7天涨星1.2万，agency-agents把“AI 代理集合”做成了可复用的梦之队

如果你最近在找的不是“又一个 agent 框架”，而是一套能直接塞进 Claude Code、Cursor、Gemini CLI 里用的现成角色库，那这个仓库值得你看一眼。

它不是在发明新协议，而是在做更接地气的一件事：把多种高频岗位，整理成一批带人格、带流程、带交付标准的 AI specialist。

先给结论：它最有价值的地方，不是 61 个 agent 这个数字，而是把“AI 角色”从零散 prompt，做成了可安装、可分发、可迁移的一套资产。

项目卡片

• 项目名：agency-agents
• GitHub：https://github.com/msitarzewski/agency-agents
• 当前总星：19k+
• 近 1 天涨星：约 6k
• 近 3 天涨星：约 9.3k
• 近 7 天涨星：约 1.2w
• 一句话判断：这不是让你“再学一个 agent 平台”，而是给你一套能直接装进现有工具链的 AI 团队角色库。

它到底是什么，不是什么

先把这件事讲清楚。

它是什么：

• 一套按岗位拆分的 agent 角色库
• 每个角色都是一份 .md 文件
• 文件里不只有人设，还有任务边界、工作流、成功标准、交付偏好
• 仓库自带转换和安装脚本，可以把同一批角色分发到多个工具里

它不是什么：

• 不是 AutoGen / LangGraph 这种运行时编排框架
• 不是一个托管式 SaaS 平台
• 不是“一个总控 agent 自动调所有子 agent”的完整基础设施
• 也不是只会喊一句“Act as senior developer”的 prompt 大礼包

这点很关键。

现在很多人一提 agent，就容易默认想到“复杂编排”“多智能体协作系统”“自动执行闭环”。但 agency-agents 走的是另一条路：

先把高频角色沉淀成标准化能力单元，再把这些单元装进你已经在用的工具里。

这也是它这几天能突然暴涨的原因之一：路径短，理解成本低，拿来就能试。

它为什么会爆

我看完 README、集成说明和脚本之后，觉得它爆起来不是偶然，至少有 4 个原因。

1）它卖的不是“agent 概念”，而是“现成分工”

README 开头就把定位写得很直白：

• Frontend Developer
• Backend Architect
• Reddit Community Builder
• Reality Checker
• Whimsy Injector
• WeChat Official Account Manager
• Zhihu Strategist

这类命名方式很聪明。

因为用户不用先理解架构，只需要先问自己一句：

“我现在缺的是哪个角色？”

这比“来，我给你一个超强通用 agent”更容易触发使用。

2）它抓住了一个真实痛点：大家已经不想重复写 system prompt 了

很多人在 Claude Code、Cursor、Gemini CLI 里反复做同一件事：

• 写一个前端专家 prompt
• 写一个安全审查 prompt
• 写一个产品经理 prompt
• 不断复制、改写、贴到不同工具

agency-agents 做的事情，本质上是把这件事产品化了。

它把“角色 prompt”升级成了更稳定的资产：

• 有统一 frontmatter
• 有角色说明
• 有工作流
• 有成功指标
• 有跨工具转换脚本

也就是说，你维护一次，能在多个环境复用。

3）它没有强行绑定单一工具

这一点我觉得是项目很聪明的地方。

README 里列出的支持对象不止 Claude Code，还包括：

• Claude Code
• Gemini CLI
• Antigravity
• Cursor
• OpenCode
• Aider
• Windsurf

而且仓库里直接给了：

./scripts/convert.sh
./scripts/install.sh

一个负责把 agent 转成不同工具的格式；一个负责把它们装到对应目录里。

这比很多“只服务某一个生态”的项目更容易吃到外部流量。

4）它不空谈，直接给了场景组合

README 里最容易让人点 star 的，其实不是 agent 名单，而是那几段 use case：

• Startup MVP
• Marketing Campaign Launch
• Enterprise Feature Development
• Full Agency Product Discovery

它不是只告诉你“这里有 61 个角色”。

它还告诉你：

• 做 MVP 时，哪些角色一起上
• 哪些工作可以并行
• 哪些阶段需要 Reality Checker 把关

这就把“角色库”从静态目录，推进到了“可想象的工作流”。

我觉得它最值钱的地方：把角色资产做成了跨工具分发层

如果你只看表面，会觉得这项目像“prompt 集合”。

但它真正比普通 prompt 仓库更进一步的地方，在于它有一层很明确的分发设计。

转换脚本：scripts/convert.sh

这个脚本做的不是简单复制，而是把同一份 agent 源文件转成不同目标格式：

• Antigravity → SKILL.md
• Gemini CLI → extension + SKILL.md
• Cursor → .mdc rule
• Aider → 合并成 CONVENTIONS.md
• Windsurf → 合并成 .windsurfrules
• OpenCode → 项目级 agent 文件

这意味着什么？

意味着项目作者意识到：

agent 的核心资产应该是“角色定义本身”，而不是绑定在某个工具上的实现细节。

这就是为什么我说它更像一个“agent 内容层 / 角色层”，而不是单纯 prompt 仓库。

安装脚本：scripts/install.sh

另一个很实用的点，是它连安装路径都帮你想好了。

比如：

• Claude Code → ~/.claude/agents/
• Gemini CLI → ~/.gemini/extensions/agency-agents/
• Cursor → 项目内 .cursor/rules/
• Aider → 项目根目录 CONVENTIONS.md

这一步非常接地气。

很多仓库停在“概念成立”，但用户真正卡住的地方其实是：

• 文件应该放哪
• 不同工具吃什么格式
• 项目级和全局级怎么区分
• 改完之后怎么重新生成

agency-agents 至少把这些最容易劝退人的细节填上了。

最短上手闭环：怎么判断它值不值得留

如果你想先验证这项目是不是对你有用，我建议不要一上来研究 61 个角色。

直接按这个最短闭环走。

第 1 步：先看它是不是你的菜

先去 README 看两个东西：

• Engineering / Marketing / Testing 这些分组
• Multi-Tool Integrations 那一段

如果你看到这里已经在想：

• “我正好想给 Cursor 配一套角色规则”
• “我想把 Claude Code 里的常用角色沉淀下来”
• “我想让团队共享一批 agent 角色模板”

那这个仓库就值得继续看。

第 2 步：不要全装，先挑 3 个角色

我更建议先挑最刚需的 3 个。

比如做开发的人，可以先试：

• Frontend Developer
• Backend Architect
• Reality Checker

做内容或增长的人，可以先试：

• Content Creator
• Growth Hacker
• WeChat Official Account Manager

先试 3 个，比一口气装 61 个更容易建立判断。

第 3 步：生成集成文件

./scripts/convert.sh

这一步会把 agent 转成不同工具能吃的格式。

第 4 步：安装到你当前工具

如果你主要用 Claude Code：

./scripts/install.sh --tool claude-code

如果你主要用 Cursor：

./scripts/install.sh --tool cursor

如果你主要用 Gemini CLI：

./scripts/install.sh --tool gemini-cli

第 5 步：直接在工作任务里叫角色名

比如：

• “Activate Frontend Developer and help me build a React component.”
• “Use the Reality Checker agent to verify this feature is production-ready.”
• “Use the frontend-developer skill to help me build this UI.”

这里的重点不是句式，而是你要观察两件事：

• 角色有没有明显拉高输出稳定性
• 它是否比你手写 prompt 更省脑子

如果答案是 yes，这个仓库就值得留下。

它适合谁，不适合谁

这是我最关心的一段，因为很多人会高估它，也会有人低估它。

适合谁

1. 已经在用 AI 编程工具的人

如果你已经是 Claude Code / Cursor / Gemini CLI 的日常用户，这个仓库会很顺手。

因为你缺的不是模型，而是更稳定的角色调用方式。

2. 想把团队常用 prompt 资产化的人

这个仓库很适合当参考模板。

你不一定照搬 61 个角色，但完全可以按它的结构，做团队自己的：

• 前端审查员
• 小红书写手
• 微信公众号编辑
• QA gatekeeper
• 技术方案 reviewer

3. 想做“多角色协作”但还不想上复杂框架的人

很多团队一开始并不需要 LangGraph 级别的复杂编排。

他们更需要的是：

• 先把角色拆清楚
• 先把任务边界写清楚
• 先把每个角色的交付风格固定下来

这项目刚好填这块空白。

不太适合谁

1. 期待它自己自动调度一切的人

它不是一个开箱即用的自治 agent 平台。

你不能装完之后就默认它会自己拆任务、派单、汇总、执行闭环。

2. 完全不用这些工具的人

如果你平时不用 Claude Code、Cursor、Gemini CLI 这类工具，它的直接价值会低很多。

3. 想找底层 agent framework 的人

如果你要的是状态管理、工具调用编排、memory、long-running workflow，这不是它的主战场。

先把坑说清楚

我觉得这个项目值得看，但也不是没有门槛。

坑 1：角色很多，第一次看容易眼花

61 个 agent 看上去很热闹，但第一次进来很容易出现一个问题：

看完觉得很强，但不知道先用哪个。

规避办法很简单：

• 永远先从 3 个高频角色开始
• 不要一上来全量安装再慢慢筛

坑 2：不同工具的触发方式并不完全一样

虽然它做了多工具适配，但每个工具的吃法还是不同：

• Claude Code 偏原生 agent 文件
• Cursor 偏 rule 文件
• Gemini CLI 偏 extension + skills
• Aider / Windsurf 甚至是单文件汇总

所以你不能只看 README 标题，还得看自己那一项 integration README。

坑 3：角色质量高，不代表一定适合你的团队语境

这点非常现实。

仓库里的角色写得已经算细，但它毕竟是公开模板。

如果你要长期用，最好二次改造：

• 改输出语言
• 改交付偏好
• 改评审标准
• 改与你团队更接近的术语

公开角色库的上限，不是直接拿来用，而是拿来做你自己的 v1。

最后给一个直白判断

如果你现在已经频繁在 AI 工具里切角色、换口吻、补规则、重写 prompt，那这个仓库值得你至少花 10 分钟过一遍。

如果你只想找“一个全自动 agent 平台”，那它未必是你的目标。

但如果你要的是：

• 一套能直接复用的角色模板
• 一个跨工具迁移 agent 的参考实现
• 一个把 prompt 资产系统化的样板

那 agency-agents 很值得收藏。

它不是在画未来，而是在整理今天已经发生的 AI 工作方式。

如果这篇对你有用，建议点个关注。我会持续把 GitHub 上值得用的 AI 工具拆成「最短上手闭环 + 坑点清单 + 可复用配置」，让你少走弯路。

关注微信公众号

想第一时间看到后续的工具拆解与实战更新，欢迎扫码关注公众号。