--- slug: "agency-orchestrator" source_type: "readme" source_url: "https://cdn.jsdelivr.net/gh/jnmetacode/agency-orchestrator@main/README.md" repo: "https://github.com/jnmetacode/agency-orchestrator" source_file: "README.md" branch: "main" --- # Agency Orchestrator **中文** | [English](https://github.com/jnmetacode/agency-orchestrator/blob/HEAD/README.en.md) > **一句话，让多个 AI 角色自动协作，几分钟出完整方案。** > > **也是你的「一人公司」：你当老板，AI 当团队——自动组队、重大决策请你签字、按验收标准交付。** [![CI](https://github.com/jnMetaCode/agency-orchestrator/actions/workflows/ci.yml/badge.svg)](https://github.com/jnMetaCode/agency-orchestrator/actions) [![npm version](https://img.shields.io/npm/v/agency-orchestrator)](https://www.npmjs.com/package/agency-orchestrator) [![License: Apache-2.0](https://img.shields.io/badge/License-Apache%202.0-blue.svg)](./LICENSE) [![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg)](./CONTRIBUTING.md) **一句话出结果 · 267 个专业 AI 角色 · YAML 零代码 · 11 种大模型 · 支持 key（推荐 DeepSeek），也有 7 种免 key 方式** > 📖 [完整上手教程](https://mp.weixin.qq.com/s/XcGbkMb6TM6NLQiL7ICwbw)（从安装到实战，10 分钟上手） ·  🎓 **免费配套学习**：[从零学会 AI 编程](https://aiolaola.com/?utm_source=github&utm_campaign=orchestrator)（180 节）＋ [从零构建 AI 智能体](https://aiolaola.com/course/ai-agent?utm_source=github&utm_campaign=orchestrator)（40 节，含多智能体协作实战） > 觉得有用？请点个 **Star** — 帮助更多人发现这个项目。

网页 Studio：一句话，AI 自动组队
网页 Studio：打一句话，AI 自动从 200+ 专家里组队并运行

--- ## 网页 Studio（图形界面） 不想敲命令行？本地跑一条 `ao web`，浏览器里勾选专家、运行工作流、查看产物、实时介入——全程图形界面，全中英双语。 > 🆕 **「一人公司」系列模板**：做产品 / 做内容 / 做投研 + 全员大会，关键步骤带验收标准（`acceptance`），投研含老板签字闸门——交付的是可验收的工作成果，不承诺奇迹。 > 🆕 **AI 自动组队**：不知道选哪些专家？角色页一句话、不选角色，AI 自动从全部专家里挑人组队并运行。 > 🆕 **可视化画布**：工作流可在画布上拖拽节点 / 连线（自动防环）/ 改任务·角色 / 保存，运行时节点按状态实时点亮。 > 🆕 **创意库**：内置图像生成提示词库（Nano Banana / Gemini，可搜索 / 分类 / 一键复制）。 > 🆕 **零配置首跑**：本机已登录 Claude Code / Gemini CLI 等？AO 自动探测并直接用，连 API key 都不用配。 > 🆕 **我的角色 + 提示生成**：「提示生成」页产出的 system prompt 一键存为自建角色（`~/.ao/roles`），组队页「我的」分类直接用；角色卡可 ☆ 收藏常用。 > 🆕 **多语言角色库**：`npm i agency-agents-ko`（ko / ru / pt-br / id / ar）后，Studio「角色库」下拉一键切换，工作流 `agents_dir` 写包名即可跑。

Studio · 工作流模板：内置模板一键运行
工作流：内置模板一键运行，也能对比多个模板

Studio · 角色组队：多语言角色库下拉（图为韩语库）
角色组队：☆ 收藏常用、「我的」自建角色，一键切换多语言角色库（图为韩语库）

> 启动：`ao web`（本地，密钥只存你自己机器、绝不外传）。也有 [桌面客户端下载](https://github.com/jnMetaCode/agency-orchestrator/releases/latest)（Electron · macOS / Windows / Linux）。 > 英文界面同样完整 → 见 [English README](https://github.com/jnmetacode/agency-orchestrator/blob/HEAD/README.en.md)。 --- ## 一句话出结果 也可以纯命令行——一条命令，一句话出结果： ```bash ao compose "我是一个程序员，想用AI做自媒体副业，目标月入2万，帮我做完整规划" --run ```

ao compose 命令行演示

5 个 AI 角色自动分工协作： ``` 工作流: 程序员AI自媒体副业规划 步骤数: 5 | 模型: claude-code 参与者: 🔭 趋势研究员 | 📱 平台分析师 | 💰 财务规划师 | ✍️ 内容策略师 | 📋 执行规划师 ────────────────────────────────────────────────── ✅ 🔭 趋势研究员 31.3s → 6个赛道竞争度/变现天花板/AI提效倍数对比 ✅ 📱 平台分析师 32.0s → 6大平台三维评分，推荐"小红书+公众号"组合 ✅ 💰 财务规划师 31.8s → 月入2万拆解：课程¥11,880 + 社群¥2,488 + 咨询¥4,000 ✅ ✍️ 内容策略师 44.6s → 20个选题 + 4套标题模板 + 内容SOP ✅ 📋 执行规划师 42.2s → 90天行动计划，精确到每天做什么 ================================================== 完成: 5/5 步 | 182.1s | 6,493 tokens ================================================== ``` **不用写代码，不用写配置，不用选角色。** 一句话 → AI 自动拆解任务 → 从 267 个角色中匹配 → 按 DAG 并行执行 → 输出完整方案。 ### 你能用它做什么 ```bash ao compose "帮我分析做一个AI记账工具的可行性" --run # 创业可行性分析 ao compose "对比 Cursor、Windsurf 和 Copilot，给出选择建议" --run # 技术选型报告 ao compose "写一篇关于 AI Agent 趋势的深度文章" --run # 深度长文写作 ao compose "用 10 万块启动一个 AI 教育项目" --run # 商业计划书 ao compose "PR 代码审查，覆盖安全和性能" --run # 代码审查报告 ao compose "设计一个 SaaS 产品的定价策略" --run # 定价分析 ``` 每个场景自动匹配不同的 AI 角色组合。 --- ## 为什么需要 Agency Orchestrator 跟一个 AI 聊天，它给你一个视角。但做任何决策，你需要产品的视角、技术的视角、财务的视角、营销的视角…… **Agency Orchestrator = 让多个 AI 专家各干各的，最后汇总。相当于一个人 vs 一个团队。** | | ChatGPT / Claude | CrewAI / LangGraph | **Agency Orchestrator** | |---|--------|-----------|---------------------| | 角色数 | 1 个通用 | 自己写 | **267 个专业角色** | | 使用方式 | 对话 | 写 Python | **一句话 / YAML** | | API key | — | 必须 | **支持 key，也有 7 种免 key 方式** | | 依赖 | — | pip + 几十个包 | **npm + 2 个依赖** | | 并行 | — | 手动建图 | **DAG 自动检测** | | 中文角色 | — | 无 | **267 个** | | 价格 | 订阅制 | 开源 + API 费 | **DeepSeek 甜区极低成本，亦可免 key 起步** | ## 3 步开始 ### 第 1 步：安装 ```bash npm install -g agency-orchestrator ``` > **装 CLI 还是桌面端？** > - **桌面客户端**（[下载](https://github.com/jnMetaCode/agency-orchestrator/releases/latest)）**自带引擎与 Node，双击即用，无需** `npm i -g agency-orchestrator`。只有想在终端用 `ao` 命令、或接进脚本 / CI 时才需要装 CLI。 > - 用 `--provider claude-code`（或 `gemini-cli` / `codex-cli` 等）时，需要**本机已安装并登录对应 CLI**；AO 会自动探测已装的，零配置直接用。用 API key 类（deepseek/openai…）则配好 key 即可，无需装任何 CLI。 > - **自定义目录**：产物 / 数据目录用 `AO_DATA_DIR`（桌面端默认指向 userData），角色库用 `AO_AGENTS_DIR`，统一工作区用 `AO_HOME`。 > - **Docker / NAS 部署**（amd64/arm64）：`docker run -d -p 8088:8088 -v ao-data:/data ghcr.io/jnmetacode/agency-orchestrator:latest`，打开 `http://主机IP:8088`，密钥在页面「供应商」里配（存进挂载卷，重启不丢）。也可用仓库根的 [docker-compose.yml](https://github.com/jnmetacode/agency-orchestrator/blob/HEAD/docker-compose.yml) 一键起。 ### 第 2 步：一句话跑起来 ```bash # 用你已有的 Claude 会员（无需 API key） ao compose "帮我分析做一个AI记账工具的可行性" --run --provider claude-code # 或用 DeepSeek（充 10 块跑很久） export DEEPSEEK_API_KEY="你的key" ao compose "帮我分析做一个AI记账工具的可行性" --run ``` ### 第 3 步：用内置模板或在 AI 编程工具中使用 ```bash # 用 32 个内置模板 ao run workflows/一人公司全员大会.yaml --input idea="帮打工人用AI写简历的求职神器" ao run workflows/dev/pr-review.yaml --input code=@src/main.ts ao run workflows/story-creation.yaml -i premise="一个程序员发现AI开始回复不该知道的事情" ``` 也可以在 Cursor / Claude Code 中直接说"帮我跑一个工作流"——支持 **14 个 AI 编程工具**（[集成指南](https://github.com/jnmetacode/agency-orchestrator/tree/HEAD/integrations/)）。 ## 更多真实演示 ``` $ ao compose "帮我分析抖音短视频赛道的创业机会" --run 工作流: 抖音短视频赛道创业机会分析与商业方案制定 步骤数: 6 | 并发: 2 | 模型: deepseek-chat 参与者: 👔 老板 | 📊 市场调研员 | 🔍 用户研究员 | 🧭 产品经理 | 📣 营销主管 | 💰 财务总监 ────────────────────────────────────────────────── ✅ 👔 老板 12.7s → 战略方向与目标用户定位 ✅ 📊 市场调研员 45.2s → 7亿日活用户数据、竞争格局分析 ✅ 🔍 用户研究员 38.1s → 用户画像、痛点挖掘、付费意愿 ✅ 🧭 产品经理 41.3s → MVP功能清单、内容矩阵、变现路径 ✅ 📣 营销主管 35.6s → 冷启动方案、投放策略、用户漏斗 ✅ 💰 财务总监 28.4s → 150万启动、首年400万收入、盈亏平衡分析 ================================================== 完成: 6/6 步 | 233.0s | 65,191 tokens ================================================== ``` 6 个角色中，市场调研员和用户研究员**自动并行执行**（从 DAG 依赖关系检测）。 ## 工作原理 ```yaml name: "产品需求评审" agents_dir: "agency-agents-zh" llm: provider: "deepseek" # 免 API key: claude-code / gemini-cli / copilot-cli / codex-cli / hermes-cli / ollama model: "deepseek-chat" concurrency: 2 inputs: - name: prd_content required: true steps: - id: analyze role: "product/product-manager" task: "分析以下 PRD，提取核心需求：\n\n{{prd_content}}" output: requirements - id: tech_review role: "engineering/engineering-software-architect" task: "评估技术可行性：\n\n{{requirements}}" output: tech_report depends_on: [analyze] - id: design_review role: "design/design-ux-researcher" task: "评估用户体验风险：\n\n{{requirements}}" output: design_report depends_on: [analyze] - id: summary role: "product/product-manager" task: "综合反馈输出结论：\n\n{{tech_report}}\n\n{{design_report}}" acceptance: "1. 明确给出通过/不通过结论 2. 列出必须解决的问题" # 可选：验收标准，注入 prompt 并作评审依据 depends_on: [tech_review, design_review] ``` 引擎自动： 1. 解析 YAML → 构建 **DAG**（有向无环图） 2. 检测并行 — `tech_review` 和 `design_review` 并发执行 3. 通过 `{{变量}}` 在步骤间传递输出 4. 从 [agency-agents-zh](https://github.com/jnMetaCode/agency-agents-zh) 加载角色定义作为 system prompt 5. 失败自动重试（指数退避） 6. 保存所有输出到 `ao-output/` ``` analyze ──→ tech_review ──→ summary └→ design_review ──┘ (并行) ``` ## 11 种 LLM — 7 种不需要 API key **你已经有这些会员了吧？直接就能跑：** | 你有... | YAML 配置 | 安装 CLI | 额外费用 | |---------|----------|---------|---------| | Claude Max/Pro（$20/月） | `provider: "claude-code"` | `npm i -g @anthropic-ai/claude-code` | **不花钱** | | Google 账号 | `provider: "gemini-cli"` | `npm i -g @google/gemini-cli` | **免费**（1000 次/天，Gemini 2.5 Pro） | | GitHub Copilot（$10/月） | `provider: "copilot-cli"` | `npm i -g @github/copilot` | **不花钱** | | ChatGPT Plus/Pro（$20/月） | `provider: "codex-cli"` | `npm i -g @openai/codex` | **不花钱** | | OpenClaw 账号 | `provider: "openclaw-cli"` | `npm i -g openclaw` | **不花钱** | | Hermes Agent（🔥 NousResearch 热门开源） | `provider: "hermes-cli"` | [安装指南](https://github.com/NousResearch/hermes-agent) | **免费** | | 一台电脑 | `provider: "ollama"` | [ollama.ai](https://ollama.ai) | **免费**（本地模型，见下方提示） | > ⚠️ **模型能力决定多智能体的价值**：我们用质量评测验证过（见 [EVAL_FINDINGS.md](https://github.com/jnmetacode/agency-orchestrator/blob/HEAD/EVAL_FINDINGS.md)）——**DeepSeek 这一档（够强又不贵）上，多智能体产出明显优于单次 prompt**；但**本地小模型（如 llama3 8B 级）能力不足时，多角色交接反而会放大漂移、产出不如单次**。追求质量请用 DeepSeek/Claude/Gemini 等有能力的模型；本地 Ollama 建议用 70B+ 模型。 **也支持传统 API key（追求质量推荐 DeepSeek，性价比甜区）：** | 提供商 | 配置 | 环境变量 | |--------|------|---------| | DeepSeek | `provider: "deepseek"` | `DEEPSEEK_API_KEY` | | 火山引擎（豆包 / Kimi / GLM，赞助商） | `provider: "volcengine"` | `ARK_API_KEY` | | Claude API | `provider: "claude"` | `ANTHROPIC_API_KEY` | | OpenAI | `provider: "openai"` | `OPENAI_API_KEY` | **自定义 API（智谱、月之暗面、硅基流动等 OpenAI 兼容 API）：** ```bash ao init --provider openai --model 模型名 \ --base-url https://你的API地址/v1 \ --api-key 你的key ``` 或手动编辑 `.env`： ```env AO_PROVIDER=openai AO_MODEL=模型名 OPENAI_BASE_URL=https://你的API地址/v1 OPENAI_API_KEY=你的key ``` 常见示例： | 平台 | base_url | model | |------|----------|-------| | 火山引擎 | `https://ark.cn-beijing.volces.com/api/coding/v3` | `ark-code-latest` | | 智谱 AI | `https://open.bigmodel.cn/api/paas/v4` | `glm-4` | | 硅基流动 | `https://api.siliconflow.cn/v1` | `deepseek-ai/DeepSeek-V3` | | 月之暗面 | `https://api.moonshot.cn/v1` | `moonshot-v1-8k` | > ⚠️ 注意：这些平台请使用 `provider: "openai"`，不要用 `provider: "ollama"`。Ollama 仅用于本地模型，不发送 API Key。 > 💡 **网页 Studio 里更简单**：「供应商」面板支持直接**添加自定义供应商**（任意 OpenAI 兼容 endpoint，带 SiliconFlow / OpenRouter / 火山方舟 / 智谱 / Kimi 等常见预设，点一下自动填 base_url），加完即可在顶部下拉切换使用。Claude Code / Gemini CLI / Codex 卡片还支持配置**第三方中转**（填中转商的 base_url + token，跳过官方账号登录）。 ## CLI 命令 ```bash ao demo # 零配置体验多智能体协作 ao init # （可选）复制 267 个中文角色到本地以便编辑 ao init --lang en # （可选）复制 184 个英文角色到本地以便编辑 ao init --workflow # 交互式创建工作流 ao compose "一句话描述" # AI 智能编排工作流 ao compose "一句话描述" --run # 编排并立即执行 ao team save # 把角色阵容存成可复用团队 (Loadout) ao team list / show / rm # 管理已保存的团队 ao run --team <名字> "新任务" # 用已保存的团队跑新任务（锁定阵容） ao prompt optimize "提示词" # AI 优化提示词（--save 存为可复用资产） ao prompt test / list / garden # 测试 / 管理 / 起手模板（提示词沉淀） ao skills [名字] # 列出/查看可挂到步骤的方法论 skill ao run [选项] # 执行工作流 ao validate # 校验（不执行） ao plan # 查看执行计划（DAG） ao explain # 用自然语言解释执行计划 ao roles # 列出所有角色 ao serve # 启动 MCP Server（供 Claude Code / Cursor 调用） ``` | 参数 | 说明 | |------|------| | `--input key=value` | 传入输入变量 | | `--input key=@file` | 从文件读取变量值 | | `--output dir` | 输出目录（默认 `ao-output/`） | | `--resume ` | 从上次运行恢复（加载已完成步骤的输出） | | `--from ` | 配合 `--resume`，从指定步骤重新执行 | | `--feedback "意见"` | 对话式返工：把修改意见交给 `--from` 指定的专家，让它带着「上一版产出 + 你的意见」在原稿基础上修改（不指定 `--resume` 时默认对上一次运行返工） | | `--watch` | 实时终端进度显示 | | `--quiet` | 静默模式 | ### AI 智能编排（Compose） 一句话描述需求，AI 自动从 267 个角色中选角色、设计 DAG、生成完整 workflow YAML： ```bash ao compose "PR 代码审查，要覆盖安全和性能" ``` AI 会自动： 1. 从 267 角色中匹配出 Code Reviewer、Security Engineer、Performance Benchmarker 2. 设计 DAG（三路并行 → 汇总） 3. 生成带 `depends_on`、变量串联的完整 YAML 4. 保存到 `workflows/` — 直接 `ao run` 就能跑 支持 `--provider` 和 `--model` 参数（默认使用 DeepSeek）。 ### 团队 / Loadout（把跑得好的阵容存下来复用） `compose` 每次都是临时组队。如果某个角色阵容效果好，把它**存成团队**，套到任意新任务上——团队只保存「角色阵容」，与具体任务解耦： ```bash # 从一个跑得好的工作流抽出阵容，存成团队 ao team save workflows/tech-blog.yaml --name 技术博客组 # 让整队人接新活（自动用这几个角色重新设计步骤并运行） ao run --team 技术博客组 "写一篇关于 RISC-V 架构的科普" ao team list # 查看已保存的团队 ao team show 技术博客组 # 查看阵容构成 ``` `ao run --team` 的本质 = compose 时把可选角色**锁定**为团队那几个，所以既不会漏人、也不会幻觉出别的角色。团队存在 `~/.ao/teams/*.team.yaml`（纯 YAML，可直接拷贝分享），**命令行和网页 Studio 共用同一份**——Studio 里勾选角色后点「存为团队」，命令行立刻 `ao run --team` 可用，反之亦然。 > 自带私有专家：设环境变量 `AO_AGENTS_DIR=/你的角色目录`，`run / compose / roles / web` 全部改用你自己的角色库。 > 自建单个角色：放 `~/.ao/roles/.md`（与内置库叠加），工作流里用 `my/` 引用；Studio「角色组队 → 我的」可视化增删。 > 多语言角色库：`npm i agency-agents-ko`（另有 `pt-br` / `ar` / `id` / `ru`），工作流 `agents_dir: "agency-agents-ko"`，Studio 角色页出现「角色库」下拉。 > > 固定全局目录：设 `AO_HOME=~/.ao`（或任意目录），运行产物 `ao-output`、`compose`/`--team` 生成的工作流都落到那里，不再随执行目录散落（#20）。也可用 `AO_OUTPUT_DIR` / `AO_WORKFLOWS_DIR` 单独指定。不设则维持原行为（写到当前目录）。 ### 提示词优化（Prompt Lab） 把「靠感觉」的提示词，变成可优化、可测试、可对比、可沉淀的资产： ```bash ao prompt optimize "帮我写个朋友圈文案卖咖啡" --save 咖啡文案 # AI 把它改写成更有效的提示词 ao prompt test "你是专业翻译，只输出译文" --mode system --input "good morning" # 用样例实跑看输出 ao prompt list / show 咖啡文案 # 已保存的提示词 + 版本历史 ao prompt garden # 内置起手模板 ``` `--mode system|user` 区分「角色/系统提示词」和「任务提示词」。优化只产出**更好的提示词**（不会直接去执行它）。网页 Studio 的「提示词」页还能原版 vs 优化版**并排对比 + AI 评分**。存在 `~/.ao/prompts/`（`AO_PROMPTS_DIR` 可改），命令行与 Studio 共用。 ### Skills（给步骤挂方法论） 角色决定「谁来做」，skill 决定「怎么做」。给工作流某一步挂一个 **skill**（流程剧本），它的方法论会注入该步——比如让代码审查步骤遵循结构化审查法、让实现步骤走 TDD： ```yaml steps: - id: review role: "engineering/engineering-code-reviewer" skill: "chinese-code-review" # 单个；或 skills: ["test-driven-development", ...] task: "审查这段代码 {{code}}" ``` ```bash ao skills # 列出全部可用 skill ao skills test-driven-development # 看某个 skill 的方法论 ``` skill 内容直接用开源的 [superpowers-zh](https://github.com/jnMetaCode/superpowers-zh)（MIT，20 个,已作为依赖,零配置）；也可设 `AO_SKILLS_DIR=/你的skill目录` 挂自己的。 ### 迭代优化（Resume） 跑完一轮觉得某步不满意？不用从头来。`--resume` 加载上一轮输出，`--from` 指定从哪步重跑： ```bash # 第一轮：正常运行 ao run workflows/一人公司全员大会.yaml -i idea="用AI帮小商家做短视频" # 觉得营销方案不够好？只重跑营销和后续步骤 ao run workflows/一人公司全员大会.yaml --resume last --from marketing_plan # 只改最终汇总 ao run workflows/一人公司全员大会.yaml --resume last --from launch_decision ``` 每轮输出保存在 `ao-output/` 下独立目录，所有版本都保留，随时可以回溯。 | 场景 | 命令 | |------|------| | 第一次运行 | `ao run workflow.yaml -i key=value` | | 从某步重跑 | `ao run workflow.yaml --resume last --from <步骤ID>` | | 只重跑失败的步骤 | `ao run workflow.yaml --resume last` | | 基于指定版本重跑 | `ao run workflow.yaml --resume ao-output/具体目录/ --from <步骤ID>` | ### 对话式返工（Feedback） `--resume --from` 是「让某个专家重做」，但默认是**从零重写**。如果你只是想说一句「这里改一下」，用 `--feedback`——它把你的意见 + 这个专家**上一版的产出**一起交回去，让它在原稿基础上改，而不是推倒重来： ```bash # 觉得故事结尾太平淡 —— 直接跟"写故事"那个专家说怎么改 ao run workflows/story-creation.yaml --from write_story \ --feedback "结尾太平淡，加一个反转，并收束前面埋的伏笔" # 觉得营销方案不接地气 ao run workflows/一人公司全员大会.yaml --from marketing_plan \ --feedback "预算改成 5000 以内，渠道聚焦小红书 + 私域" ``` 不写 `--resume` 时默认对**上一次运行**返工（等价于 `--resume last`）。该专家改完后，它的下游步骤会自动用新产出重跑。 ## 编程 API ```typescript import { run } from 'agency-orchestrator'; const result = await run('workflow.yaml', { prd_content: '你的 PRD 内容...', }); console.log(result.success); // true/false console.log(result.totalTokens); // { input: 1234, output: 5678 } ``` ## MCP Server 模式 AI 编程工具（Claude Code、Cursor 等）可通过 MCP 协议直接调用工作流操作，无需手动集成： ```bash ao serve # 启动 MCP stdio 服务器 ao serve --verbose # 带调试日志 ``` 配置 Claude Code（`settings.json`）： ```json { "mcpServers": { "agency-orchestrator": { "command": "npx", "args": ["agency-orchestrator", "serve"] } } } ``` 配置 Cursor（`.cursor/mcp.json`）： ```json { "mcpServers": { "agency-orchestrator": { "command": "npx", "args": ["agency-orchestrator", "serve"] } } } ``` 提供 6 个工具：`run_workflow`、`validate_workflow`、`list_workflows`、`plan_workflow`、`compose_workflow`、`list_roles`。 ## YAML Schema ### 工作流 | 字段 | 类型 | 必填 | 说明 | |------|------|------|------| | `name` | string | 是 | 工作流名称 | | `agents_dir` | string | 是 | 角色目录路径 | | `llm.provider` | string | 是 | `claude-code` / `gemini-cli` / `copilot-cli` / `codex-cli` / `openclaw-cli` / `hermes-cli` / `ollama` / `claude` / `deepseek` / `openai` | | `llm.model` | string | 是 | 模型名称 | | `llm.max_tokens` | number | 否 | 默认 4096 | | `llm.timeout` | number | 否 | 步骤超时毫秒数（默认 API 120000 / CLI/ollama 600000）。因超时重试时自动 x1.5 递增，上限 3600000。`0` 表示不限时 | | `llm.retry` | number | 否 | 重试次数（默认 3） | | `concurrency` | number | 否 | 最大并行步骤数（默认 2） | | `inputs` | array | 否 | 输入变量定义 | | `steps` | array | 是 | 工作流步骤 | ### 步骤 | 字段 | 类型 | 必填 | 说明 | |------|------|------|------| | `id` | string | 是 | 步骤唯一标识 | | `role` | string | 是 | 角色路径（如 `"engineering/engineering-sre"`） | | `task` | string | 是 | 任务描述，支持 `{{变量}}` | | `output` | string | 否 | 输出变量名 | | `depends_on` | string[] | 否 | 依赖的步骤 ID | | `depends_on_mode` | string | 否 | `"all"`（默认）或 `"any_completed"`（任一完成即可） | | `condition` | string | 否 | 条件表达式，不满足则跳过（如 `"{{var}} contains 技术"`） | | `type` | string | 否 | `"approval"` 人工审批节点 / `"human_input"` 人工输入节点（跑到该步暂停，读取你的输入作为该步产出注入下游） | | `prompt` | string | 否 | `approval` / `human_input` 节点的提示文本 | | `loop` | object | 否 | 循环配置 | | `loop.back_to` | string | 否 | 循环回到的步骤 ID | | `loop.max_iterations` | number | 否 | 最大循环次数（1-10） | | `loop.exit_condition` | string | 否 | 退出条件表达式 | ## 输出 每次运行保存到 `ao-output/<名称>-<时间戳>/`： ``` ao-output/产品需求评审-2026-03-22/ ├── summary.md # 最终步骤输出 ├── steps/ │ ├── 1-analyze.md │ ├── 2-tech_review.md │ ├── 3-design_review.md │ └── 4-summary.md └── metadata.json # 耗时、token 用量、步骤状态 ``` ## 内置工作流模板（32 个） ### 开发类（7 个） | 模板 | 角色 | 说明 | |------|------|------| | `dev/tech-design-review.yaml` | 架构师、后端架构师、安全工程师、代码审查员 | **技术方案评审**（设计→并行评审→结论） | | `dev/pr-review.yaml` | 代码审查员、安全工程师、性能基准师 | PR 评审（3 路并行→汇总） | | `dev/tech-debt-audit.yaml` | 架构师、代码审查员、测试分析师、Sprint 排序师 | 技术债务审计（并行→优先级排序） | | `dev/api-doc-gen.yaml` | 技术文档工程师、API 测试员 | API 文档生成（分析→验证→定稿） | | `dev/readme-i18n.yaml` | 内容创作者、技术文档工程师 | README 国际化 | | `dev/security-audit.yaml` | 安全工程师、威胁检测工程师 | 安全审计（并行→报告） | | `dev/release-checklist.yaml` | SRE、性能基准师、安全工程师、产品经理 | 发布 Go/No-Go 决策 | ### 营销类（3 个） | 模板 | 角色 | 说明 | |------|------|------| | `marketing/competitor-analysis.yaml` | 趋势研究员、数据分析师、SEO 专家、高管摘要师 | **竞品分析报告**（研究→并行分析→摘要） | | `marketing/xiaohongshu-content.yaml` | 小红书专家、内容创作者、视觉叙事师、小红书运营 | **小红书种草笔记**（选题→并行创作→优化） | | `marketing/seo-content-matrix.yaml` | SEO 专家、策略师、内容创作者 | **SEO 内容矩阵**（关键词→策略→批量生成→审核） | ### 数据 / 设计 / 运维类（7 个） | 模板 | 角色 | 说明 | |------|------|------| | `data/data-pipeline-review.yaml` | 数据工程师、数据库优化师、数据分析师 | 数据管道评审 | | `data/dashboard-design.yaml` | 数据分析师、UX 研究员、UI 设计师 | 仪表盘设计 | | `design/requirement-to-plan.yaml` | 产品经理、架构师、项目经理 | 需求→技术设计→任务拆分 | | `design/ux-review.yaml` | UX 研究员、无障碍审核员、UX 架构师 | UX 评审 | | `ops/incident-postmortem.yaml` | 事故指挥官、SRE、产品经理 | 事故复盘 | | `ops/sre-health-check.yaml` | SRE、性能基准师、基础设施运维师 | SRE 健康检查（3 路并行） | | `ops/weekly-report.yaml` | 会议助手、内容创作者、高管摘要师 | **周报/月报生成**（整理→亮点→定稿） | ### 战略 / 法务 / HR 类（3 个） | 模板 | 角色 | 说明 | |------|------|------| | `strategy/business-plan.yaml` | 趋势研究员、财务预测师、产品经理、高管摘要师 | **商业计划书**（市场→并行分析→整合） | | `legal/contract-review.yaml` | 合同审查专家、法务合规员 | **合同审查**（逐条分析→合规检查→意见书） | | `hr/interview-questions.yaml` | 招聘专家、心理学家、后端架构师 | **面试题设计**（维度→并行出题→评分表） | ### 通用类（12 个） | 模板 | 角色 | 说明 | |------|------|------| | `product-review.yaml` | 产品经理、架构师、UX 研究员 | 产品需求评审 | | `content-pipeline.yaml` | 策略师、创作者、增长黑客 | 内容创作流水线 | | `story-creation.yaml` | 叙事学家、心理学家、叙事设计师、创作者 | 协作小说创作（4 角色） | | `ai-opinion-article.yaml` | 趋势研究员、叙事设计师、心理学家、创作者 | AI 观点长文 | | `department-collab/code-review.yaml` | 代码审查员、安全工程师 | 代码评审（循环） | | `department-collab/hiring-pipeline.yaml` | HR、技术面试官、业务面试官 | 招聘流程 | | `department-collab/content-publish.yaml` | 内容创作者、品牌守护者 | 内容发布（循环） | | `department-collab/incident-response.yaml` | SRE、安全工程师、后端架构师 | 事故响应 | | `department-collab/marketing-campaign.yaml` | 策略师、创作者、审批人 | 营销活动（人工审批） | | `department-collab/ceo-org-delegation.yaml` | CEO、工程/市场/产品/HR 部门负责人 | **CEO 组织架构协作**（决策→部门并行→汇总） | | `一人公司全员大会.yaml` | CEO、市场调研员、用户研究员、产品经理、市场负责人、CFO | **一人公司全员大会**（CEO→6 部门并行→决策） | | `ai-startup-launch.yaml` | CEO、产品经理、架构师、市场负责人、财务顾问 | **SaaS 产品发布决策**（CEO→4 部门并行→发布计划） | ## 生态与社区 ``` 你的 AI 会员 ──→ agency-orchestrator ──→ 400+ 个 AI 角色协作 ──→ 高质量输出 │ (267 中文 + 184 英文 + 5 语种) ┌────────────────┼────────────────┐ ▼ ▼ ▼ 14 个 AI 编程工具 CLI 模式 MCP Server (Cursor/Claude (自动化/CI/CD) (Claude Code/ Code/Copilot...) Cursor 直接调用) ``` | 项目 | 定位 | 一句话 | |------|------|-------| | **本项目**（agency-orchestrator） | 🚀 编排引擎 | 一句话 → 267 专家协作，**几分钟出方案**（11 家 LLM / 7 免费） | | [agency-agents-zh](https://github.com/jnMetaCode/agency-agents-zh) ![](https://img.shields.io/github/stars/jnMetaCode/agency-agents-zh?style=flat&label=⭐) | 🎭 中文角色库 | 267 个**即插即用** AI 专家，含 52 中国原创（小红书 / 抖音 / 飞书 / 钉钉） | | [agency-agents](https://github.com/msitarzewski/agency-agents) | 🎭 英文角色库 | 184 个英文 AI 角色（by [@msitarzewski](https://github.com/msitarzewski)，MIT）——**已随 npm 包内置**，英文任务 `ao compose` 自动启用，无需单独安装 | | [ko](https://github.com/jnMetaCode/agency-agents-ko) · [ru](https://github.com/jnMetaCode/agency-agents-ru) · [pt-BR](https://github.com/jnMetaCode/agency-agents-pt-BR) · [id](https://github.com/jnMetaCode/agency-agents-id) · [ar](https://github.com/jnMetaCode/agency-agents-ar) | 🌍 多语言角色库 | 各 187 个（184 上游翻译 + 3 本地市场原创），`npm i agency-agents-` 后 Studio「角色库」下拉切换 | | [superpowers-zh](https://github.com/jnMetaCode/superpowers-zh) ![](https://img.shields.io/github/stars/jnMetaCode/superpowers-zh?style=flat&label=⭐) | 🧠 工作方法论 | 20 个 skills 教 AI 怎么干活（TDD / 调试 / 代码审查等） | | [ai-coding-guide](https://github.com/jnMetaCode/ai-coding-guide) | 📖 实战教程 | 66 个 Claude Code 技巧 + 9 款工具最佳实践 + 配置模板 | | [shellward](https://github.com/jnMetaCode/shellward) | 🛡️ 安全中间件 | 8 层防御 + DLP 数据流 + 注入检测，**零依赖**（含 MCP Server） | | 🆕 [ai-shortfilm-prompts](https://github.com/jnMetaCode/ai-shortfilm-prompts) | 🎬 视频提示词 | Mx-Shell《丧尸清道夫》5 段式方法论 + Skill，Seedance / 小云雀 / Sora / 可灵 / 即梦通用 | | 🆕 [codepet](https://github.com/jnMetaCode/codepet) ![](https://img.shields.io/github/stars/jnMetaCode/codepet?style=flat&label=⭐) | 🐾 桌面宠物 | 挂在桌面的桌宠，你写代码 / 用 Claude Code 它就涨经验、升级、换状态、冒话（Electron · 仅读元数据，本地优先） | ### 交流
微信公众号 AI不止语 二维码
微信扫码关注 		微信公众号 **「AI不止语」**（微信搜索 `AI_BuZhiYu`）— 技术问答 · 项目更新 · 实战文章 | 渠道 | 加入方式 | |------|---------| | QQ 2群 | [点击加入](https://qm.qq.com/q/EeNQA9xCxy)（群号 1071280067） | | 微信群 | 关注公众号后回复「群」获取入群方式 |
## 路线图 - [x] **v0.1** — YAML 工作流、DAG 引擎、4 个 LLM 连接器、CLI、实时输出 - [x] **v0.2** — 条件分支、循环迭代、人工审批、Resume 断点续跑、5 个部门协作模板 - [x] **v0.3** — 9 个 AI 工具集成、20+ 工作流模板、`ao explain`、`ao init --workflow`、`--watch` 模式 - [x] **v0.4** — MCP Server 模式（`ao serve`）、14 个 AI 工具集成、一键安装脚本、32 个工作流模板、**10 种 LLM（7 种免 API key：Claude Code / Gemini / Copilot / Codex / OpenClaw / Hermes / Ollama）** - [x] **v0.5** — `ao compose --run` 一句话出结果、实时流式输出、智能重试（指数退避）、步骤级模型覆盖、Agent 身份标识 - [ ] **v0.6** — Web UI、可视化 DAG 编辑器、英文工作流模板、工作流市场 ## 贡献 参见 [CONTRIBUTING.md](https://github.com/jnmetacode/agency-orchestrator/blob/HEAD/CONTRIBUTING.md)，欢迎 PR！ ## 许可证 [Apache-2.0](https://github.com/jnmetacode/agency-orchestrator/tree/HEAD/LICENSE)