9.4k stars!手中就有一整个 AI 团队:agency-agents 深度解析手中就有一整个 AI 团队:agency-agents 深度解析!

9.4k stars!手中就有一整个 AI 团队:agency-agents 深度解析手中就有一整个 AI 团队:agency-agents 深度解析!

手中就有一整个 AI 团队:agency-agents 深度解析

当别人还在反复调试同一个"万能提示词",有人已经在用一支分工明确的 AI 精英团队在干活了。

一、你是不是也有这些痛点?

用 Claude Code 写代码,前一秒在解 Bug,后一秒又要帮你想营销文案,再后一秒还得审查 UI 设计——同一个 AI 上下文频繁切换,结果每件事都做得平平无奇。

通用 AI 的问题在于:它什么都能做,但什么都不够专。

你有没有想过,如果 AI 也能像真实公司一样——前端有前端工程师、设计有 UI 设计师、增长有增长黑客——每个岗位的人用自己深耕多年的方式来工作,结果会有多大不同?

agency-agents 就是为了解决这个问题而生的。


二、agency-agents 是什么?

agency-agents 是 GitHub 上一个开源项目,⭐ Star 数已突破 6000+,由开发者 Michael Sitarzewski 创建,起源于一场 Reddit 讨论——关于 AI Agent 专业化分工这个话题,第一个版本发布 12 小时内就收到 50+ 名 Redditors 的强烈反响。

它的核心理念很简单:

把一支专业团队的能力,压缩进一套可直接调用的 AI Agent 配置文件。

每一个 Agent 都是一个 .md 文件,包含:

  • 🎯 专业方向:深度垂直,而非泛化的提示词模板
  • 🧠 独特人格:有自己的沟通风格和工作方式
  • 📋 交付导向:明确的产出物和可衡量的成功标准
  • 生产可用:经过真实项目打磨的工作流

项目使用 MIT 开源协议,商用、个人用均免费,无需署名。

在这里插入图片描述

三、团队里都有哪些"人"?

项目按部门组织,目前覆盖以下核心岗位:

🎨 设计部门(Design)

  • UI Designer — 构建设计系统、组件库,注重可访问性与规模化
  • UX Architect — 用户体验架构,信息层级与交互流程设计
  • UX Researcher — 用户旅程地图、行为分析、设计决策验证
  • Brand Guardian — 品牌一致性守卫者
  • Visual Storyteller — 视觉叙事专家
  • Whimsy Injector — “每一个趣味元素都必须服务于功能或情感目的”——这位专门注入设计趣味感

⚙️ 工程部门(Engineering)

  • Senior Developer — 全栈高级开发,专注 Laravel/Livewire 等技术栈的高品质实现
  • Frontend Developer — React/Vue 前端专家
  • AI Engineer — ML 模型开发、RAG 系统、LLM 微调的 AI 工程师
  • Mobile App Builder — iOS/Android 双端,离线优先架构

📣 市场部门(Marketing)

  • Content Creator — 内容创作者,面向不同平台生产高质量内容
  • Growth Hacker — 增长黑客,A/B 测试、病毒裂变机制、产品驱动增长
  • Reddit Community Ninja — “你不是在 Reddit 上做营销,你是在成为一个真正代表品牌的社区成员” — 这位专门做社区运营

✅ 质量部门(QA)

  • QA Engineer — “我默认寻找 3-5 个问题,并且对所有问题都需要视觉证明” — 不放过任何缺陷

四、怎么用?

第一步:克隆项目

git clone https://github.com/msitarzewski/agency-agents.git 

第二步:将 Agents 复制到 Claude Code 目录

cp-r agency-agents/* ~/.claude/agents/ 

第三步:在 Claude Code 中激活

直接在对话中告诉 Claude 你想使用哪个 Agent 模式,例如:

激活 Frontend Developer 模式,帮我搭建一个 React 组件库 
切换到 Growth Hacker 模式,分析我们的用户增长瓶颈并制定实验计划 
用 QA Engineer 模式审查这段代码,告诉我有哪些问题 

Agent 会立刻切换身份、调用对应的专业知识框架来响应你的需求,而不是给你一个泛化的通用回答。


五、为什么它和普通提示词不一样?

很多人会说:“我自己写个 system prompt 不就行了?”

差别在于深度和经验积累

以 Senior Developer 这个 Agent 为例,它不仅定义了角色,还内置了:

  • 具体的代码架构模式和质量标准
  • 常见实现误区的规避策略
  • 跨项目的记忆机制(记住成功的模式和踩过的坑)
  • 明确的交付物格式

这是数月迭代打磨的结果,而不是三分钟写出来的提示词。


六、总结

维度普通 Claude 提示词agency-agents
专业度泛化通用深度垂直
人格一致性每次重置角色固定,风格稳定
工作流随机标准化流程
交付物不确定明确可衡量
维护成本每次重新调试一次配置,持续复用

agency-agents 最大的价值不是"更强的 AI",而是"更专业的分工"。 它把 Claude Code 从一个万能助手,变成了一支有专业分工的 AI 团队。

对于独立开发者、创业团队、内容创作者来说,这相当于用一人之力撬动了多角色协作的效率杠杆。


📌 项目地址:https://github.com/msitarzewski/agency-agents

⭐ MIT 开源,免费商用,欢迎 Star 和贡献新 Agent

你在用 Claude Code 做什么项目?评论区聊聊,说不定我们可以一起设计一个专属 Agent。

Read more

天马G前端的使用

天马G前端的使用

1 复古掌机的选择 最近搞了个手柄,正好有一个闲置的小米9,就想着看能不能装一个复古掌机出来。 其实市场上也有很多现成的复古掌机,目前主要是安卓和Linux两种。整体上看安卓的目前占优一点,因为除了大家都能玩的模拟器,安卓平台还能玩安卓的游戏。 项目Android 掌机Linux 掌机 (ArkOS / JELOS / Batocera)启动速度20~40 秒5 秒以内UI一致性❌ 多 app 无统一样式✅ 完整游戏平台风格PS2(AetherSX2)✅ 可玩(Snapdragon / Dimensity / Unisoc)❌ 官方 Linux 版 core 不成熟Switch(Yuzu)✅ 安卓有社区版 Yuzu❌ 完全无解PSP/NDS/GBA etc✅ 但调用 APK,界面割裂✅ 全集成 Core,UI统一云游戏 / Steam Link✅ 完全支持⚠

AI 直接生成前端代码:我的软件原型设计流,从此告别重复画图

AI 直接生成前端代码:我的软件原型设计流,从此告别重复画图

近年来,AI 辅助开发越来越成熟,尤其是在快速原型设计方面。今天分享一下我如何借助 Cursor、Trace solo、ChatGPT、Qoder 等 AI 工具,高效完成软件原型的自动绘制与代码生成。 📌 核心流程三步走 1️⃣ 用 AI 输出需求文档(非技术描述) 首先,我会让 AI 根据产品思路或功能描述,生成一份清晰、无技术细节的需求文档。这一步不写代码,只聚焦逻辑与用户流程。 2️⃣ AI 生成 HTML 原型代码 基于上一步的需求文档,直接让 AI 生成对应的 HTML 代码,快速搭建出可交互的前端原型。支持实时预览,直观看到界面效果。 3️⃣ 反复微调,直至满意 生成的原型往往需要多次调整。通过自然语言描述修改方向,AI 可快速迭代代码,直至达到想要的交互与视觉效果。

【Python 爬虫】Playwright 多浏览器并发实战:Chromium/Firefox/WebKit 性能对比与优化

1. 为什么你需要多浏览器并发爬虫? 如果你只用过单浏览器爬虫,可能会觉得“一个浏览器不就够了吗?”。我以前也是这么想的,直到在一个真实项目里踩了坑。当时我需要从几个大型电商网站抓取价格数据,一开始只用 Chromium,跑得挺快。但没过多久,网站的反爬机制就启动了,不仅速度变慢,还频繁弹出验证码。更头疼的是,我发现有些页面在 Firefox 上渲染出来的商品列表结构,和 Chromium 里看到的不太一样,导致我写好的定位器失效了。 这就是单浏览器的局限性:容易被识别、兼容性有盲区、性能瓶颈单一。而 Playwright 原生支持 Chromium、Firefox 和 WebKit 三大引擎,这不仅仅是“多一个选择”,而是给了我们一套组合拳。你可以把爬虫任务想象成一支特种部队:Chromium 像突击手,速度最快,生态工具最全;Firefox 像侦察兵,在某些反爬策略下更隐蔽;WebKit 则像特工,能模拟 Safari

什么是流式输出,后端怎么生成,前端怎么渲染

什么是流式输出,后端怎么生成,前端怎么渲染 流式输出(Streaming Output) 就像是在看视频直播,内容是一边产生一边传输给你的,而不是像下载电影那样,必须等整个文件下完才能开始看。 在 AI 领域(比如 ChatGPT),流式输出表现为文字一个接一个地“蹦”出来,而不是转半天圈圈后突然甩出一大段话。 什么是流式输出,有什么特点 1. 它是怎么实现的? 流式输出的核心技术通常是 SSE (Server-Sent Events,服务器发送事件)。 在传统的 HTTP 请求中,模式是“一问一答”:客户端发请求,服务器处理完全部逻辑,打成一个大包发回客户端。而在流式输出中,过程如下: 1. 建立持久连接:客户端发送一个请求,并在 HTTP 头部声明 Accept: text/event-stream。 2. 分块传输:服务器每生成一个字(