如果你已经在用 Claude Code、Cursor、Codex、Gemini CLI 这类 AI 编程工具，大概率遇到过一个问题：模型很强，但每次开新任务都要重新交代角色、边界、交付标准和沟通方式。

写前端时，你希望它像一个懂可访问性和性能的前端工程师；排查线上问题时，你希望它像 SRE；做产品方案时，又希望它切换成产品经理或增长顾问。反复手写提示词当然可以，但时间久了会很散，也不方便团队复用。

今天分享的 Agency Agents，解决的就是这个问题：它把一批常见专业角色做成可安装的 Agent 人设和工作流，让你的 AI 工具不只是“一个通用助手”，而是可以按任务切换成不同专家。

项目地址：https://github.com/msitarzewski/agency-agents

一、它真正解决的不是“提示词收藏”问题

很多人看到这类项目，第一反应会是：这不就是一堆 Prompt 吗？

只把它当 Prompt 仓库，就有点低估它了。Agency Agents 更像是一套“角色规格说明书”：每个 Agent 不只写“你是某某专家”，还会写清楚它的工作边界、交付物、判断标准、沟通风格，以及在什么场景下应该介入。

1. 适合解决什么场景

它比较适合这些情况：

• 你经常在不同 AI 编程工具之间切换，比如 Claude Code、Codex、Cursor、Gemini CLI。

• 你希望某类任务有固定的交付标准，比如代码审查、前端实现、DevOps、测试、产品调研。

• 你在团队里推广 AI 工具，希望大家不要各写各的提示词。

• 你想快速借鉴一套成熟角色设定，再按自己的项目微调。

2. 它和普通提示词有什么不同

普通提示词更像一次性说明；Agency Agents 的 Agent 文件更像可复用的“岗位说明 + 工作流程”。

二、里面有哪些 Agent，怎么挑才不乱

截至本次整理，仓库里按目录划分了多个方向，例如 Engineering、Design、Marketing、Product、Security、Testing、Support 等。不是每个人都需要全量安装，第一次用建议先从你最常遇到的任务开始。

1. 编程相关：先看 Engineering、Testing、Security

如果你主要用它辅助写代码，可以优先看这几个方向：

• Frontend Developer：适合 React、Vue、Angular、Svelte 等前端实现任务。

• Backend Architect：适合接口设计、服务拆分、数据库架构讨论。

• DevOps Automator：适合 CI/CD、部署脚本、基础设施自动化。

• Code Reviewer：适合 PR 审查、可维护性和安全风险检查。

• SRE / Incident Response：适合线上故障、监控、复盘和可靠性设计。

• Testing 目录：适合测试策略、自动化测试、质量保障相关任务。

2. 产品和增长相关：适合非纯代码任务

这个项目有意思的地方在于，它不只服务工程师。比如 Product、Marketing、Sales、Support 这些目录，更适合做产品定位、用户研究、社区运营、销售材料、客服流程等工作。

如果你的 AI 工具平时只用来写代码，可以试试让它切换到这些角色处理“代码之外”的任务：比如整理竞品、写产品 FAQ、做上线公告、分析 Reddit 社区反馈。

3. 不建议一上来全装

仓库 README 里提供了全量安装方式，但我更建议先小范围试用。原因很简单：Agent 太多会增加选择成本，也可能让工具目录变得很乱。

更稳妥的顺序是：先选 1 个工具，再选 1～2 个 division，最后挑 5～10 个高频 Agent。

三、上手方式：桌面 App 最省事，脚本更适合折腾

Agency Agents 现在有两条路线：一种是用桌面 App 浏览和安装；另一种是克隆仓库后用脚本转换、安装。

1. 桌面 App：适合大多数人

项目官网提供了 Agency Agents 桌面 App，支持 macOS、Linux、Windows。它的价值在于：你可以浏览 Agent 名单，然后把选中的 Agent 安装到 Claude Code、Cursor、Codex、Gemini CLI、OpenCode、Qwen、Osaurus 等工具里。

截至本次整理，最新 GitHub Release 为 v0.2.1，发布页里能看到 Windows、macOS、Linux 对应安装包。实际下载时建议以 Releases 页面为准。

官网：https://agencyagents.app

Releases：https://github.com/msitarzewski/agency-agents-app/releases/latest

2. 命令行脚本：适合想精确控制的人

如果你更习惯命令行，可以直接克隆仓库，然后使用安装脚本。比如只安装到 Codex，或者只安装某几个 division。

git clone https://github.com/msitarzewski/agency-agents.git

cd agency-agents

# 查看支持的工具、团队、Agent

./scripts/install.sh --list tools

./scripts/install.sh --list teams

./scripts/install.sh --list agents

# 只安装 Engineering 和 Security 到 Codex

./scripts/install.sh --tool codex --division engineering,security --dry-run

./scripts/install.sh --tool codex --division engineering,security

这里建议先跑 `--dry-run`，看清楚它准备写入哪些目录，再正式安装。尤其是你已经维护了自己的 agents / rules / skills 目录时，不要直接盲装全量。

3. 多工具支持是它的亮点

从仓库的脚本和配置看，它支持的目标工具不少，包括 Claude Code、Copilot、Gemini CLI、OpenCode、Cursor、Aider、Windsurf、Qwen、Kimi、Codex、Osaurus、Hermes 等。

这点比较实用：如果你平时不是只用一个 AI IDE，而是多个工具混着用，Agency Agents 可以帮你把同一批角色转换到不同工具的格式里，减少重复维护。

四、使用时要注意什么

这种 Agent 合集很方便，但也不是装得越多越好。它真正适合的是“把高频任务标准化”，而不是替你判断所有事情。

1. 先从高频任务开始

第一次建议从这些任务里选：

• 代码审查：让 Agent 固定检查可维护性、测试、安全边界。

• 前端实现：让 Agent 固定关注响应式、可访问性、性能。

• 测试补齐：让 Agent 固定从失败路径、边界条件、回归风险出发。

• DevOps：让 Agent 固定输出可执行命令、验证步骤和回滚思路。

2. 不要把 Agent 当权限边界

Agent 只是提示词和工作流文件，不是安全沙箱。它不能代替权限隔离，也不能保证 AI 工具不会误操作。

真正执行安装、改配置、跑命令前，仍然要看清楚写入路径和 diff。尤其是团队机器、生产环境、本地密钥目录，最好不要让任何脚本无脑写入。

3. 需要二次改造才最顺手

开箱的 Agent 适合做参考，但长期使用最好按你的项目改一版。例如：

• 增加项目技术栈和目录约定。

• 写清楚测试命令、构建命令、发布流程。

• 加入团队不允许做的事，比如不自动提交、不改数据库迁移、不触碰 `.env`。

• 把常见错误和验收清单写进对应 Agent。

五、优缺点简单说

六、我的使用建议

如果你只是想“让 AI 更懂我”，不一定要急着装完整套 Agency Agents。更实际的做法是：

1. 先浏览目录，挑出你每周都会用到的 5 个 Agent。

2. 用桌面 App 或脚本安装到你最常用的一个工具里。

3. 做两三个真实任务，观察输出是否更稳定。

4. 把项目特有规则补进去，再推广到其他工具。

它最值得借鉴的地方，不是“收集了很多角色”，而是提醒我们：AI 工具要想稳定交付，不能只靠一句“你是专家”。角色边界、执行流程、验收标准和失败处理，都应该沉淀成可复用的文件。

如果你现在已经在用 Claude Code、Cursor、Codex 这类工具，Agency Agents 值得花半小时试一下。不要从全量开始，从你最痛的任务开始就好。