如果你在用 Claude Code、Cursor 或 Gemini CLI 写代码，你一定遇到过这样的困境：AI 给出的回答太泛，缺乏具体领域的专业深度，每次都要手动贴一大段角色背景说明。agency-agents 项目正是为了解决这个问题而生——它汇集了 232 个经过精心设计的 AI 专家代理，覆盖工程、设计、营销、安全、游戏开发等 16 个领域，每个代理都拥有独特的专业视角、工作流程和可量化的交付标准，让 AI 真正"上岗"成为你团队的专业成员。

一、项目起源：从 Reddit 到 232 个专家代理

agency-agents 的起点颇具戏剧性——作者 msitarzewski 在 Reddit 发了一个帖子，介绍他在 Claude Code 中使用自定义角色代理的实践经验，没想到 12 小时内收到了超过 50 个用户的代理分享请求。这个意外的热度让他决定将其做成一个系统化的开源项目。

经过数月的持续迭代，项目现已包含 232 个专业 AI 代理，分布在 16 个部门，代码量超过 10,000 行。整个项目采用 MIT 许可证，已建立起中文贡献指南（CONTRIBUTING_zh-CN.md）

二、核心设计理念：不是提示词模板，是专业人格

很多人对「AI 代理」的理解停留在"系统提示词"层面——写一段"你是一个资深前端工程师"就算完事了。agency-agents 的设计哲学走得更远：每个代理不仅有专业角色定义，还包含可量化的成功指标、经过验证的工作流程以及具体的交付物规范。

官方总结了五条核心设计原则：

• 专业化（Specialized）：每个代理聚焦特定领域的深度专长，而不是通用模板
• 个性驱动（Personality-driven）：独特的沟通风格和处理方式，让交互更自然
• 交付导向（Deliverable-focused）：输出真实代码、方案和可量化结果，而非模糊建议
• 生产就绪（Production-ready）：经过实战检验的工作流和质量标准
• 持续学习（Learning memory）：模式识别与持续优化机制

设计哲学核心：组建你的梦想团队，只不过他们是永不休眠、永不抱怨、始终交付的 AI 专家。

这与市面上的"提示词工程"项目有本质区别：后者聚焦于让 AI 生成更好看的答案，而 agency-agents 着眼于让 AI 在具体工作流程中承担明确责任。图2：agency-agents与普通提示词模板的本质区别——从模糊角色到专业人格的系统化升级

三、16 个部门全览：覆盖哪些专业领域

项目将所有代理按专业方向划分为 16 个部门，下面逐一介绍各部门的定位和代表性代理：

余部门还包括：付费媒体（7个） 销售（10个） 产品（5个） 项目管理（7个） 支持（6个） 空间计算（6个） 财务（5个） 学术（5个），几乎覆盖了一家完整互联网公司的所有职能部门。

四、快速上手：三种接入方式

agency-agents 设计了三种不同深度的接入方式，适合不同使用场景：

方式一：与 Claude Code 配合使用（官方推荐）

这是官方推荐的原生体验方式，无需额外转换步骤，直接将代理文件复制到 Claude Code 的代理目录即可：

# 一键安装所有代理到 Claude Code
./scripts/install.sh --tool claude-code

# 或者只安装特定部门（推荐，按需加载）
cp engineering/*.md ~/.claude/agents/

# 在 Claude Code 中激活代理（在对话框中输入）：
"activate Frontend Developer mode and help me build a React component"

方式二：多工具一键集成

如果你同时使用多种 AI 工具，可以先运行格式转换脚本，再通过交互式安装向导完成配置：

# 第一步：生成所有支持工具的集成文件
./scripts/convert.sh

# 第二步：交互式安装（自动检测已安装工具）
./scripts/install.sh

# 或直接指定目标工具
./scripts/install.sh --tool cursor
./scripts/install.sh --tool gemini-cli
./scripts/install.sh --tool windsurf

方式三：按需安装（适合精简部署）

如果不想全量安装，可以精确指定工具 + 部门 + 代理，避免不必要的冗余：

# 查看所有可用团队和代理数量
./scripts/install.sh --list teams

# 只安装工程+安全两个部门到 Claude Code
./scripts/install.sh --tool claude-code --division engineering,security

# 只安装指定代理到 Cursor
./scripts/install.sh --tool cursor --agent frontend-developer,ui-designer

# 试运行（dry-run），预览安装内容但不实际操作
./scripts/install.sh --tool opencode --division engineering --dry-run

注意（OpenCode 用户）：OpenCode 运行时目前仅能注册约 119 个代理，建议使用 --division 参数限制安装数量，避免超出限制导致部分代理失效。

五、实战场景演示：如何组建 AI 虚拟团队

agency-agents 的真正价值体现在多代理协同作战上。下面是官方给出的几个典型使用场景，展示如何像搭积木一样组建针对不同任务的 AI 虚拟团队：图3：四种典型场景的AI虚拟团队组合，按任务目标灵活搭配专业代理

这种「按需组队」的模式，让开发者可以根据当前任务目标，像配置微服务一样配置 AI 专家团队，在特定任务上获得远超通用 AI 的专业深度。

六、工具链兼容性：支持的 12 种 AI 开发工具

agency-agents 在设计上高度重视与现有 AI 编程工具生态的兼容性。通过 convert.sh 脚本，可以将代理文件转换为各工具所需的专有格式：

工具	安装路径	说明
Claude Code	~/.claude/agents/	原生支持，无需转换，推荐首选
GitHub Copilot	~/.github/agents/	原生支持，无需转换
Cursor	.cursor/rules/	转换为 .mdc 格式规则文件
Windsurf	./.windsurfrules	所有代理编译为单一规则文件
Gemini CLI	~/.gemini/extensions/	需先运行 convert.sh
Kimi Code	~/.config/kimi/agents/	YAML + 系统提示格式
Aider	./CONVENTIONS.md	所有代理编译为单一 CONVENTIONS 文件
OpenCode	.opencode/agents/	项目级作用域，注意 119 个代理上限
Codex	~/.codex/agents/	TOML 格式自定义代理
Antigravity	~/.gemini/antigravity/skills/	每个代理成为一个独立 Skill
OpenClaw	~/.openclaw/agency-agents/	SOUL.md + AGENTS.md + IDENTITY.md 三文件结构
Qwen Code	.qwen/agents/	SubAgent 格式

七、中国开发者专属：本地化平台代理亮点

值得一提的是，agency-agents 在营销部门专门针对中国市场做了深度本地化，这在同类开源项目中相当少见。目前已有专门针对以下中国平台的营销策略代理：

• 微信公众号：内容策略与运营增长
• 小红书：种草内容与达人合作
• 知乎：专业内容与问答营销
• B 站：视频内容与 UP 主策略
• 抖音：短视频与直播电商
• 快手：私域运营与本地生活
• 百度 SEO：搜索引擎优化
• 微博：话题营销与热点运营

工程部门还有一个专门为微信生态设计的代理——WeChat Mini Program Developer，覆盖微信小程序开发、微信支付集成等场景。另外，工程部门还有 Feishu Integration Developer，专门处理飞书/Lark 开放平台的机器人和工作流自动化集成。

在社区翻译方面，已有两位中文贡献者分别翻译了 141 个代理（含 46 个中国市场原创代理），并对 B 站、微信、小红书进行了本地化适配。

八、项目质量保障机制

随着代理数量的快速增长，如何保证代理质量成为关键挑战。agency-agents 建立了一套 CI/CD 自动化质量管控流程：

• 自动化 Lint 检查：通过 lint-agents.sh 脚本对代理文件格式进行规范性校验
• 部门注册表强制校验：divisions.json 文件由 CI 强制检查，确保新增代理正确归类
• 原创性验证：贡献者需通过原创性验证流程，防止同质化内容滥入
• GitHub Actions 自动化：.github/workflows/ 目录下配置了完整的自动化检查流水线

这套机制确保了随着社区规模扩大，代理质量仍能保持在较高水准，而不是变成一个无序的「提示词垃圾场」。

九、总结与适用建议

agency-agents 代表了 AI 辅助开发的一个新方向：不再把 AI 工具当作一个全能但模糊的助手，而是构建一个专业化的 AI 团队，每个成员都有明确的职责边界和工作标准。

适合哪些人使用？

• 独立开发者：一人公司也能拥有"完整团队"，不同任务阶段切换对应专业代理
• 小型创业团队：填补团队能力空白，用 AI 代理补充暂时缺失的职能角色
• Claude Code / Cursor 重度用户：显著提升 AI 工具在垂直场景下的专业深度
• 中国互联网从业者：直接使用已本地化的中国平台营销和微信生态代理，开箱即用

适合哪些场景？

• 需要 AI 在特定专业领域给出深度、一致且可追溯输出结果的场景
• 长期、重复性的工程/营销/测试工作，需要稳定的 AI 角色进行协同的场景
• 团队规范化 AI 使用流程，统一代理标准的场景