1. 项目概述一个开箱即用的AI专家角色库如果你和我一样每天都在和Claude Code、Cursor、Copilot这些AI编程工具打交道那你肯定也遇到过这样的场景想让AI帮你写个React组件结果它给你生成了一堆通用代码离你想要的“企业级、可维护、性能优化”的组件差了十万八千里。或者你想让它帮你策划一个小红书爆款笔记它却只能给出一些“多发内容、多互动”的泛泛之谈。问题出在哪不是AI能力不行而是我们给它的“角色”和“指令”太模糊了。agency-agents-zh这个项目就是来解决这个核心痛点的。它不是一堆零散的提示词模板而是一个经过精心设计的、包含211个即插即用的AI专家角色的完整库。简单来说它把“你是一个专家”这句空话变成了“你是一个拥有10年经验、遵循OWASP Top 10标准、会输出详细审计报告的安全工程师”这样一套完整的、可执行的身份、流程和交付物定义。这个项目最初是英文社区agency-agents的中文翻译版但现在已经远远超越了翻译的范畴。社区在完整翻译了上游165个角色的基础上针对中国市场原创新增了46个本土化智能体。这意味着你不仅能找到“前端开发者”、“后端架构师”这样的通用技术角色更能直接调用“小红书运营专家”、“抖音策略师”、“飞书集成开发工程师”、“政务数字化售前顾问”这些深度贴合国内业务场景的专家。从技术开发到市场营销从金融风控到供应链管理覆盖了18个业务部门几乎就是一个虚拟的、全栈的AI公司。更关键的是它支持16种主流AI编程工具包括Claude Code、GitHub Copilot、Cursor、OpenClaw、Qwen Code、WorkBuddy等。通过项目提供的脚本你可以一键将这些专家角色“安装”到你的AI工具中。之后你只需要用自然语言说“激活小红书运营专家帮我策划一个618的爆款笔记”AI就会立刻切换到这个专家的思维模式和工作流程输出一份包含人群分析、内容策略、达人合作方案和投放节奏的完整策划案。2. 核心价值与设计思路为什么是“专家角色”而非“提示词”在深入使用之前我们必须先理解这个项目的底层设计哲学。它解决的是当前AI应用从“玩具”走向“工具”过程中的一个关键瓶颈角色深度与工作流程的标准化。2.1 从“模糊指令”到“专家系统”普通的提示词工程Prompt Engineering就像给AI一张简单的任务清单。例如“写一个登录组件”。AI会基于其训练数据生成一个它认为合理的组件。但结果往往千差万别可能忽略了无障碍访问a11y可能没有考虑防暴力破解样式也可能不符合你的设计系统。而agency-agents-zh采用的是“专家系统”思路。以其中的“前端开发者”角色为例它不仅仅是一个标签。它的定义文件通常是一个Markdown文件会详细规定身份与背景例如“你是一名拥有8年经验的前端架构师专精于React生态和性能优化。”核心原则例如“优先考虑可访问性WCAG AA、移动端优先、代码可维护性。”工作流程例如“1. 先理解业务场景和用户故事2. 进行组件API设计3. 实现核心逻辑与状态管理4. 编写单元测试5. 进行性能与安全自查。”交付物格式例如“输出应包含组件Props定义、TypeScript接口、核心实现代码、测试用例、以及一个使用示例。”当你激活这个角色后AI就不再是那个“什么都知道一点但什么都不精”的通才而是瞬间化身为一个有着明确方法论和产出标准的资深前端专家。这种转变将AI从“一个聪明的实习生”提升到了“一个可靠的专家顾问”的层面。2.2 本土化创新的深层逻辑项目新增的46个中国市场原创智能体是其实用价值的集中体现。这不仅仅是语言翻译更是业务逻辑和场景的深度适配。以“小红书运营专家”为例一个合格的英文“社交媒体策略师”可能精通Instagram和Twitter的算法与社区文化但对中国特有的“种草”、“笔记”、“薯条推广”、“蒲公英平台”等概念和玩法是陌生的。原创智能体将这些本土知识内化到了角色定义中人设可能是“一个深谙Z世代心理、在美妆赛道有多个爆款案例的资深内容运营”。关键规则会强调“封面图必须高清有质感”、“正文前3行是黄金钩子”、“必须添加相关话题标签和官方薯”。工作流程会按照“爆款选题挖掘 - 人群痛点分析 - 笔记结构开头痛点中间解决方案结尾促互动 - 视觉素材建议 - 投放策略自然流测试薯条加热”来展开。交付物直接给出一份包含标题、正文、标签、图片描述、发布时间建议的完整笔记草稿。这种深度定制使得AI输出的内容不再是“正确的废话”而是真正具备可操作性的、符合平台生态的落地方案。对于“飞书/钉钉集成开发工程师”、“政务ToG售前顾问”、“医疗健康营销合规师”等垂直领域角色其价值更是如此——它们封装了极其专业的领域知识极大地降低了非专业人士的使用门槛。2.3 多工具支持的工程化考量支持16种工具并非简单的格式转换。不同的AI工具有着迥异的架构和扩展机制Claude Code/Copilot通常使用全局或项目级的agents目录角色定义是纯文本提示词。Cursor/Trae使用项目级的.cursor/rules/或.trae/rules/目录规则文件.mdc有特定的YAML头信息描述匹配条件。OpenClaw这是一个支持多智能体编排的框架它将一个角色拆分为SOUL.md身份记忆、AGENTS.md业务能力、IDENTITY.md简介三个文件天然支持角色间的协作和上下文传递。Aider将所有角色编译到单个CONVENTIONS.md文件中。WorkBuddy/Hermes作为新兴的智能体桌面应用它们有各自的技能Skill系统。项目通过scripts/convert.sh和scripts/install.sh这两个核心脚本自动化地完成了从源Markdown文件到各种目标格式的转换和部署。这背后是一套复杂的模板引擎和路径映射逻辑。对于使用者来说只需要运行一两条命令就能让这些专家角色在其熟悉的工具环境中“上岗”这种无缝的体验是项目得以推广的关键。实操心得在初次安装时我建议先使用./scripts/install.sh不加参数让脚本自动检测你系统中已安装的工具。它会列出所有支持的工具及其安装状态你可以选择性地进行安装避免一次性装太多用不到的角色造成管理混乱。3. 核心组件深度解析与实操要点理解了项目的设计理念后我们来拆解它的核心组成部分。整个项目可以看作由三大支柱构成角色定义库、格式转换与部署引擎、以及可选的多智能体编排器。3.1 角色定义库结构化的专家知识封装每个智能体角色都是一个独立的Markdown文件存放在按部门分类的目录下如engineering/,marketing/。虽然不同工具最终格式不同但其源文件结构遵循一个清晰的范式。我们以engineering-frontend-developer.md为例剖析其内部结构身份与核心原则Identity Core Principles这部分定义了角色的“人设”。它不仅仅是头衔还包括了经验年限、技术栈偏好、价值观如“用户体验优先于炫技”。这是让AI进入状态的关键。核心能力与交付物Capabilities Deliverables明确列出该专家能解决的具体问题类型和最终的产出形式。例如“交付一个完整的、带Storybook文档的React函数组件”“输出一份包含OWASP Top 10检查点的代码审计报告”。这设定了明确的成功标准。工作流程Workflow这是角色的“方法论”。通常是一个步骤化的列表引导AI如何一步步解决问题。例如安全工程师的流程可能是“1. 威胁建模 - 2. 静态代码分析 - 3. 依赖项安全检查 - 4. 生成修复建议”。这个流程确保了思考的全面性和系统性。交互风格与约束Communication Style Constraints规定专家如何与用户你沟通。是言简意赅还是详细解释是否应该主动提问澄清需求有哪些技术或道德上的红线不能触碰这保证了协作过程的顺畅和可控。激活示例Activation Examples提供几个自然语言的例句告诉用户如何“召唤”这个专家。例如“激活前端开发者模式帮我重构这个臃肿的组件。”注意事项在自定义或修改角色时最关键的是保持各部分的一致性。例如一个“快速原型师”的工作流程就应该是敏捷、跳跃的交付物可能是低保真草图或最小可行代码而一个“系统架构师”的流程则必须是严谨、循序渐进的交付物是架构决策记录ADR和技术规格文档。如果流程和交付物不匹配AI的行为就会变得混乱。3.2 脚本系统一键部署的背后scripts/目录下的脚本是项目的“神经系统”负责将统一的角色源文件适配到五花八门的AI工具环境中。convert.sh这是格式转换器。它读取/agents目录下的源Markdown文件根据--tool参数指定的目标工具如cursor,openclaw调用对应的模板生成符合该工具规则的中间文件并输出到integrations/[tool-name]/目录下。例如为Cursor生成带match和description的.mdc文件。install.sh这是部署器。它负责将integrations/下已转换好的文件复制到对应工具的配置目录中。例如将Cursor的.mdc文件复制到你的项目目录下的.cursor/rules/中。它支持自动检测已安装的工具。lint-agents.sh这是一个代码质量检查工具。它会检查所有源角色文件的格式是否规范是否有缺失的必填字段如角色名称、描述确保角色定义库本身的质量。一个典型的协作流程是这样的贡献者在/agents目录下新增或修改了一个角色文件例如marketing-wechat-channels-strategist.md。运行./scripts/lint-agents.sh进行基础校验。运行./scripts/convert.sh --tool all或指定工具重新生成所有工具的集成文件。运行./scripts/install.sh将更新部署到本地环境。在你的AI工具中立刻就能使用到这个新的或更新后的“微信视频号运营策略师”。踩坑记录在早期使用中我曾直接手动复制.md文件到Claude Code的agents目录但发现AI调用时效果不稳定。后来才发现install.sh脚本在复制时还会对一些路径和变量进行替换例如将{{AGENT_NAME}}替换为实际角色名并确保文件权限正确。手动复制可能会遗漏这些后处理步骤导致角色激活失败。因此强烈建议始终使用脚本进行安装和更新。3.3 Agency Orchestrator从单兵作战到军团协作项目提到的Agency Orchestrator是一个独立的姊妹项目但它代表了agency-agents-zh能力的终极进化形态多智能体自动化协作。想象一下这个场景你想开发一个新产品功能。传统上你需要先后或同时与“产品经理”、“前端开发”、“后端开发”、“测试工程师”等多个角色沟通。而有了Orchestrator你只需要用自然语言描述需求“帮我开发一个用户反馈表单功能并部署到测试环境。”Orchestrator会像一名项目经理一样自动完成以下工作角色调度解析你的需求从角色库中自动匹配合适的专家产品经理定义需求前端开发做界面后端开发写API测试工程师写用例。工作流编排构建一个依赖关系图DAG。例如必须等“后端架构师”设计好API接口“前端开发者”才能开始开发所有开发完成后“测试工程师”才能进行测试。Orchestrator会自动管理这些依赖让能并行的工作并行执行。任务执行与交接它依次或并行地激活这些AI角色将上一个角色的输出作为下一个角色的输入进行传递。例如将产品经理产出的PRD交给前后端开发。结果交付最终你将收到一个包含产品需求文档、前端代码、后端API、测试报告和部署指南的完整交付包。它的核心价值在于将多角色串联的认知负担从用户身上剥离。你不再需要知道先找谁、再找谁、怎么传递信息。你只需要说出最终目标剩下的协作与执行由Orchestrator这个“虚拟CEO”来搞定。这对于复杂项目或标准化流程如上线一个新功能、进行一次营销活动的效率提升是颠覆性的。4. 实战部署与核心环节实现理论说得再多不如亲手装一遍。下面我将以最常用的Claude Code和Cursor为例带你走一遍完整的安装、配置和激活流程并分享一些高阶用法和避坑指南。4.1 环境准备与项目获取首先你需要将项目代码克隆到本地。建议选择一个固定的目录存放这类工具库。# 克隆中文社区版仓库 git clone https://github.com/jnMetaCode/agency-agents-zh.git cd agency-agents-zh # 项目结构预览 ls -la你会看到主要的目录结构agents/- 所有智能体角色的源Markdown文件按部门分类。integrations/- 运行转换脚本后生成的、针对各工具的适配文件。scripts/- 核心的转换、安装、检查脚本。examples/- 一些使用案例和工作流文档。4.2 方案一在Claude Code中部署与使用Claude Code包括其底层使用的Claude Desktop App的智能体配置通常位于用户主目录下的隐藏文件夹中。agency-agents-zh的安装脚本已经处理好了路径。安装步骤# 确保在项目根目录下 cd /path/to/agency-agents-zh # 方法A一键安装脚本会自动检测到Claude Code并安装 ./scripts/install.sh # 方法B明确指定安装到Claude Code ./scripts/install.sh --tool claude-code安装脚本会做两件事因为Claude Code支持原生Markdown格式所以它不需要预先转换会直接将agents/目录下对应部门的.md文件复制到目标位置。将文件复制到~/.claude/agents/目录下macOS/Linux或%APPDATA%\Claude\agents\Windows。验证安装# 查看是否安装成功 ls -la ~/.claude/agents/ # 你应该能看到 engineering/, marketing/, design/ 等子目录使用与激活打开Claude Desktop App或你集成了Claude Code的IDE。新建一个对话。在输入框中使用角色文件中定义的“激活短语”。通常你可以在对应角色的Markdown文件开头找到示例。例如对于“前端开发者”你可以输入“激活前端开发者模式帮我审查这个React组件的性能瓶颈和可访问性问题。”发送后Claude的回复风格和内容深度会立刻发生变化它会以一名资深前端工程师的口吻和专业知识来分析和回答你的问题。实操技巧在Claude Code中你可以通过提及来更精确地调用。例如先正常对话然后在需要特定专家介入时说“关于这个数据库查询优化的问题请后端架构师来帮忙看看。” Claude会识别这个指令并切换上下文。不过更常见的做法还是在对话开始时直接“激活”某个角色。4.3 方案二在Cursor中部署与使用及精要指南Cursor的规则系统非常强大它采用“智能匹配”模式。这意味着你不需要显式激活Cursor会根据你当前对话的上下文自动推荐并应用相关的规则智能体。安装步骤# 1. 首先转换格式。在项目根目录运行 ./scripts/convert.sh --tool cursor # 这会在 integrations/cursor/rules/ 下生成大量的 .mdc 文件。 # 2. 进入你的工作项目目录你想使用这些规则的项目 cd /path/to/your/workspace/project # 3. 安装规则到当前项目 /path/to/agency-agents-zh/scripts/install.sh --tool cursor # 这会在你的项目根目录创建 .cursor/rules/ 文件夹并复制所有 .mdc 文件进去。重要警告与最佳实践安装后你的.cursor/rules/目录下可能会有近200个.mdc文件。虽然Cursor的智能匹配很聪明但规则数量过多可能会轻微影响其匹配准确度和初始化速度。我强烈推荐“精选安装”策略# 安装所有规则后进入规则目录删除你暂时不需要的 cd /path/to/your/workspace/project/.cursor/rules ls *.mdc | head -20 # 查看前20个感受一下 # 然后根据你的日常工作只保留最相关的10-20个。 # 例如如果你是前端开发可以保留 # engineering-frontend-developer.mdc # engineering-code-reviewer.mdc # design-ui-designer.mdc # testing-accessibility-auditor.mdc # 删除其他无关的如金融、供应链相关的规则。 rm engineering-embedded-firmware-engineer.mdc rm marketing-xiaohongshu-operator.mdc # ... 以此类推或者更优雅的方式是在转换后只复制你需要的规则mkdir -p /path/to/your/project/.cursor/rules cp /path/to/agency-agents-zh/integrations/cursor/rules/engineering-frontend-developer.mdc /path/to/your/project/.cursor/rules/ cp /path/to/agency-agents-zh/integrations/cursor/rules/engineering-code-reviewer.mdc /path/to/your/project/.cursor/rules/ # ... 只复制你需要的使用与验证安装并精选规则后完全关闭并重新打开Cursor或者至少重新打开当前项目。打开Cursor的Chat面板。现在当你输入问题时Cursor会在后台扫描所有.mdc规则的description字段。如果匹配到相关规则它会在回复中自动应用该规则的完整内容而不会明确告诉你它用了哪个规则。你可以通过Cursor的设置来验证按下Cmd ,Mac或Ctrl ,Windows/Linux打开设置在“Rules”选项卡下的“Project Rules”中应该能看到你安装的所有规则列表。手动调用你也可以在Chat中手动指定规则。输入后Cursor会列出所有可用的规则供你选择。例如输入“前端”可能会匹配到“前端开发者”规则选择后该规则的完整内容会被插入到对话中作为上下文。4.4 方案三使用OpenClaw实现多智能体协作进阶OpenClaw是一个专门为多智能体协作设计的框架。agency-agents-zh对其有深度集成每个角色被拆分成三个文件更适合复杂的、需要记忆和状态传递的协作场景。安装步骤# 1. 转换格式为OpenClaw特有的 SOUL/AGENTS/IDENTITY 结构 ./scripts/convert.sh --tool openclaw # 2. 安装到OpenClaw的全局技能目录 ./scripts/install.sh --tool openclaw # 3. 重启OpenClaw网关以加载新技能 openclaw gateway restart # 或者如果你在Docker中运行则重启对应的容器。在OpenClaw中使用OpenClaw通常通过API或Web界面进行操作。安装后你可以在其技能列表中看到所有agency-agents-zh的角色。你可以直接调用单个技能例如让“小红书运营专家”为你工作。更强大的用法是结合Agency Orchestrator需单独安装和配置用YAML或自然语言定义一个工作流让OpenClaw自动调度“内容创作者”、“品牌守护者”、“数据分析师”等多个角色协作完成一个营销活动策划。避坑指南OpenClaw的配置相对复杂涉及模型端点、技能路径等设置。如果在安装后技能未显示请首先检查~/.openclaw/或你的自定义配置目录下的config.yaml确保skills_path正确包含了安装的路径。其次查看网关日志openclaw gateway logs通常会有明确的错误信息提示。5. 常见问题与排查技巧实录在实际部署和使用过程中你可能会遇到一些问题。下面是我和社区成员遇到过的一些典型情况及其解决方案。5.1 安装与配置问题问题1运行./scripts/install.sh后提示“未检测到支持的AI工具”。可能原因安装脚本通过检查特定路径或命令是否存在来判断工具是否安装。如果你的工具安装在非标准位置或者通过Flatpak/Snap等方式安装脚本可能检测不到。解决方案使用--tool参数手动指定工具如./scripts/install.sh --tool cursor。检查该工具的官方文档确认其配置文件的正确路径。你可以手动创建对应的目标目录如~/.claude/agents/然后手动从integrations/[tool-name]/复制文件过去。在项目的GitHub Issues中搜索是否有人遇到类似问题或者提交一个新的Issue说明你的系统和工具安装方式。问题2在Cursor中安装了规则但在Chat中没有任何效果也唤不出列表。可能原因A规则文件没有放在项目根目录的.cursor/rules/下。Cursor的规则是项目级的。排查在终端中进入你的项目目录执行ls -la .cursor/rules/确认.mdc文件存在。可能原因BCursor没有正确加载项目规则。有时需要重启Cursor或重新打开项目。排查完全退出Cursor重新启动并打开该项目。然后检查设置Cmd,中的“Project Rules”是否列出了你的规则。可能原因C规则文件格式错误。虽然转换脚本通常可靠但网络中断或文件损坏可能导致生成的文件不完整。排查打开一个.mdc文件检查其内容。它应该以match、description等指令开头然后是完整的角色定义。如果文件看起来是乱码或不完整重新运行./scripts/convert.sh --tool cursor。问题3角色被激活了但AI的行为和预期不符输出很泛泛。可能原因A你使用的AI模型能力不足。一些复杂的角色定义特别是涉及多步骤推理和严格约束的需要较强的模型如Claude 3.5 Sonnet、GPT-4才能很好地理解和执行。如果使用较小的或较早的模型可能无法完全遵循复杂的指令。解决方案尝试切换到你AI工具中可用的、能力最强的模型。可能原因B你的初始指令不够明确。即使激活了角色你仍然需要给出具体的任务上下文。解决方案提供更详细的背景信息。不要只说“激活安全工程师”而要说“激活安全工程师这是我的app.py代码请以OWASP Top 10为标准进行代码审计重点检查注入漏洞和敏感信息泄露并给出具体的代码修复建议。”可能原因C角色定义可能与你使用的工具在交互方式上存在细微的不兼容。例如某些为Claude Code优化的提示词在Cursor的“智能匹配”模式下其激活逻辑可能不同。解决方案直接打开对应的角色.md源文件阅读其开头的“激活示例”模仿它的语气和任务描述方式来提出需求。5.2 使用与协作问题问题4如何让两个或多个智能体协作比如让“UI设计师”出稿然后让“前端开发者”来实现。手动协作在同一个对话中Claude Code/Cursor你可以先与一个角色完成工作然后将其输出作为新请求的一部分交给另一个角色。例如“这是UI设计师提供的Figma设计稿链接和标注。现在请以前端开发者的身份根据这份设计稿用React和Tailwind CSS实现这个登录页面的主要组件。”自动协作这正是Agency Orchestrator的用武之地。你需要单独部署Orchestrator并通过YAML文件定义工作流指定任务的先后顺序和输入输出。这对于标准化、重复性的多步骤任务效率极高。问题5我想修改或创建一个全新的智能体角色该怎么做学习现有结构在agents/目录下找一个与你目标角色类似的现有文件例如想创建“音视频开发工程师”可以参考engineering-mobile-app-builder.md以此作为模板。编写内容复制一份重命名然后仔细修改其中的“身份”、“核心能力”、“工作流程”、“交付物”等部分。务必确保内容具体、可操作。可以多参考几个优秀角色的写法。本地测试将你的新文件放到agents/下对应的部门子目录中运行./scripts/convert.sh --tool [你用的工具]和./scripts/install.sh --tool [你用的工具]然后在你的AI工具中测试激活和使用效果。反复调整直到满意。贡献回社区如果你的角色具有通用价值非常欢迎你通过GitHub Pull Request的方式贡献给agency-agents-zh项目让更多人受益。5.3 性能与维护问题问题6角色库太大了每次初始化AI对话会不会很慢对于Claude Code/Copilot这些工具通常在启动或加载新对话时会将激活的“角色提示词”作为系统上下文发送给模型。提示词越长消耗的上下文窗口tokens就越多理论上可能会增加一点响应时间或成本。但对于当今主流的128K上下文模型单个角色的提示词所占比例很小影响微乎其微。更大的影响在于过于冗长或设计不良的提示词可能导致模型“迷失重点”。对于Cursor的规则规则是在匹配时注入的。如果规则文件很多Cursor在每次用户输入时都需要扫描所有规则的description进行匹配可能会有极微小的延迟。这就是为什么我强烈建议进行“精选安装”只保留你高频使用的规则。最佳实践不要追求一次性安装所有211个角色。根据你的实际工作流分批次安装和测试。例如本周只安装“工程部”的相关角色下周再安装“营销部”的。问题7如何更新到最新版本的角色库# 进入项目目录 cd /path/to/agency-agents-zh # 拉取最新的代码 git pull origin main # 重新转换并安装到你使用的工具 ./scripts/convert.sh --tool cursor # 或你用的其他工具 ./scripts/install.sh --tool cursor # 如果是Claude Code等直接复制的工具通常只需要重新安装即可 # ./scripts/install.sh --tool claude-code注意更新后如果你之前手动删除过一些规则如在Cursor中重新安装可能会把它们又加回来。你可能需要再次执行你的“精选”操作。6. 原创智能体深度应用场景剖析agency-agents-zh的46个原创智能体是其区别于原版项目的核心竞争力。它们不是简单的翻译而是对中国市场特定领域工作流的深度编码。下面我选取几个最具代表性的拆解其设计精妙之处和应用场景。6.1 小红书运营专家解码“种草”流水线这个角色完美封装了小红书平台的运营方法论。当你激活它时它不会给你讲泛泛的“内容为王”理论而是会执行一套标准化的“爆款生产流程”需求澄清首先会问你产品的核心卖点、目标人群学生党都市白领宝妈、活动预算和预期目标品牌曝光带货转化。赛道与关键词分析基于你的产品分析小红书当前相关的热门赛道如“平价彩妆”、“宿舍好物”、“露营装备”并挖掘高流量、低竞争的长尾关键词。内容策略制定提供3-5个具体的笔记选题方向每个方向都包含“痛点场景解决方案”的钩子。例如对于一款便携咖啡杯选题可能是“打工人通勤路上如何3秒喝到不洒的拿铁”。达人合作矩阵根据预算建议搭配“头部KOL引爆声量 腰部KOC铺量测评 素人铺底种草”的达人组合甚至会给出寻找达人的渠道建议蒲公英平台、灰豚数据等。视觉与文案模板输出具体的笔记文案结构包括标题、正文带Emoji和分段、话题标签以及封面图和内容图的视觉要求描述如“封面需突出产品颜值和使用场景采用对比色”。数据复盘指标告诉你应该关注哪些核心数据阅读、点赞、收藏、评论、搜一搜排名以及如何根据数据优化下一篇笔记。实操心得在使用这个智能体时你给它的信息越具体它的方案就越精准。不要只说“推广我的新产品”而是要说“推广我们的新款氨基酸洁面乳主打温和不刺激、适合敏感肌目标人群是20-30岁的女性学生和初入职场的白领预算5000元用于达人合作主要目标是提升天猫店搜索流量。” 这样它产出的方案从选题到达人选择都会完全不同。6.2 飞书/钉钉集成开发工程师打通企业内部效率这两个角色是针对国内主流企业协作平台的“开发加速器”。它们的内核是对开放平台API的深度理解和对常见业务场景的抽象。飞书集成开发工程师它熟知如何快速创建“飞书机器人”来接收通知、处理交互如何利用“飞书审批”搭建一个请假或报销流程如何用“飞书多维表格”作为轻量级数据库来构建一个团队任务管理系统。它会直接给出代码片段告诉你如何调用tenant_access_token如何订阅事件如何处理card消息。钉钉集成开发工程师同样它精通“钉钉机器人”、“钉钉酷应用”、“连接器”等生态。例如你可以让它帮你开发一个“每日站会提醒酷应用”它不仅能给出后端服务代码还能给出前端小程序的布局和逻辑代码并告诉你怎么配置到钉钉工作台。应用场景假设你需要快速给团队做一个“项目风险上报”的小工具。你激活“飞书集成开发工程师”后描述需求“创建一个飞书机器人团队成员可以向它发送消息格式为‘【风险】项目A问题XX影响高负责人张三’的风险信息。机器人自动解析并写入飞书多维表格的指定列同时相关负责人在群内提醒。” 这个智能体会迅速给你一套包含机器人事件处理、消息解析、多维表格API调用和人逻辑的完整代码框架。6.3 政务数字化售前顾问攻克ToG项目壁垒这个角色是领域知识壁垒的破壁器。政务项目ToG与普通商业项目在技术选型、合规要求、文档体系上差异巨大。等保/信创合规智能体会首先询问项目涉密等级然后自动将技术栈约束在“信创”名录内如麒麟OS、达梦数据库、东方通中间件并提醒你需要满足“网络安全等级保护2.0”的哪些具体要求三级等保。方案设计与标书撰写它会按照政务项目标书的典型结构项目背景、建设目标、总体设计、技术方案、实施方案、培训运维、预算来组织内容并使用大量“筑牢安全防线”、“提升治理能力”、“便民利企”等符合政务语境的表述。风险评估与应对它会自动识别政务项目常见风险如“数据共享安全风险”、“跨部门协调风险”、“政策变动风险”并给出标准化的应对策略模板。对于一家技术能力强但缺乏政务项目经验的科技公司这个智能体相当于一个随时在线的“资深政务售前总监”能极大提升方案的专业度和中标概率。6.4 跨境电商运营专家驾驭多平台与全球化这个角色整合了Amazon、Shopee、Lazada等主流跨境平台的运营规则、物流清关知识和本地化营销策略。平台差异化策略它会告诉你在Amazon上要极致优化Listing的SEO和A页面在Shopee上要玩透“免运”和“闪购”等营销活动在Lazada上要重视“LazMall”品牌商城入驻。物流与库存它会引导你考虑“海外仓”FBA与“直邮”的成本与时效平衡提醒你不同国家的VAT增值税注册门槛和申报要求。内容本地化不仅仅是语言翻译而是文化适配。例如在泰国市场产品图片的风格和模特的选择要与当地审美契合在沙特市场需特别注意宗教和文化禁忌。使用技巧向这个智能体提问时务必明确目标国家/地区和主营平台。问题从“如何做跨境电商”变为“我们是一家家居用品公司想通过Amazon美国站和Shopee马来西亚站销售智能灯具启动预算10万人民币请为我们制定首季度的运营计划重点包括选品建议、Listing优化要点、物流方案和初期广告策略。” 它的回复将立刻变得极具针对性。7. 自定义与扩展打造属于你自己的专家团队开源项目的生命力在于社区而agency-agents-zh为你提供了强大的自定义能力。你完全可以基于现有框架打造专属于你个人或团队的“私域专家”。7.1 基于现有角色的微调这是最简单的入门方式。比如你觉得默认的“前端开发者”角色对“Vue 3 TypeScript Vite”的技术栈强调不够你可以直接修改源文件。找到agents/engineering/engineering-frontend-developer.md。在“技术栈偏好”部分增加对Vue 3生态的强调。在“工作流程”中可以加入“优先使用script setup语法”、“使用Composition API进行逻辑组织”、“利用Vite的构建优化”等具体指引。在“交付物”中可以指定“需提供基于vue-tsc的类型检查命令”。保存文件然后重新运行转换和安装脚本。现在当你激活这个修改后的“前端开发者”它就会更倾向于使用Vue 3的最佳实践来为你工作。你可以将这个修改后的文件保留在本地也可以分享给你的团队统一开发规范。7.2 从零创建全新角色当你需要应对一个非常特定的领域时就需要创建全新的角色。例如你所在公司大量使用“云原生技术栈Kubernetes Istio ArgoCD”你可以创建一个“云原生架构师”角色。创建步骤确定角色定位明确这个专家解决什么问题如设计高可用的K8s集群架构、制定GitOps流水线、处理Service Mesh故障排查。参考模板复制一个结构清晰的角色文件作为模板比如engineering-backend-architect.md。填充核心内容身份资深云原生架构师10年经验CNCF会员主导过多个千万级日活服务的容器化迁移。核心原则声明式配置优先、不可变基础设施、一切皆代码、安全左移。核心能力K8s集群设计、Helm Chart开发、Istio流量治理、ArgoCD GitOps流水线设计、Prometheus监控体系构建、成本优化。工作流程需求分析应用特性、流量模式、合规要求。架构设计命名空间规划、网络策略、存储方案、资源配额。配置即代码编写Kustomize/Helm模板。CI/CD流水线设计与Jenkins/GitLab CI集成。安全与监控方案Pod安全策略、服务网格mTLS、监控告警规则。交付物架构设计文档含图示、YAML配置模板、GitOps仓库目录结构、运维SOP标准作业程序要点。激活示例“激活云原生架构师模式我们需要将一套传统的Java Spring Boot单体应用迁移到K8s上请设计一个具备蓝绿发布能力和全链路监控的架构方案。”测试与迭代创建文件后放入agents/engineering/目录或其他合适的部门命名为engineering-cloud-native-architect.md。运行转换和安装脚本然后在你的AI工具中反复测试、调整提示词直到角色的表现符合预期。7.3 构建团队专属角色库对于企业或团队可以建立一个内部Git仓库专门存放这些自定义和微调过的角色。Forkagency-agents-zh项目或者新建一个私有仓库。在团队内部推广让成员根据各自的职能运维、测试、产品、运营贡献或优化角色。制定简单的贡献规范比如角色文件的命名规则、必须包含的章节等。通过内部文档或脚本让新成员可以一键安装这个“增强版”角色库。这样做的好处是能将团队内部的最佳实践、技术规范、业务流程都沉淀到这些AI角色中。新员工入职后通过激活对应的AI专家能快速以符合团队标准的方式开展工作极大降低了培训成本和沟通成本。8. 未来展望与生态融合agency-agents-zh项目目前已经形成了一个强大的“角色定义-工具集成-多体协作”的闭环。但它的进化不会停止。从我个人的使用经验和社区讨论来看以下几个方向值得关注1. 角色间的动态组合与进化目前的角色大多是静态的、预设的。未来或许可以通过一个“元角色”或“教练角色”根据任务的复杂程度动态地组合多个基础角色的能力甚至能在执行过程中学习并微调自己的行为模式。2. 与真实工具链的深度集成现在的角色输出还是以文本、代码、方案为主。下一步是让AI角色能直接调用外部API和工具。例如“安全工程师”角色在完成代码审计后能自动调用GitHub API创建一个包含修复建议的Issue“小红书运营专家”在生成笔记文案后能通过平台API草稿箱如果开放。这需要依赖像OpenClaw、Agency Orchestrator这样的框架提供更强大的工具调用Tool Calling能力。3. 基于实际反馈的持续优化一个角色定义得好不好最终要看它产出的结果是否真的有用。未来可以建立一个简单的反馈机制比如在每个角色输出后让用户进行“有用/无用”的评分或者收集修改意见。这些数据可以用于定期自动优化角色提示词形成一个自我迭代的飞轮。4. 垂直领域的极致深化目前的46个原创智能体已经覆盖了很多中国特色领域但每个领域都可以做得更深。例如“政务数字化售前顾问”可以细分出“智慧城市”、“数字乡村”、“一网通办”等子方向“医疗健康营销合规师”可以针对“医疗器械”、“在线问诊”、“健康管理”等不同细分领域提供更精准的合规审查清单。从我近半年的深度使用来看agency-agents-zh这类项目代表的不仅仅是一个“好用的提示词合集”。它标志着AI应用从“个人玩具”向“组织级生产力工具”演进的关键一步。它通过标准化、模块化的方式将人类专家的经验和流程封装成可复用的数字资产让AI不再是那个需要你事无巨细去教导的“实习生”而是一个召之即来、来之能战、战之能胜的“专家团队”。对于开发者、创业者、营销人、产品经理等任何领域的知识工作者而言尽早掌握并善用这套“专家角色操作系统”无疑是在AI时代构建个人和团队核心竞争力的重要一环。