞书钉钉；

招投标；

供应链；

合规；

本土平台运营。

这也是 agency-agents-zh 比普通 prompt 合集更有价值的地方。

五、怎么安装？先不要全量装，先小范围试用

agency-agents-zh 支持多种 AI 工具。

不同工具的安装方式不同，大致可以分三类。

1. 直接复制类

例如 Claude Code、GitHub Copilot 等工具，可以将角色文件复制到对应目录中。

这类工具对角色格式兼容度较高，配置比较直接。

2. 单文件规则类

例如 Aider、Windsurf 这类工具，通常会读取一个规则文件。

项目会把多个角色编译成单个规则文件，例如 CONVENTIONS.md 或 .windsurfrules。

这种方式简单，但要注意文件过大时可能影响命中效果。

3. 格式转换类

Cursor、Trae、Codex CLI、OpenClaw、Kiro、Qoder、Hermes Agent 等工具，需要转换为各自支持的格式。

项目提供了脚本，可以用类似下面的方式转换：

./scripts/convert.sh --tool cursor

再安装：

./scripts/install.sh --tool cursor

如果不指定工具，安装脚本可能会扫描本机工具并尝试安装。

但微禾明不建议新手一上来全量安装。

六、微禾明建议的最小可行安装方案

对于科研用户来说，建议先按“小而稳”的方式试用。

不要一次性把 216 个角色全部塞进 Cursor 或 Trae。

原因很简单：

角色太多，AI 工具不一定能准确匹配。

尤其是 Cursor、Trae 这类依赖规则 description 智能匹配的工具，全量安装后，可能会出现“谁都像相关，最后谁都没命中”的问题。

微禾明建议的第一批角色控制在 5-10 个。

可以这样选：

生信分析师；

Python 工程师；

R 语言数据分析师；

文档生成器；

项目经理；

微信公众号运营；

医疗健康营销合规师；

技术翻译；

数据工程师；

可视化专家。

先装少量角色，跑两周。

看哪些角色真的能进入你的日常工作流，再决定是否扩展。

这才是更稳的用法。

七、科研团队可以怎么用？给你 4 个落地场景

场景一：生信分析项目

你可以让不同角色协作完成：

项目经理：拆解分析任务；

生信分析师：确定分析路线；

R/Python 工程师：写脚本；

可视化专家：优化图表；

文档专家：整理方法和结果说明。

适合：

GEO/TCGA 数据挖掘；

RNA-seq 差异分析；

WGCNA；

免疫浸润；

单细胞基础分析；

临床预测模型；

批量作图和报告生成。

场景二：科研代码开发

比如微禾明常见的定制代码任务：

批量整理参考文献；

自动抓取公共数据库；

批量生成图表；

自动整理 Excel 表格；

构建一键运行脚本；

将分析结果整理成报告。

这类任务非常适合工程类角色 + 文档类角色协作。

AI 不只负责写代码，还能帮助生成 README、使用说明、参数说明和交付文档。

场景三：公众号和私域内容生产

一个科研服务公司，需要持续输出内容。

比如：

生信工具教程；

代码实操案例；

文献分析方法；

服务介绍；

客户痛点拆解；

科研软件配置指南；

AI Agent 工作流科普。

这时可以调用：

微信公众号运营；

内容创作者；

技术翻译；

医疗健康营销合规师；

SEO 专家。

让 AI 不只是写文章，而是从标题、引导、正文结构、转化路径和合规表达上一起优化。

场景四：企业内部 SOP 搭建

一个团队如果要长期使用 AI 工具，最怕每个人都自己写一套规则。

agency-agents-zh 的价值就在于：

把个人 prompt 变成团队资产。

团队可以统一挑选角色；

统一修改规则；

统一配置到工具；

统一沉淀 SOP；

统一训练新人使用。

这对于科研公司、课题组和技术团队来说，比单次使用 AI 更有长期价值。

八、使用时一定要注意这 5 个坑

1. 不要一上来全量安装

216 个角色很丰富，但不是越多越好。

先用 5-10 个核心角色。

2. Cursor 和 Trae 要注意匹配稀释

这类工具通常靠规则描述自动匹配。

角色太多，可能导致命中不准。

建议精选安装，或者用 @规则名显式调用。

3. 核心角色可以设置长期生效

如果你长期做生信分析，可以把“生信分析师”“R/Python 工程师”“项目规则”这类核心角色设置为更高优先级。

但不要把所有角色都设为 alwaysApply。

4. 医疗健康内容必须人工审核

AI 可以写初稿，但不能替代合规审核。

尤其涉及疗效、诊断、治疗建议、患者数据、药物作用时，必须谨慎。

5. 角色库不是万能专家

它能提高效率，但不能替代专业判断。

生信统计、临床结论、实验设计、论文主张，最终仍需要人工确认。

九、如果搭配 agency-orchestrator，会更像一个真实团队

agency-agents-zh 解决的是“角色库”问题。

但如果想让多个角色自动协作，还需要编排器。

作者还有一个配套项目 agency-orchestrator，可以根据自然语言需求，从角色库中挑选多个合适角色，组成工作流。

比如你说：

“帮我写一篇关于 AI Agent 在科研代码中的应用文章。”

编排器可以自动选择：

内容创作者；

技术专家；

叙事设计师；

编辑校对角色；

然后分工生成内容，再合并成完整交付。

这类模式非常适合复杂任务：

开发一个科研工具；

撰写一篇公众号推文；

制定一个产品方案；

拆解一个数据分析项目；

生成一套服务销售文案；

搭建一个课题 SOP。

从微禾明的角度看：

角色库是专家池；

编排器是项目经理；

AI 工具是执行环境；

Git 是版本管理；

人工审核是质量控制。

这五个组合起来，才更接近真正可落地的 AI 工作流。

十、微禾明的可行性判断

微禾明认为，agency-agents-zh 对中国科研和技术服务团队具有较高实用价值。

它最适合以下人群：

经常使用 Claude Code、Cursor、Cline、Aider 的开发者；

需要搭建科研自动化流程的生信分析师；

需要写公众号、私域文案、服务介绍的科研公司；

需要统一 AI 使用规范的课题组；

需要把 prompt 沉淀成团队 SOP 的企业；

希望低成本搭建“AI 专家团队”的个人用户。

它暂时不适合：

完全不懂基础工具配置的新手直接全量使用；

希望 AI 自动完成高风险临床判断的人；

没有 Git、没有项目结构、没有人工审核的混乱项目；

对结果准确性要求极高但不做二次验证的场景。

所以，正确使用方式不是：

“把 216 个角色全装进去，然后让 AI 自己解决一切。”

而是：

“精选角色，绑定任务，形成 SOP，小步试用，人工审核，逐步扩展。”

微禾明专属服务：AI Agent 专家团队与科研自动化工作流定制

Why Weihe Ming?

AI 工具真正难的不是“会不会提问”，而是如何把 AI 接入真实科研和企业流程。

如果你正在遇到这些问题：

Claude Code、Cursor、Cline 不知道怎么配置；

角色规则太乱，每个项目都要重新写；

想用 DeepSeek API 或其他模型接入 Agent 工具；

想让 AI 帮你写 R/Python 生信脚本；

想把 GEO/TCGA、单细胞、临床数据分析做成自动化 SOP；

想让公众号、私域、服务介绍形成稳定内容生产流程；

想把团队常用 prompt 沉淀成标准角色库。

交给微禾明，我们可以帮助你搭建专属 AI Agent 工作流。

✅ Claude Code / Cursor / Cline / Aider 工具配置指导

✅ agency-agents-zh 角色精选与安装方案

✅ DeepSeek API 接入与国产模型替换方案

✅ 生信分析项目 AGENT.md / CLAUDE.md 规则文件定制

✅ 科研代码自动化 SOP 搭建

✅ R/Python 批量分析与作图脚本开发

✅ 公众号 / 私域 / 科研服务内容工作流定制

✅ 团队级 AI 使用规范与交付模板设计

写在最后

AI Agent 的真正价值，不是让 AI 更会聊天。

而是让 AI 更像一个可以协作、可以分工、可以执行 SOP 的团队成员。

agency-agents-zh 做了一件很有价值的事：

它把零散的个人 prompt，变成了可复用的中文专家角色库。

对中国用户来说，它的价值不只是 216 个角色，也不只是支持 17 种工具，而是它补上了很多中国市场真实存在的岗位场景。

小红书、公众号、飞书、钉钉、政务、医疗合规、上位机、供应链、发票、绩效、私域运营，这些都是我们日常工作里真实会遇到的问题。

微禾明建议大家不要一开始追求“大而全”。

先从自己的工作中选 5 个最常用角色：

一个写代码；

一个做分析；

一个管项目；

一个写文档；

一个做内容。

让它们真正跑进你的日常工作流。

当 AI 从“聊天窗口”变成“专家团队”，科研和企业效率才会真正发生变化。

🎁 粉丝专属福利

不会安装 agency-agents-zh？

不知道 Cursor、Claude Code、Cline、Aider 该怎么选？

想要一套适合生信分析和科研服务公司的 AI 专家团队配置？

微禾明生物科技专注：临床数据挖掘｜生信分析外包｜多组学整合｜单细胞分析｜定制科研代码开发｜AI Agent 自动化系统搭建