夜雨聆风每日开源 · 早间篇 · 079
The Agency
把 232 个 AI 专家一键装进你的编码助手
一个开源的 AI 代理机构：覆盖工程、设计、营销、销售、产品、安全等 16 个部门，从 Reddit 讨论帖长成 119k Star 的事实标准
项目速览
项目名：agency-agents（The Agency）
作者：Michael Sitarzewski（msitarzewski）
GitHub：github.com/msitarzewski/agency-agents
Stars：119,000+ ⭐（今日 +1,425，GitHub Trending #2）
规模：232+ 个 AI 专家 / 16 个部门 / 13+ AI 工具支持
许可证：MIT（可商用、可改、可分发）
主语言：Markdown（角色定义）+ Shell（安装脚本）
一个 Reddit 帖子长成的"AI 代理公司"
2025 年 10 月，Michael Sitarzewski 在 Reddit 上发了一个讨论帖："AI 到底能不能真正专精某个领域？"——没想到这个看似简单的提问，最终演化成了一个 119k Star 的开源项目：The Agency。
项目上线 12 小时内就收到 50 多个 Star 请求；半年时间，6.5k+ Forks、353+ 提交、13+ 主流 AI 编码工具原生支持。中文社区也基于它衍生出 agency-agents-zh，新增 26 个翻译角色 + 4 个中国市场专用角色。
它到底做了什么？为什么开发者社区对"AI 专家库"这种形式趋之若鹜？
它能解决什么问题？
通用 Prompt 的"角色漂移"困境：你让 LLM"扮演一位资深安全工程师 review 代码"，得到一份还算像样的答复——但它不像干了 10 年的工程师那样，有固定的工作流、一贯的沟通风格、明确的成功标准。每次问，每次都不太一样。
The Agency 的核心洞察是：一个真正的专家，不只是"知道得多"，还要有固定的工作流、可量化的成功指标、稳定的语气风格。来看一组对比：
普通 Prompt：
"你是一个安全专家"
"帮我分析性能"
"你懂 SEO"
Agency-Agents：
"你的默认行为是找出 3-5 个问题，并要求提供可视化证明"
"第一步：建立基线 benchmark；第二步：找出 top 3 瓶颈；第三步：提供改动前后的对比"
"每次审查必须输出：页面标题、meta description、H1 结构、内链机会——共四项"
"你知道什么"只是基础，"你怎么干活"才是专家的核心价值。这是 The Agency 想用工程化方式解决的根本问题。
核心亮点：四层设计哲学
① 232+ 个专家，16 个部门
从工程部 32 人（前端、后端、移动、AI、DevOps、嵌入式、SRE、安全、WordPress/WooCommerce 商城…）到营销部 34 人（增长黑客、Twitter 运营、Reddit 社区、小红书、知乎、抖音、视频号、私域运营…），再到销售 10 人、设计 9 人、付费媒体 7 人、测试 8 人、安全 10 人、空间计算 6 人、游戏开发 20+、GIS 13 人、学术 5 人、特殊部门 50+，几乎覆盖一个真实代理机构的全部岗位。
每个角色都有独立人设——比如 Reddit 社区运营的金句是"你不是在 Reddit 上打广告，你是在成为一个恰好代表品牌的社区成员"；Reality Checker（质量守门员）的口头禅是"证据胜于声明"，首次实现通常需要 2-3 次迭代，C+/B- 评级是正常可接受的。
② 每个 Agent 都是一份"岗位说明书"
打开任意一个 Agent 的 .md 文件，你会看到 YAML 头部（emoji / vibe / services 字段）+ 结构化 Markdown 正文，包含：
---
name: Security Engineer
description: 专注于代码安全审查、漏洞识别与修复建议
emoji: 🔒
vibe: "我不只是测试你的代码——我默认找出 3-5 个问题，并要求可视化证明。"
---
正文定义四阶段工作流（Discovery → Planning → Execution → Review）+ 量化的成功指标（比如"每次审查至少发现一个中危以上漏洞"）+ 带代码示例的技术交付物。
这不是在描述 AI"应该知道什么"，而是在定义它"应该怎么工作"。
③ 一份定义，14 个工具通用
install.sh 脚本会自动检测你系统上已安装的 AI 工具，然后用交互式 UI 让你勾选——Claude Code、Cursor、Copilot、Antigravity、Gemini CLI、OpenCode、OpenClaw、Aider、Windsurf、Codex、Osaurus、Hermes、Qwen、Kimi 全部原生支持。
不同工具的安装路径不同：
• Claude Code → ~/.claude/agents/
• Cursor → .cursor/rules/
• GitHub Copilot → ~/.github/agents/
• Gemini CLI → ~/.gemini/agents/
• Windsurf → .windsurfrules
• Aider → CONVENTIONS.md
④ NEXUS 多 Agent 协作框架
NEXUS（Network of EXperts, Unified in Strategy）是核心协作模式，提供三种规模：
• NEXUS-Full：完整产品从 0 到 1，调用全部 232 个 Agent，12-24 周
• NEXUS-Sprint：单个功能/MVP，15-25 个 Agent，2-6 周
• NEXUS-Micro：特定任务，5-10 个 Agent，1-5 天
6 阶段标准化流程：Discovery（发现）→ Strategy（策略）→ Foundation（基础）→ Build（构建）→ Harden（加固）→ Launch（发布），每两个阶段之间有质量门（Quality Gates），没有证据不进下一阶段。这相当于把"团队协作 SOP"写进了 Agent 协作的基因里。
实战场景：4 周单挑一个 SaaS MVP
项目里有一个完整的 4 周 RetroBoard（远程团队实时回顾工具）案例，1 名开发者 + The Agency，目标是交付可上线的 MVP。来看典型的工作流：
Week 1 · Discovery + Architecture
• Sprint Prioritizer 输出 4 周冲刺计划 + 验收标准
• UX Researcher 给出竞品对比表（EasyRetro/Retrium/Parabol）+ 差异化建议
• Backend Architect 设计 PostgreSQL schema + REST API + Socket.io 事件
Week 2 · Build Core Features
• Frontend Developer 输出 React 组件代码（含 React.memo、虚拟滚动、Socket.io 实时同步）
• Reality Checker 中期检查，输出风险预警 + 功能裁剪建议 + 技术债务清单
Week 3 · Polish + Landing Page
• Growth Hacker 输出落地页文案 + Product Hunt / Reddit / HN 启动时间表
Week 4 · Launch
• Reality Checker 生产就绪检查（Live URL / 测试账号 / Sentry / 数据库备份），输出 GO/NO-GO 决策
这就是把"通用 AI"变成"随时待命的专家团队"的体感差异——你的角色从"执行者"变成"指挥官"，从"单打独斗"变成"团队协作"。
效率提升对比（来自社区实战）
6×
需求分析
2-3天 → 2-4小时
4×
架构设计
1-2天 → 4-6小时
2×
测试覆盖
40% → 80%+
代码审查问题数：传统开发 15-20 个/功能 → The Agency 3-5 个/功能
生产环境 Bug：传统开发 8-12 个/月 → The Agency 2-3 个/月
文档完整度：传统 30% → The Agency 90%
上手指南：30 秒启动你的 AI 专家团
前置条件：已安装任意一种支持的 AI 编码工具（Claude Code、Cursor、Codex、Gemini CLI 等）。
方案一：桌面应用（最简单）
# macOS 一键安装
brew install --cask msitarzewski/agency-agents/agency-agents
# 或下载桌面 App
# https://github.com/msitarzewski/agency-agents-app/releases/latest
↑ 桌面 App 可浏览全部 232 个 Agent，并一键安装到 Claude Code、Cursor、Codex、Gemini CLI、OpenCode、Qwen、Osaurus 等工具。
方案二：Claude Code 脚本安装（推荐）
# 1. 克隆仓库
git clone https://github.com/msitarzewski/agency-agents.git
cd agency-agents
# 2. 安装所有 Agent 到 Claude Code（交互式）
./scripts/install.sh --tool claude-code
# 或手动复制某部门
cp engineering/*.md ~/.claude/agents/
cp design/*.md ~/.claude/agents/
cp marketing/*.md ~/.claude/agents/
方案三：多工具通用（一次转换，14 端部署）
# 1. 生成各工具的集成文件
./scripts/convert.sh
# 2. 交互式安装（自动检测已装工具）
./scripts/install.sh
# 3. 或指定工具
./scripts/install.sh --tool claude-code,cursor,copilot
选择性安装（精准控制）
# 只装工程部和安全部
./scripts/install.sh --tool claude-code --division engineering,security
# 只装某几个 Agent
./scripts/install.sh --tool cursor --agent frontend-developer,ui-designer,reality-checker
# 查看所有团队及 Agent 数量
./scripts/install.sh --list teams
# 干运行（预览不安装）
./scripts/install.sh --tool opencode --division engineering --dry-run
激活 Agent：单 Agent 模式
Hey Claude, activate Frontend Developer mode.
Help me build a responsive data table component:
- Virtual scrolling for 10k+ rows
- Sortable columns
- Filter functionality
- Export to CSV
激活 Agent：NEXUS 多 Agent 协作
Activate Agents Orchestrator in NEXUS-Sprint mode.
Feature: User authentication system
Timeline: 2 weeks
Team:
- Backend Architect: API design
- Frontend Developer: UI implementation
- Security Engineer: Security audit
- Evidence Collector: QA validation
- Reality Checker: Final approval
Begin with architecture design.
⚠️ 注意：OpenCode 有约 119 个 Agent 的软上限（上游 bug #27988），超出部分不会加载。如需全量，可改用 Claude Code / Cursor / Copilot，或用 --division 缩小范围。
给 AI Agent 开发者的四点启发
从工程视角看，The Agency 的设计选择非常值得借鉴：
1. 把"性格"和"流程"分离存储——文件里 Identity & Memory 块和 Workflow 块分开，前者负责角色一致性，后者负责行为可预期性。二者混在一起会让维护变得很痛苦。
2. 成功指标要量化——"做得好"这种描述是噪音，"每次安全审查找出 ≥3 个问题"才是可执行的约束。这对做自动化评估（eval）尤其重要。
3. 工具适配层要独立——同一份 Agent 定义通过 convert.sh 编译脚本适配不同 IDE，这是非常干净的抽象——Agent 逻辑不应该和宿主工具的格式耦合。
4. 部门契约 = 真实数据源——divisions.json 是单一事实源，CI 脚本会校验所有 Agent 文件都符合部门配置。这种"配置即真相"的做法，比"文档即真相"可靠得多。
社区驱动的 Agent 库可以很快增长——来自全球的贡献者支持已达 232+ 个 Agent，每个都经过社区测试。相比自己从头构建，维护一个高质量的 Agent 模板库是更可持续的路径。
优势与局限
✅ 优势
数量多、组织清晰（232 个有人设/流程/交付物的专家）；兼容广（Claude Code + 近 10 种其他工具）；MIT 开源可商用；社区驱动、迭代活跃（119k Stars）；是优质 Agent 角色写法的范例库。
⚠️ 局限
本质是提示/角色定义合集，实际效果取决于底层模型与任务；数量大意味着良莠与适用性需挑选，并非每个角色都精雕细琢；多工具支持靠脚本转换格式，不同工具的激活与体验不一致；强绑定各助手的角色机制，迁移到其它平台需适配。
今日总结
The Agency 证明了一件事：给 AI 一个角色不难，给 AI 一套稳定的工作方式才是真正的工程挑战。它把 Prompt Engineering 从"写文案"升级成了"设计岗位说明书"。
如果你是独立开发者或小团队，想把"通用 AI 助手"升级成"随时待命的专家团队"；如果你在自研 Agent 框架，想参考"如何写好有流程与交付标准的 agent 角色"——这个项目都值得花 30 秒装一下试试。
项目地址：github.com/msitarzewski/agency-agents
许可：MIT
中文社区版：github.com/jnMetaCode/agency-agents-zh
👀 今日互动：你最希望 AI 专家团里出现哪个角色？评论告诉我，下一期我们一起拆解它的实现。
每日开源 · 079
