最近Github上上线一个新项目，叫Agency-Agents，上线后 12 小时内就收到了 50+ 个 Star 请求，现在已经累积87k+ Stars、13k+ Forks。
这个项目叫 agency-agents，作者是 Michael Sitarzewski。
为 AI 配置高度细化的结构化提示词，明确交付规范、工作流程与角色特质，即可一键生成 150 余名覆盖工程、产品、设计领域的专业硬核专家。
热潮褪去后，不少开发者在落地实操时，纷纷陷入新的困境：
面对一百五十位专家角色库，难题接踵而至。
接到复杂需求，例如搭建一款iOS记账应用时，该如何精准挑选协作角色？究竟该调用产品经理、系统架构师，还是资深iOS开发？一旦角色匹配失误，或是漏掉UI设计师、安全顾问这类关键岗位，最终交付成果的质量便会大幅缩水。
若是贪图便捷，强行堆砌所有相关专家设定、一次性输入给大模型，又会引发新问题：冗余超长的上下文不仅拉高使用成本，还会让模型在多重角色规则里混乱失序，诱发角色割裂、逻辑矛盾与大量AI幻觉。
这好比一夜之间坐拥一支150人的顶尖技术团队，手握优质人才资源，却欠缺统筹全局的管理能力，无从做好项目统筹与分工调度。
事实上，大家真正需要的，从来不是一堆孤立静态的专家角色，而是一位专业靠谱的智能统筹管家。只需提交原始业务需求，它便能自动拆解项目流程、拆分执行节点，在每个环节自动匹配适配的专家角色，高效协同完成工作。
选择适合自己，用着顺手的角色，才是核心。
这里就不过多叙述使用方法了，很简单，直接安装文档步骤即可。
Agency-Agents 的核心洞察是：一个真正的专家，不只是”知道得多”，他还有固定的工作流、一贯的沟通风格，以及明确的成功标准。
一个 Agent 文件长什么样？
打开任意一个 Agent 文件，你会看到一个 YAML 头部，后面跟着结构化的 Markdown 正文。以”前端开发者”为例，它的自我描述大概是这样的：
name: Frontend Developer
description: 专注页面开发、交互实现、样式优化与前端工程化落地
emoji: 💻
vibe: "我不止完成页面编写——默认打磨交互细节、优化性能体验，并提供可直接复用的前端实现方案。"
四阶段工作流：Discovery → Planning → Execution → Review
Discovery：梳理页面需求、交互逻辑、兼容场景与性能瓶颈
Planning：拆解组件结构、制定样式方案、规划状态管理与适配策略
Execution：高效完成页面搭建、交互开发、样式还原与工程化编码
Review：自查代码规范、兼容性、加载性能、UI 还原度与交互体验
量化成功指标：每次开发迭代，至少完成 1 项性能优化 / 1 处交互体验升级，代码符合前端规范，无明显样式错位、兼容 bug。
这就是关键所在——它不是在描述 AI 应该”知道什么”，而是在定义它应该”怎么工作”。
10多 个部门，150多个专家
项目目前拥有 150 多个 Agent，分布在 10多个专业部门，覆盖从工程到市场的完整业务链条。几个有代表性的角色：
工程侧：资深后端工程师（默认 Laravel，有代码品味）、安全工程师（默认找 bug 而不是夸你）、Reality Checker（上线前的最后一道关）
产品增长侧：SEO 专家、品牌守护者（Brand Guardian）、Reddit 社区运营——注意，这个角色的金句是 “你不是在 Reddit 上打广告，你是在成为一个恰好代表品牌的社区成员”，角色设定非常精准。
体验侧：UX 研究员、Whimsy Injector（专门往产品里注入幽默感的角色，每一个有趣的功能背后都需要这样的人）
适合谁使用？
✅ 强烈推荐使用
独立开发者 — 一个人包揽前端全流程工作，从需求拆解、页面开发到交互优化、代码复盘，无需额外求助，就能获得专业级的前端开发思路与执行方案，轻松实现“一个人就是一个完整前端团队”的高效产出。
小团队 — 团队规模有限，没有专职前端开发人员，或前端岗位配置不足，但需要输出规范、高质量的前端页面与交互效果，借助这份前端专家设定，可快速补齐专业短板，无需额外投入人力成本，就能完成符合标准的前端交付。
学习者 — 正在深耕前端开发领域，想系统学习专业前端工程师的思考逻辑、工作流程与问题解决思路，通过参考这份设定中的工作流、量化指标与执行标准，能快速对标行业规范，提升自身专业能力。
⚠️ 可能不需要使用
超大型团队 — 团队内部已搭建完善的前端开发流程、代码规范与审核机制，且配备了专业的前端开发、测试及优化人员，现有体系已能满足日常开发需求，无需额外借助外部专家设定。
特定领域前端专家 — 自身已具备深厚的前端技术积累，且所在团队拥有深度定制的内部前端开发工具、组件库与协作体系，能完全适配自身业务场景，这份通用型专家设定可能无法满足其个性化、深度化的需求。
