# 这个 10 万 Star 的开源库，到底能干啥？给小白讲明白 agency-agents
**作者**: bbshare
**日期**: 2026-05-20T03:58:45.000Z
**来源**: [https://x.com/shadouyoua/status/2056947712499843354](https://x.com/shadouyoua/status/2056947712499843354)
---
# 最近看到一个很火的开源库：
https://github.com/msitarzewski/agency-agents
名字叫 agency-agents，Star 已经非常夸张。
很多人第一眼可能会误解，以为它是一个 AI 应用、一个 Agent 平台，或者一个能直接跑起来的自动化系统。
其实都不是。
用最白话的话讲：
它是一整套“AI 专家角色模板库”。
你可以把它理解成：
给 Claude Code、Cursor、OpenCode、Gemini CLI、Aider 这类 AI 工具，装上一整支“虚拟专家团队”。
## 1. 它不是工具，而是一包“专业人设”
我们平时用 AI，经常会这样问：
> 帮我写个页面
> 帮我优化一下代码
> 帮我看看这个产品怎么样
> 帮我写一篇营销文案
问题是，这种问法太泛了。
AI 一会儿像程序员，一会儿像产品经理，一会儿像营销号，一会儿又像客服。
它不是不会做，而是角色不稳定。
agency-agents 做的事情，就是提前帮你写好一堆专业角色。
比如：
- Frontend Developer：前端开发专家
- Backend Architect：后端架构师
- Code Reviewer：代码审查专家
- Product Manager：产品经理
- UI Designer：界面设计师
- Growth Hacker：增长专家
- Content Creator：内容创作者
- Agents Orchestrator：多 Agent 协调者
每个角色都不是简单一句“你是某某专家”。
它会写清楚：
- 这个角色是谁
- 擅长什么
- 工作流程是什么
- 输出格式是什么
- 判断标准是什么
- 说话风格是什么
- 什么样才算做好了
所以它本质上是一个 Agent Prompt 模板库。
## 2. 它解决的核心问题：AI 太万能，所以太不稳定
很多人用 AI 效果不好，不一定是模型不行，而是没有给 AI 一个稳定的工作身份。
你让 AI “帮我做个网站”，它可能随便发挥。
但你说：
> 用 Frontend Developer agent 帮我做这个 React 组件，注意性能、可访问性和响应式布局。
效果就会完全不一样。
因为这个时候，AI 不再是一个泛泛的聊天机器人，而是被限制成了一个具体岗位的人。
它知道自己该关注什么，也知道哪些标准不能丢。
这就是 agency-agents 的价值：
它帮你把“怎么提示 AI”这件事标准化。
## 3. 小白可以怎么理解它？
最简单的类比：
如果普通 AI 是一个“万能实习生”，那 agency-agents 就是在给这个实习生发不同的工牌。
你要写前端，就给它戴上“前端工程师”的工牌。
你要审代码，就给它戴上“代码审查员”的工牌。
你要做产品规划，就给它戴上“产品经理”的工牌。
你要做营销，就给它戴上“增长专家”的工牌。
同一个 AI，因为角色不同，工作方式就不同。
这就是 Agent 的一个很重要的方向：
不是让 AI 更自由，而是让 AI 在正确的角色里稳定发挥。
## 4. 它到底能帮你做什么？
如果你是开发者，它可以帮你：
- 写前端组件
- 设计后端 API
- 做代码审查
- 优化数据库
- 写技术文档
- 规划 DevOps 流程
- 做安全检查
- 拆解项目任务
如果你是产品或创业者，它可以帮你：
- 写 PRD
- 做竞品研究
- 拆用户反馈
- 设计产品路线图
- 做增长实验
- 写营销内容
- 设计销售话术
如果你是团队负责人，它还可以帮你搭工作流：
比如让一个 Agent 先做需求拆解，另一个 Agent 做技术方案，再让开发 Agent 执行，最后让 QA Agent 检查。
这其实就是一个迷你版的 AI 公司分工。
## 5. 它怎么用？
如果你用的是 Claude Code，README 里推荐的方式是：
./scripts/install.sh --tool claude-code
安装后，这些 agent 会被放到 Claude Code 的 agents 目录里。
你也可以只复制某个分类，比如只要工程类 agent：
cp engineering/*.md ~/.claude/agents/
然后在 Claude Code 里使用类似这样的方式：
> activate Frontend Developer mode and help me build a React component
或者：
> 用 Code Reviewer agent 帮我审查这段代码
它也支持其他工具，比如：
- GitHub Copilot
- Gemini CLI
- OpenCode
- OpenClaw
- Cursor
- Aider
- Windsurf
- Kimi Code
如果要适配这些工具，可以先执行：
./scripts/convert.sh
再执行：
./scripts/install.sh
它会把这些 agent 转换成不同工具能识别的格式。
## 6. 它不是什么？
agency-agents 不是一个完整 AI 平台。
不是一个网页应用。
不是装完就能自动帮你赚钱的系统。
也不是一个真正会自己运行的多 Agent 工作台。
它更像是：
> 一套可以复制、安装、改造的 Agent 角色说明书。
真正执行任务的，还是 Claude Code、Cursor、Gemini CLI 这些工具，以及你背后的模型能力。
所以不要把它想成“自动化神器”。
它更像是一个 专业提示词资产库。
## 7. 为什么这个库值得看？
我觉得它最有价值的地方，不只是能用，而是它展示了一个很重要的趋势：
未来我们使用 AI，不会只靠一个万能聊天框。
更好的方式是：
- 不同任务，对应不同 Agent
- 不同 Agent，有不同工作流
- 不同工作流，有不同交付标准
- 多个 Agent，可以组成一个小型 AI 团队
这比单纯问 AI：
> 帮我做一下
要稳定得多。
## 8. 我的建议
如果你是小白，不要一上来就想着全部安装。
可以先挑 3 个最常用的 agent 看：
1. Frontend Developer
看它怎么定义一个前端专家。
2. Code Reviewer
看它怎么做代码审查。
3. Product Manager
看它怎么拆产品需求。
你会很快发现，好的 Agent 不是一句“你是专家”就完事了。
它需要有身份、边界、流程、交付物和成功标准。
这才是 Prompt Engineering 真正有价值的部分。
## 最后总结
agency-agents 这个库，本质上不是在卖弄技术，而是在回答一个很实际的问题：
> 怎么让 AI 从“泛泛聊天”变成“专业干活”？
它的答案是：
给 AI 明确角色，给角色明确流程，给流程明确交付标准。
对小白来说，它是一个 AI 专家团队模板库。
对开发者来说，它是一个可直接安装的 Agent 角色库。
对创业者和产品人来说，它是一个理解 AI 工作流设计的好样本。
未来会用 AI 的人，不只是会提问的人，而是会组织 AI 分工的人。
## 相关链接
- [bbshare](https://x.com/shadouyoua)
- [@shadouyoua](https://x.com/shadouyoua)
- [297](https://x.com/shadouyoua/status/2056947712499843354/analytics)
- [https://github.com/msitarzewski/agency-agents](https://github.com/msitarzewski/agency-agents)
- [Upgrade to Premium](https://x.com/i/premium_sign_up)
- [11:58 AM · May 20, 2026](https://x.com/shadouyoua/status/2056947712499843354)
- [297 Views](https://x.com/shadouyoua/status/2056947712499843354/analytics)
---
*导出时间: 2026/5/20 14:21:39*