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、Cursor、Copilot这些AI编程工具打交道那你肯定也遇到过这样的问题每次想让AI帮你干点“专业活”比如审查代码安全、设计一个营销方案或者规划一个产品路线图你都得花上十几分钟甚至更久去写一段冗长、细致、还得不断调试的提示词。结果呢AI的回复可能还是像个“通才”说些正确的废话离你想要的“专家级”输出总差那么一口气。这就是我最初发现agency-agents-zh这个项目时那种“终于等到你”的感觉。它不是一个简单的提示词合集而是一个经过精心设计的、包含193个即插即用AI专家角色的“数字人才库”。这193个角色覆盖了从工程、设计、营销、产品到金融、法务、供应链等18个核心业务部门。更关键的是它不是一个英文项目的简单汉化而是包含了46个专门为中国市场打造的原创智能体比如小红书运营专家、抖音策略师、飞书集成开发工程师、政务数字化售前顾问等等这些角色的人设、工作流程和交付物都深度贴合国内的实际业务场景和平台规则。简单来说它解决了一个核心痛点如何让通用的大语言模型瞬间切换成某个垂直领域的资深专家并按照该领域专家的思维方式和交付标准来工作。普通提示词可能只是告诉AI“你是一个安全工程师”但这个项目里的“安全工程师”智能体会严格按照OWASP Top 10的清单逐项对你的代码进行审计并输出结构化的漏洞报告和修复建议。这种从“身份认同”到“工作方法论”的完整封装才是其价值所在。2. 核心设计思路从“角色扮演”到“专家系统”这个项目的设计哲学非常清晰它不是在“调教”AI而是在为AI“装配”一套专业的思维框架和行为模式。我们可以从三个层面来理解它的设计思路。2.1 角色定义的深度解构超越“你是一个XX”一个有效的AI专家角色绝不仅仅是给它一个头衔。这个项目为每个智能体都构建了一个立体的“人设档案”通常包含以下几个关键部分身份与背景明确角色的专业领域、经验年限、典型工作场景。例如“小红书运营专家”会被定义为拥有3年以上美妆或生活方式品类运营经验深谙平台算法和社区文化。核心使命与价值观定义角色的首要目标和行为准则。比如“代码审查员”的核心使命是“保障代码质量与安全而非追求速度”其价值观包括“严谨高于一切”、“可读性是维护性的前提”。关键规则与约束这是防止AI“放飞自我”的护栏。它会明确规定角色不该做什么、必须遵守什么流程。例如“合同审查专家”的关键规则包括“必须逐条引用《民法典》相关法条”、“必须识别并高亮显示责任不对等条款”、“不得提供确定性的法律意见仅作风险提示”。工作流程将专家的思考过程拆解为可复现的步骤。一个“增长黑客”的工作流程可能是1定义核心指标与北极星指标2分析现有漏斗与流失点3基于“海盗模型”构思增长实验4设计最小化实验方案并排定优先级。交付物模板明确输出的格式和内容标准。比如“产品需求文档撰写师”的交付物会强制要求包含“用户故事地图”、“功能清单与优先级”、“原型图链接”、“验收标准”等模块。这种深度定义使得AI不再是机械地回答问题而是模拟了一个专家在接到任务后的完整思考与行动链条。2.2 多智能体协作的基石标准化接口单个专家再强也难免有盲区。现代复杂项目往往需要市场、产品、技术、运营等多方协同。这个项目在设计之初就考虑到了“团队作战”的可能性。每个智能体都被设计成一个标准化的“模块”它们有清晰的输入输出预期。这为使用其姊妹项目agency-orchestrator进行多智能体编排打下了基础。你可以通过YAML文件定义一个工作流例如一个“产品需求评审会”可以这样编排workflow: - agent: product-manager # 产品经理 task: “基于用户反馈和市场分析输出V2.0版本的PRD初稿” output: prd_draft.md - agent: technical-architect # 技术架构师 task: “评审 $prd_draft.md评估技术可行性、工作量与架构影响” depends_on: product-manager output: feasibility_review.md - agent: ux-researcher # UX研究员 task: “基于 $prd_draft.md 设计可用性测试方案” depends_on: product-manager output: usability_test_plan.md在这个流程中产品经理的输出会自动成为技术架构师和UX研究员的输入实现了智能体间的“交接棒”。这种设计思路将AI从“单兵作战”的工具提升为了一个可以模拟小型组织运作的“虚拟团队”。2.3 本土化策略不做翻译做重构项目最吸引我的部分是那46个中国市场原创智能体。这不仅仅是语言的翻译更是业务逻辑和知识体系的重构。我以“小红书运营专家”为例看看他们是如何进行本土化的平台规则内化智能体的知识库中融入了小红书的社区规范、推荐算法机制如标签、封面、互动率对流量的影响、商业笔记报备流程等。它不会生成可能触发限流的违规内容。文化语境理解懂得使用“种草”、“拔草”、“安利”、“踩雷”等平台黑话了解“姐妹”、“集美”等称呼背后的社区氛围能产出符合小红书用户阅读习惯的口语化、亲和力强的文案。工作流本土化其工作流程包括“爆款标题公式生成”、“高清封面图设计要点”、“热门话题关联”、“达人合作报价评估模型”等极具中国特色的环节而不仅仅是通用的“内容创作”。交付物实用化输出的不是空洞的建议而是可以直接使用的“种草笔记文案含Emoji和话题标签”、“本周内容排期表”、“潜在合作达人清单及联系方式模板”。这种深度本土化使得这些智能体对于国内开发者、运营者和创业者来说实用价值陡增。它节省的不仅仅是写提示词的时间更是学习各个垂直领域专业知识的时间成本。3. 实战部署与应用指南理论说得再好不如上手一试。这个项目的易用性做得相当不错提供了多种集成方式。下面我以最主流的几种工具为例带你走一遍完整的部署和应用流程并分享一些我踩过坑后总结的经验。3.1 工具选型与部署详解项目支持14种工具但根据我的经验主要分为“全局安装”和“项目级安装”两类其使用逻辑和体验有显著差异。对于Claude Code和GitHub Copilot用户最简单 这两个工具支持直接复制智能体文件到指定目录无需格式转换。这是最“傻瓜式”的安装。# 克隆仓库 git clone https://github.com/jnMetaCode/agency-agents-zh.git cd agency-agents-zh # 一键安装到Claude Code ./scripts/install.sh --tool claude-code # 安装后智能体文件会在 ~/.claude/agents/ 目录下安装完成后在Claude Code的聊天框中你只需要用自然语言“召唤”专家即可例如“请以安全工程师的身份审计下面这段用户登录代码的安全性。” AI会自动加载对应的智能体角色来回应你。Copilot的操作类似。实操心得对于Claude Code我建议不要一次性安装全部193个角色。你可以先浏览engineering/、marketing/等目录把你最常用的几个智能体文件手动复制到~/.claude/agents/下。全量安装可能会导致Claude在初始化时加载稍慢虽然影响不大但更重要的是精准选择能让你更熟悉每个角色的调用方式。对于Cursor用户最智能但需注意策略 Cursor的集成方式非常巧妙。它通过转换脚本将每个智能体变成一个.mdc规则文件并采用“智能匹配”模式。这意味着你不需要显式地“召唤”角色Cursor会根据你对话的上下文自动判断哪个智能体规则最相关并在后台静默引用其内容来指导回答。# 在项目根目录下操作 # 1. 转换格式 /path/to/agency-agents-zh/scripts/convert.sh --tool cursor # 2. 安装到当前项目 /path/to/agency-agents-zh/scripts/install.sh --tool cursor # 安装后当前项目根目录下会生成 .cursor/rules/ 文件夹里面是所有智能体的 .mdc 文件这种方式的优点是“无感”、“流畅”AI仿佛天生就具备了这些专业知识。但缺点也很明显规则冲突与匹配噪音。如果安装了上百个规则Cursor在每次响应时都需要扫描所有规则的描述来判断相关性可能会降低匹配精度或者偶尔匹配到不十分贴切的规则。踩坑记录与最佳实践我最初在个人项目里全量安装了186个规则结果在写前端代码时Cursor有时会莫名其妙地引用“供应链库存预测专家”的规则虽然不影响主体回答但看着别扭。我的解决方案是“精选安装”。不要运行一键安装脚本而是手动复制你需要的规则mkdir -p .cursor/rules # 只复制你当前项目最可能用到的比如一个Web项目 cp /path/to/agency-agents-zh/integrations/cursor/rules/engineering-frontend-developer.mdc .cursor/rules/ cp /path/to/agency-agents-zh/integrations/cursor/rules/engineering-backend-architect.mdc .cursor/rules/ cp /path/to/agency-agents-zh/integrations/cursor/rules/engineering-code-reviewer.mdc .cursor/rules/ cp /path/to/agency-agents-zh/integrations/cursor/rules/design-ui-designer.mdc .cursor/rules/通常保留10-20个高度相关的规则体验最佳。你可以随时根据项目阶段增减。对于OpenClaw用户面向多智能体协作的未来之选 如果你对多智能体编排agency-orchestrator感兴趣OpenClaw是目前社区最推荐的集成方式。它会将每个智能体拆分成SOUL.md人设、AGENTS.md能力和IDENTITY.md简介三个文件这种结构天然适合角色切换和协作。# 转换并安装到OpenClaw ./scripts/convert.sh --tool openclaw ./scripts/install.sh --tool openclaw # 安装后文件位于 ~/.openclaw/agency-agents/ 目录下 # 重启OpenClaw网关 openclaw gateway restartOpenClaw的优势在于它本身就是一个为运行和编排多个AI智能体而设计的平台。当你在这里使用这些角色时可以更轻松地实现智能体间的对话、任务分发和结果汇总是进行复杂项目模拟的利器。3.2 核心使用模式与技巧部署好了怎么用才能发挥最大价值我总结了三种核心使用模式模式一单点专家咨询最常用这是最基本的用法把AI当成一个随叫随到的专家顾问。关键在于提问的精准性。不要问“怎么做好抖音”而要结合智能体的专长来问。低效提问“帮我写个营销方案。”高效提问“我是一款新锐咖啡品牌主打冷萃即溶。请以抖音策略师的身份为我规划一个为期一个月的冷启动内容策略重点说明前3天的视频内容方向、话题标签策略以及如何利用DOU进行初期投放测试。” 后一种提问方式为AI限定了角色、目标、产品背景、时间范围和具体交付物它能立刻调用“抖音策略师”智能体内置的框架如内容金字塔模型、流量池理论来生成高度结构化和可执行的方案。模式二串行工作流审查模仿现实工作中的评审流程让不同的智能体对同一份产出进行“接力赛”式的审查。例如一份技术方案可以这样审查首先让后端架构师评审技术可行性与架构设计。接着将方案和架构师的评审意见一起交给安全工程师进行安全威胁建模。最后请SRE站点可靠性工程师评估部署复杂性和监控需求。 你可以在同一个对话中手动切换角色指令也可以利用支持多会话的工具如Claude Desktop开多个窗口并行操作。这种方式能极大提升产出物的全面性和稳健性。模式三并行多视角脑暴当你需要为一个复杂问题寻找创新解法时可以同时邀请多个角色的智能体“开会”。例如为一个新产品功能命名同时询问产品经理从用户价值与市场定位角度、品牌守护者从品牌调性与一致性角度、增长黑客从传播性与记忆点角度。将三者的建议汇总再交给内容创作者进行润色和包装。 这种方法能打破个人思维的局限性获得更立体、更多元的创意输入。4. 原创智能体深度解析与实战案例46个中国市场原创智能体是这个项目的灵魂。我挑选几个最具代表性的拆解一下它们是如何解决实际业务难题的。4.1 小红书运营专家从“种草”到“拔草”的完整闭环这个智能体完美诠释了什么是“深度本土化”。它不仅仅是一个文案生成器。当你激活它时它会以一个拥有成熟方法论的小红书操盘手身份与你对话。它的核心工作流程通常是需求诊断首先会问你产品的核心卖点、目标用户画像、预算范围。赛道与关键词分析基于你的产品分析小红书上的竞争赛道挖掘高潜力、低竞争的长尾关键词。内容策略制定规划“爆款笔记专业测评素人铺量”的内容矩阵并给出具体的笔记类型比例如40%痛点解决方案30%产品测评20%使用场景10%品牌故事。达人合作策略提供一份达人筛选逻辑包括粉丝量级、互动率、粉丝画像匹配度、报价区间甚至会模拟一个达人合作Brief模板。数据复盘指标告诉你需要关注哪些核心数据搜索进店率、收藏转化率、评论互动率而不仅仅是点赞数。实战案例我曾用它为一个朋友的手工皮具工作室策划小红书启动。它给出的建议非常具体避开“奢侈品包包”这种红海赛道主打“小众设计师”、“通勤复古风”、“手工温度”等关键词建议前期找5-10个万粉左右的穿搭或生活方式博主进行产品置换合作产出“OOTD今日穿搭包包”场景化内容同时自己账号坚持日更内容以“皮料科普”、“制作过程vlog”、“客户定制故事”为主。朋友执行后三个月内账号涨粉5000并成功接到了第一个批量定制订单。4.2 飞书/钉钉集成开发工程师打通企业内部效率的“最后一公里”对于国内的企业开发者来说将业务系统与飞书或钉钉集成是高频需求。这两个智能体相当于一个熟读官方文档、踩过无数坑的资深集成专家。以“飞书集成开发工程师”为例它的价值在于场景化解决方案它不会只告诉你API怎么调用而是直接提供场景模板。比如“如何快速搭建一个飞书审批流并在审批通过后自动同步数据到内部数据库”它会给出从创建审批表单、配置流程节点、到编写“审批通过”事件回调服务端逻辑的完整代码片段和配置截图。避坑指南它会提前预警常见问题例如“飞书机器人消息频率限制”、“多维表格关联字段在API调用时的特殊格式”、“自建应用与商店应用权限的差异”这些都是官方文档里可能一笔带过但实际开发中会卡你半天的问题。安全与合规提醒会强调在获取用户信息时必须的隐私协议提示以及敏感数据存储的合规建议。实战案例我司需要将项目管理系统自研的日报提醒同步到飞书群。使用这个智能体后我直接提问“如何用Python Flask快速实现一个飞书群机器人每天上午10点推送当天有截止任务的项目成员列表”它给出的回答不仅包含了机器人创建、签名验证的代码还额外建议我使用飞书“消息卡片”格式来展示使推送更美观并附上了卡片消息的JSON结构模板节省了大量查阅设计文档的时间。4.3 政务数字化售前顾问应对ToG项目的独特挑战这个智能体非常“硬核”它直面的是中国ToG面向政府项目中最复杂、最专业的领域。它的人设通常是一位拥有多年政府项目经验的解决方案架构师。它的知识库包含政策法规体系熟悉等保2.0、网络安全法、数据安全法、个人信息保护法的核心要求并能将其转化为对技术方案如加密、日志留存、访问控制的具体约束。信创生态清楚主流信创技术路线如华为鲲鹏、麒麟软件、达梦数据库的适配情况能在方案设计阶段就考虑兼容性问题。招投标流程了解政府采招的流程和标书撰写要点能指导如何将技术方案翻译成符合评分标准的投标文件语言。架构设计原则强调系统的稳定性、安全性、可维护性和可扩展性通常会推荐微服务、容器化、国产化中间件等符合当前政务云要求的架构。对于需要开拓政务市场的企业或开发者而言这个智能体是一个宝贵的“虚拟顾问”能帮助你在项目前期就规避很多政策性风险和技术选型陷阱。5. 常见问题与排查技巧实录在实际使用中你可能会遇到一些问题。以下是我和社区伙伴们总结的一些常见情况及解决方法。5.1 智能体“不听话”或输出泛泛问题表现你明确调用了某个智能体但AI的回答依然很普通没有展现出该角色的专业深度和特定工作流程。可能原因与解决方案安装或加载失败首先确认智能体文件是否被正确安装到了目标工具的指定目录。对于Cursor检查.cursor/rules/下是否有对应的.mdc文件对于Claude Code检查~/.claude/agents/。可以尝试重启你的AI工具客户端。提示词冲突如果你在对话中自己写了一段很长的提示词可能会与智能体自带的系统提示词冲突。最佳实践是开启一个新对话窗口第一句话就直接使用角色激活指令例如“现在你作为小红书运营专家请为我…”不要再添加其他背景描述。模型上下文理解偏差有时大模型在长上下文下可能会“忘记”最初的系统指令。对于复杂任务可以尝试在关键步骤处重申角色例如“好的以上是市场分析。接下来请你以小红书运营专家的身份基于这份分析起草前三篇笔记的标题和正文大纲。”智能体本身设计问题少数智能体的定义可能不够精准或过于宽泛。你可以打开对应的Markdown文件如marketing-xiaohongshu-operator.md查看其具体的“工作流程”和“交付物”部分然后在提问时更明确地要求它遵循这些流程。例如“请严格按照你工作流程中的‘四步内容创作法’为我生成一份内容规划。”5.2 多智能体协作流程混乱问题表现当你尝试手动串联多个智能体时信息传递丢失或者后一个智能体不理解前一个的输出。解决方案明确交接物在给前一个智能体下达任务时就明确要求其输出一份结构化的“交付物”并命名。例如“请输出一份包含‘架构图’、‘API接口列表’、‘技术选型说明’和‘风险评估’四个部分的《技术方案文档》。”提供完整上下文在将任务交给下一个智能体时不要只说“请审查这份方案”而应该说“这是后端架构师输出的《技术方案文档》附上文档内容。请你以安全工程师的身份重点审查其中的‘API接口列表’和‘风险评估’部分给出具体的安全加固建议。”考虑使用编排引擎对于经常性、固定的协作流程强烈建议尝试agency-orchestrator。用YAML定义工作流可以自动化这个交接过程减少人为错误和信息衰减。从简单的两个角色协作开始试起。5.3 工具特定问题Cursor规则不生效检查规则文件格式确保.mdc文件是有效的YAML格式且包含description字段。可以用./scripts/lint-agents.sh检查。检查项目路径Cursor的规则是项目级的。确保你在正确的项目根目录下操作并且已经在该目录打开了Cursor。规则过多导致匹配迟缓或不准如之前所述精简规则数量是最有效的解决办法。只保留当前项目最相关的。手动测试在Cursor聊天框中尝试手动输入看是否能弹出你安装的规则列表。如果可以但自动匹配不生效可能是description不够精准可以尝试手动编辑.mdc文件让description更贴合你期望触发该角色的关键词。Claude Code智能体切换不灵Claude Code的智能体是全局的但有时新安装的智能体需要完全退出Claude Code并重启才能被加载。确保你的激活指令清晰。Claude Code对“以…身份”这类指令识别很好。5.4 如何贡献与自定义智能体如果你发现某个智能体不适合你的业务或者想创建一个全新的角色完全可以自行修改或创建。修改现有智能体直接编辑对应的Markdown文件如engineering/engineering-frontend-developer.md。你可以调整它的“关键规则”、“工作流程”或者增加更符合你团队规范的“交付物模板”。修改后记得运行./scripts/convert.sh --tool [你的工具]来重新生成对应工具的集成文件。创建全新智能体最好的方式是参考现有文件的结构进行模仿。一个完整的智能体文件通常包括角色名称、一句话简介、核心使命、关键规则、工作流程、交付物、工作示例等部分。构思时多思考这个角色的“思维模型”和“检查清单”是什么。创建完成后将其放入对应的部门目录并更新根目录的README.md列表。分享与贡献如果你觉得自己的创作对社区有帮助欢迎提交Pull Request。项目维护者非常鼓励针对中国市场的原创智能体贡献。这个项目的魅力在于它不是一个封闭的“产品”而是一个开放的“生态”。这193个角色是一个强大的起点但真正的威力在于你如何根据自身需求去使用、调整和扩展它打造属于你自己或你团队的“AI专家智库”。