今天在 GitHub Trending 上看到一个非常有意思的项目：Agency Agents，它把AI角色定义做成了一个完整的"代理公司"，包含100多个专业Agent，每个都有独特的人格、工作流程和交付标准。
一、项目概述
Agency Agents 是一个开源的AI Agent角色集合项目，由 msitarzewski 团队开发并维护。与市面上常见的通用提示词模板不同，这个项目的核心理念是：每个Agent都应该是一个专家，而不是一个泛泛的助手。
项目核心特性：
- 16个专业部门：工程、设计、付费媒体、销售、营销、产品、项目管理、测试、安全、支持、空间计算等
- 100+专业Agent：前端开发者、后端架构师、UI设计师、增长黑客、渗透测试工程师、SRE等
- 人格驱动设计：每个Agent都有独特的沟通风格、专业背景和工作方式
- 交付导向：不是空谈，而是真正产出代码、文档、设计稿
- 多工具支持：Claude Code、Cursor、GitHub Copilot、OpenCode、Windsurf、Kimi Code等
为什么这个项目值得关注？
传统的AI提示词往往过于通用，比如"帮我写一个React组件"这样的请求，AI可能会给你一个基础但不够专业的答案。而Agency Agents的做法是：让AI扮演一个真实的"前端开发者"角色，它不仅懂React，还了解性能优化、无障碍设计、测试驱动开发等专业领域。
二、技术原理
2.1 架构设计
Agency Agents 采用"Agent即服务"的架构理念：
┌─────────────────────────────────────────┐
│ The Agency (代理公司) │
├─────────────────────────────────────────┤
│ ┌──────────┐ ┌──────────┐ ┌────────┐ │
│ │Engineering│ │ Design │ │ Sales │ │
│ │ Division │ │ Division │ │Division│ │
│ └──────────┘ └──────────┘ └────────┘ │
│ ┌──────────┐ ┌──────────┐ ┌────────┐ │
│ │ Marketing│ │ Product │ │Testing │ │
│ │ Division │ │ Division │ │Division│ │
│ └──────────┘ └──────────┘ └────────┘ │
│ ... 16个部门 ... │
└─────────────────────────────────────────┘
▼
┌─────────────────────┐
│ Agent Definition │
│ - Identity & Traits │
│ - Core Mission │
│ - Workflows │
│ - Deliverables │
│ - Success Metrics │
└─────────────────────┘
每个Agent的定义文件（Markdown格式）包含：
- 身份特征：我是谁，我的专业背景
- 核心使命：我解决什么问题
- 工作流程：我如何完成任务
- 技术交付物：代码示例、文档模板
- 成功指标：如何衡量我的工作质量
2.2 核心技术栈
- Markdown格式定义：易于阅读、编辑和版本控制
- Shell脚本集成：自动化安装和转换工具
- 多平台适配器：针对不同AI工具的格式转换
以前端开发者Agent为例，其定义文件片段：
# Frontend Developer
## Identity
You are a senior frontend engineer specializing in modern JavaScript frameworks.
You care about performance, accessibility, and developer experience.
## Core Mission
Transform design specs into production-ready, accessible web applications.
## Technical Expertise
- React 18+ with hooks, Suspense, Server Components
- Vue 3 Composition API
- TypeScript strict mode
- Tailwind CSS, CSS-in-JS
- Testing: Jest, React Testing Library, Cypress
2.3 设计模式
项目采用了几个关键的提示工程模式：
1. 角色锚定（Role Anchoring）
# 不是：
"帮我优化这个React组件"
# 而是：
"作为Senior Frontend Developer，我将分析这个React组件的性能瓶颈，
从Core Web Vitals角度评估，并提供具体的优化方案..."
2. 工作流驱动（Workflow-Driven）
每个Agent都有明确的工作流程定义：
## Workflow
1. **Discovery Phase**
- Understand requirements
- Identify stakeholders
- Define success criteria
2. **Planning Phase**
- Architecture decisions
- Technology selection
- Risk assessment
3. **Implementation Phase**
- Write clean, tested code
- Document decisions
- Seek feedback
4. **Delivery Phase**
- Deploy to staging
- Monitor metrics
- Iterate based on feedback
3. 交付物模板（Deliverable Templates）
以UI设计师Agent为例，它提供了实际的设计交付模板：
## Design Deliverable Template
### Component Specification
- **Name**: [Component Name]
- **Purpose**: [What problem it solves]
- **States**: Default, Hover, Active, Disabled, Loading, Error
- **Accessibility**: ARIA labels, keyboard navigation
### Design Tokens
- Colors: primary, secondary, surface, error, success
- Typography: heading, body, caption
- Spacing: xs, sm, md, lg, xl
- Shadows: subtle, medium, strong
三、安装与快速开始
3.1 环境要求
- Bash shell（macOS/Linux）
- Git
- 一个支持的AI工具（Claude Code、Cursor等）
3.2 安装步骤
方式一：一键安装（推荐）
# 克隆仓库
git clone https://github.com/msitarzewski/agency-agents.git
cd agency-agents
# 使用交互式向导安装
./scripts/install.sh
# 或指定工具和部门
./scripts/install.sh --tool claude-code --division engineering,design
方式二：手动安装
# 只安装前端开发者Agent
cp engineering/engineering-frontend-developer.md ~/.claude/agents/
# 安装整个工程部门
cp engineering/*.md ~/.claude/agents/
方式三：多工具集成
# 生成所有工具的集成文件
./scripts/convert.sh
# 安装到Cursor
./scripts/install.sh --tool cursor
# 安装到GitHub Copilot
./scripts/install.sh --tool copilot
# 安装到OpenCode
./scripts/install.sh --tool opencode --division engineering --dry-run
3.3 最简运行示例
安装完成后，在Claude Code中激活Agent：
用户：Hey Claude，激活Frontend Developer模式，
帮我构建一个响应式的导航组件。
Claude：好的，我已激活Frontend Developer Agent。
作为Senior Frontend Engineer，我将：
1. 分析组件需求和无障碍要求
2. 设计组件API和状态管理
3. 编写React + TypeScript实现
4. 添加单元测试和Storybook文档
...
四、使用方法与实战
4.1 基础用法：单一Agent调用
场景：构建安全的API端点
激活Backend Architect Agent，
设计一个用户认证API，要求：
- JWT token认证
- 刷新token机制
- 速率限制
- 审计日志
Backend Architect会提供：
- 架构图和决策记录（ADR）
- API规范（OpenAPI格式）
- 数据库迁移脚本
- 实现代码（带错误处理）
- 安全检查清单
4.2 进阶用法：多Agent协作
场景：完整的产品开发流程
# 步骤1：需求分析
激活Product Manager Agent
→ 输出PRD、用户故事、优先级矩阵
# 步骤2：技术设计
激活Software Architect Agent
→ 输出系统架构图、技术选型文档
# 步骤3：并行开发
激活Frontend Developer Agent + Backend Architect Agent
→ 前后端代码、API契约
# 步骤4：质量保证
激活Code Reviewer Agent + Testing Agent
→ Code Review报告、测试覆盖率报告
# 步骤5：部署上线
激活DevOps Automator Agent
→ CI/CD配置、监控仪表板
4.3 实际项目示例：从零搭建电商后台
以下是一个真实的多Agent协作流程：
阶段一：需求与设计（1-2天）
1. UX Researcher Agent
- 用户访谈脚本
- 痛点分析报告
- 用户旅程地图
2. UI Designer Agent
- 设计系统（颜色、字体、间距）
- 核心页面线框图
- 高保真原型
3. Software Architect Agent
- 技术栈决策：Next.js + tRPC + Prisma + PostgreSQL
- 数据库Schema设计
- API架构设计
阶段二：开发与测试（3-5天）
1. Frontend Developer Agent
- React组件库
- 状态管理（Zustand）
- 表单验证（React Hook Form + Zod）
2. Backend Architect Agent
- tRPC路由实现
- 数据库迁移脚本
- Redis缓存策略
3. Security Architect Agent
- 认证授权实现（NextAuth.js）
- 安全审计日志
- CSP配置
4. Testing Agent
- Vitest单元测试
- Playwright E2E测试
- 测试覆盖率报告（92%）
阶段三：部署与监控（1天）
1. DevOps Automator Agent
- Docker配置
- GitHub Actions CI/CD
- Vercel部署配置
2. SRE Agent
- 监控仪表板（Sentry + Vercel Analytics）
- 告警规则配置
- SLO定义（99.9%可用性）
五、常见问题与解决方案
5.1 安装问题
问题：OpenCode安装时Agent数量超限
错误：OpenCode only registers ~119 agents,
remaining agents are silently dropped.
解决方案：
# 只安装特定部门
./scripts/install.sh --tool opencode --division engineering,security
# 或使用--dry-run预览
./scripts/install.sh --tool opencode --division engineering --dry-run
问题：权限不足
chmod +x scripts/install.sh scripts/convert.sh
5.2 使用问题
问题：Agent响应不够专业
原因：可能是激活方式不正确，或Agent未被正确加载。
解决方案：
# 在Claude Code中明确指定Agent文件
使用 ~/.claude/agents/engineering-frontend-developer.md 中的定义，
帮我优化这个React组件...
问题：多个Agent冲突
当多个Agent的建议不一致时：
# 解决方案：引入Reality Checker Agent
作为Reality Checker，我需要审核Frontend Developer和
Backend Architect的建议，识别：
1. 技术可行性
2. 时间成本
3. 维护成本
4. 最佳实践对齐
5.3 性能优化
问题：响应速度慢
优化建议：
- 精简Agent定义：只包含必要的上下文
- 按需加载：不安装所有部门，只安装需要的
- 工作流拆分：复杂任务分解为多个小任务
示例：优化前端开发Agent的提示词
# 不要一次性加载所有信息
- ❌ 加载整个React生态系统知识
- ✅ 只加载当前任务相关的模式
# 使用渐进式上下文
- 第一轮：理解需求
- 第二轮：设计方案
- 第三轮：实现代码
六、项目亮点与启示
6.1 核心创新点
1. 从"工具"到"团队"的转变
传统AI助手是工具思维：“我需要一个工具帮我写代码” Agency Agents是团队思维：“我需要一个前端专家加入我的团队”
2. 人格化设计的价值
每个Agent都有独特的"性格"：
- Frontend Developer：注重性能和用户体验，说话简洁专业
- Growth Hacker：充满好奇心，喜欢实验和数据
- Security Architect：谨慎保守，总是考虑最坏情况
- Whimsy Injector：活泼有趣，总想加点"惊喜"元素
这种人格化设计让交互更自然，也让Agent的建议更符合专业角色的思维方式。
3. 交付导向而非对话导向
很多提示词项目停留在"对话"层面，而Agency Agents强调"交付"：
## Code Reviewer Agent的交付物
✅ Code Review报告（Markdown格式）
✅ 安全问题清单（带严重程度评级）
✅ 性能优化建议（带基准测试代码）
✅ 重构建议（带代码diff）
✅ 最佳实践对齐检查
6.2 实际应用场景
场景一：初创公司MVP开发
# 只需要3个Agent
1. Rapid Prototyper Agent → 快速验证想法
2. Frontend Developer Agent → 打磨UI
3. Backend Architect Agent → 稳固后端
# 1-2周内交付MVP
场景二：企业级项目重构
# 需要6-8个Agent协作
1. Software Architect Agent → 制定重构策略
2. Code Reviewer Agent → 评估现有代码
3. Database Optimizer Agent → 优化查询
4. Security Architect Agent → 安全加固
5. SRE Agent → 可观测性提升
6. Technical Writer Agent → 文档迁移
场景三：个人学习与技能提升
# 作为学习者，你可以：
1. 激活Senior Developer Agent
2. 提交你的代码请求Review
3. Agent会像真实的高级工程师一样，
指出问题、解释原理、提供改进方案
# 这就像有一个24/7的导师
6.3 对开发者的启示
1. 提示词工程的核心是"角色定义"
不是告诉AI"做什么"，而是告诉AI"你是谁"：
# 低效的提示词
"帮我优化这个函数的性能"
# 高效的角色定义
"作为Performance Optimization Specialist，
我将：
1. 分析时间复杂度和空间复杂度
2. 识别性能瓶颈
3. 提供具体优化方案（算法改进/缓存策略/并行化）
4. 提供基准测试代码验证优化效果"
2. 可复用性是关键
Agency Agents把提示词变成了可复用的"资产"：
- 版本控制：跟踪每个Agent的演进
- 模块化组合：根据项目需求组合不同Agent
- 社区贡献：开源模式让最佳实践快速传播
3. 多Agent系统是未来趋势
单个AI模型的能力有限，但多个专业化Agent协作可以：
- 覆盖更广的知识领域
- 提供更深入的专家级建议
- 模拟真实团队的工作流程
七、总结
Agency Agents 代表了AI Agent开发的一个重要方向：从通用助手到专业团队的演进。它不仅仅是一个提示词集合，更是一套完整的"AI团队管理"方法论。
项目地址：https://github.com/msitarzewski/agency-agents
如果你正在寻找提升AI协作效率的方法，或者想了解如何构建专业的多Agent系统，这个项目绝对值得深入研究。它不仅提供了100多个现成的Agent模板，更重要的是展示了一种新的思维方式：把AI当作你的专业团队，而不是一个万能工具。
本文基于 GitHub Trending 项目 agency-agents 编写，项目遵循 MIT 开源协议。