agency-agents-zh 中文版 AI 专家角色库完全指南：276 个即插即用智能体与 18 种工具的安装、转换与编排实战-平芜编程栈

人工智能
AI 技能
提示工程

【免费下载链接】agency-agents-zh

🎭 277 个即插即用的 AI 专家角色 — 支持 Claude Code/Cursor/Copilot 等 20 种工具，覆盖工程/设计/营销/金融等 20 个部门。含 64 个中国市场原创智能体（小红书/抖音/微信/飞书/钉钉/Qt 上位机/机械设计）。搭配编排器 agency-orchestrator，一句话即可让多位专家按 DAG 自动协作。

项目地址：https://gitcode.com/gh_mirrors/ag/agency-agents-zh

点击查看免费下载

本文以仓库根目录 README.md 为骨架，结合 scripts/ 下转换/安装/校验脚本与 integrations/ 集成目录的源码实现，系统讲解 agency-agents-zh 这套中文 AI 专家角色库的项目全貌、角色文档结构、三种上手方式、18 种 AI 编程工具的一键安装与格式转换机制，以及用编排器让多位专家自动组队协作的实战路径。读完本文，你将掌握：如何在一分钟内把 276 个专家角色装进自己的 AI 工具、如何读懂并挑选合适的角色文档、如何绕过 Cursor/Trae/Hermes 等工具的"全量安装陷阱"，以及如何把多位专家编排成一条可交付的业务流水线。

一、项目定位：不是提示词模板库，而是带人格与流程的"专家角色库"

agency-agents-zh 是英文开源项目 agency-agents 的中文社区版（本项目为完整翻译加本土化）。它提供一套开箱即用的 AI 角色库：每个智能体都有明确的身份定义、关键规则、工作流程和交付物，安装到你的 AI 编程工具后用自然语言激活即可。

用 README.md 中的话概括它与普通提示词的区别：普通提示词告诉 AI"你是一个专家"；这里的智能体定义了专家怎么思考、怎么做事、交付什么。例如安全工程师会按 OWASP Top 10 逐项审查代码，小红书运营专家会输出完整的种草笔记策略和达人合作方案——每一个都不是一句人设口号，而是一整套可执行的方法论。

1.1 项目规模总览

指标	数值	说明
AI 智能体	276 个	仓库实际角色文件数，由 scripts/check-counts.mjs 自动核对
英文版翻译	213 个	上游角色完整中文化
中国市场原创	63 个	小红书/抖音/微信/飞书/钉钉/Qt 上位机/机械设计等本土场景
支持工具	18 种	Claude Code / Cursor / Copilot 等主流 AI 编程工具
部门分类	20 个	从公司高管层到游戏开发、GIS、安全的完整组织架构

完整清单与按部门/来源的统计可查看 AGENT-LIST.md：专项部 58 个、工程部 42 个、营销部 42 个居前三，来源上翻译占 77.2%（213 个）、原创占 22.8%（63 个）。

1.2 角色文档的标准化结构：为什么它能"即插即用"

每个角色都是一个带 YAML frontmatter 的 Markdown 文件，例如前端开发者：

--- name: 前端开发者 description: 精通现代 Web 技术、React/Vue/Angular 框架、UI 实现和性能优化的前端开发专家 emoji: 💻 color: cyan --- # 前端开发者 Agent 人格 你是 **前端开发者**，一位精通现代 Web 技术、UI 框架和性能优化的前端开发专家……

从源码看，这套结构是被强制校验的。scripts/lint-agents.sh 要求每个文件必须包含name、description、color、emoji四个 frontmatter 字段（缺失即报 ERROR），并推荐包含「身份/记忆」「核心使命」「关键规则」等章节（缺失仅告警），同时校验文件必须有实质内容。这意味着：

description是检索入口：Cursor、Trae、Qoder 等工具靠它判断何时自动引用该角色；
name+emoji+color是展示层：在支持图标色的工具（如 OpenCode）中渲染为可视化的专家头像；
正文章节是可执行契约：以「身份与记忆 → 核心使命 → 关键规则 → 技术交付物 → 工作流程 → 交付物模板 → 沟通风格 → 学习与记忆 → 成功指标 → 高级能力」为骨架，让模型在激活后按照固定流程产出可交付成果。

scripts/convert.sh 中的get_field/get_body函数就是从这个 frontmatter 中提取元数据、剥离正文，再按各工具格式重组的，所以结构标准化是整套多工具转换机制能成立的前提。

二、快速开始：三种方式把角色库跑起来

2.1 方式一：一键安装到你的 AI 工具（推荐）

仓库提供./scripts/install.sh，自动检测已安装的工具并安装：

# 自动检测已安装的工具，一键安装 ./scripts/install.sh # 或指定安装到特定工具 ./scripts/install.sh --tool openclaw # OpenClaw ⭐ 推荐 ./scripts/install.sh --tool claude-code # Claude Code ./scripts/install.sh --tool copilot # GitHub Copilot ./scripts/install.sh --tool cursor # Cursor ./scripts/install.sh --tool kiro # Kiro (Amazon) ./scripts/install.sh --tool trae # Trae ./scripts/install.sh --tool opencode # OpenCode ./scripts/install.sh --tool aider # Aider ./scripts/install.sh --tool windsurf # Windsurf ./scripts/install.sh --tool antigravity # Antigravity ./scripts/install.sh --tool gemini-cli # Gemini CLI ./scripts/install.sh --tool qwen # Qwen Code ./scripts/install.sh --tool codex # Codex CLI ./scripts/install.sh --tool deerflow # DeerFlow 2.0 (ByteDance) ./scripts/install.sh --tool workbuddy # WorkBuddy (Tencent) ./scripts/install.sh --tool codewhale # CodeWhale (原 DeepSeek-TUI) ./scripts/install.sh --tool hermes # Hermes Agent (NousResearch) ./scripts/install.sh --tool qoder # Qoder

前提说明：Claude Code 和 GitHub Copilot 可直接安装；其他工具需先运行./scripts/convert.sh转换格式（下节详解）。该脚本只在当前仓库内转换、不修改用户配置目录，安装动作才由install.sh写入各工具目录。

从 scripts/install.sh 源码看，脚本的"自动检测"是逐项探测的：例如detect_cursor()检查cursor命令或~/.cursor目录是否存在，detect_hermes()依次探测HERMES_HOME环境变量、Windows 的LOCALAPPDATA/hermes与~/.hermes，detect_deerflow()甚至会用docker ps匹配名为 deerflow 的容器。安装时若integrations/目录不存在，脚本会明确报错并提示"请先运行 ./scripts/convert.sh"——即convert（转换格式）→ install（复制安装）是固定的两步流水线。

2.2 🔥 OpenClaw 用户快速上手（推荐集成方式）

OpenClaw 是目前社区用户最多的集成方式，每个智能体会拆分为三个文件，天然支持多智能体协作编排：

SOUL.md— 身份、记忆、沟通风格、关键规则
AGENTS.md— 核心使命、技术交付物、工作流程
IDENTITY.md— 名称与简介

./scripts/convert.sh --tool openclaw # 第一步：转换为 SOUL.md 格式 ./scripts/install.sh --tool openclaw # 第二步：安装到 ~/.openclaw/

安装后重启 OpenClaw 网关即可使用：

openclaw gateway restart

从 integrations/openclaw/README.md 可知，安装器会把每个 workspace 复制到~/.openclaw/agency-agents/，之后在会话中即可通过 agentId 直接调用角色。scripts/lint-agents.sh 中甚至内置了classify_header_target函数——按「身份/记忆/关键规则/核心使命」等章节关键字自动判断该段内容应归入SOUL.md还是AGENTS.md，可见三文件拆分是自动完成的。

2.3 方式二：手动复制（Claude Code / GitHub Copilot）

# Claude Code / GitHub Copilot（直接复制即可） cp -r marketing/*.md ~/.claude/agents/

在 Claude Code 中激活：

激活前端开发者模式，帮我构建一个 React 组件

2.4 方式三：作为提示词参考

直接浏览下方智能体阵容或 AGENT-LIST.md，复制/改编你需要的内容即可，无需安装任何工具。

三、工具集成机制深度解析：convert.sh + install.sh 两步流水线

3.1 18 种工具的安装位置与类型

下表整理自 README.md「工具集成」章节，展示了每种工具的角色文件落点与安装类型：

工具	安装位置	类型
OpenClaw⭐	`~/.openclaw/agency-agents/`	全局，需转换
Claude Code	`~/.claude/agents/`	全局，直接复制
GitHub Copilot	`~/.github/agents/`+`~/.copilot/agents/`	全局，直接复制
Kiro(Amazon)	`~/.kiro/agents/`	全局，需转换
Antigravity	`~/.gemini/antigravity/skills/`	全局，需转换
Gemini CLI	`~/.gemini/extensions/agency-agents/`	全局，需转换
Qwen Code	`.qwen/agents/`	项目级，需转换
Cursor	`.cursor/rules/`	项目级，需转换
Trae	`.trae/rules/`	项目级，需转换
OpenCode	`.opencode/agents/`	项目级，需转换
Aider	`CONVENTIONS.md`	项目级，需转换
Windsurf	`.windsurfrules`	项目级，需转换
Codex CLI	`.codex/agents/`	项目级，需转换
WorkBuddy(腾讯)	`~/.workbuddy/skills/`	全局，需转换
CodeWhale(原 DeepSeek-TUI)	`~/.codewhale/skills/`	全局，需转换
Hermes Agent(NousResearch)	`~/.hermes/skills/`	全局，需转换
DeerFlow 2.0(字节跳动)	`skills/custom/`	项目级，需转换
Qoder	`~/.qoder/agents/`或`.qoder/agents/`	全局/项目级，需转换

3.2 convert.sh：把一套 Markdown 变成 18 种方言

转换脚本的核心是"一套源文件、多格式输出"。从 scripts/convert.sh 源码看，它的输出形态差异很大：

Cursor/Trae：输出.mdc/.md规则文件（Trae 与 Cursor 格式同源，仅扩展名不同）；
Aider/Windsurf：把所有智能体编译为单个CONVENTIONS.md/.windsurfrules文件，由工具自动读取；
Codex CLI：输出 TOML 格式的 agent 文件到.codex/agents/；
Hermes/WorkBuddy/CodeWhale/DeerFlow：输出SKILL.md技能文件，其中 Hermes 按分类目录组织、DeerFlow 按 slug 目录组织；
OpenClaw：拆分为 SOUL.md + AGENTS.md + IDENTITY.md 三件套 workspace；
Kiro：输出带 YAML frontmatter 的.md文件，配合 JSON 配置使用；
Qoder：输出 Markdown + YAML frontmatter 的 SubAgent 文件。

脚本还内置了颜色映射表（resolve_opencode_color），把角色 frontmatter 里的color: cyan之类命名色转换为 OpenCode 需要的十六进制值。添加或修改智能体后，重新生成集成文件的命令是：

./scripts/convert.sh # 重新生成所有工具 ./scripts/convert.sh --tool cursor # 只重新生成指定工具

3.3 install.sh：检测、复制与三类"反直觉"注意事项

除--tool外，install.sh 还支持若干进阶参数：

--tool hermes --category marketing：只安装某一分类的 skills，--category可重复传入多次（可选分类：academic、company、design、engineering、finance、marketing、specialized 等 20 余个目录名）；
--tool hermes --profile work：多 profile 环境下指定安装目标。Hermes 每个 profile 有独立 skill 库（路径<base>/profiles/<名称>/skills/），未指定--profile却检测到多个 profile 时脚本会报错退出而非静默装错位置（见 scripts/install.sh 头部注释，对应 issue #102）；
DEERFLOW_SKILLS_DIR=/path/to/deerflow/skills/custom ./scripts/install.sh --tool deerflow：通过环境变量自定义 DeerFlow 技能目录。

README 中还给出了三条来自真实社区踩坑经验的重要提示：

① Cursor：建议精选安装而非全量。全部安装会导致 Cursor 需要扫描大量 description 判断相关性，可能影响匹配准确度。推荐做法：

# 方法一：全量安装后删除不需要的 /path/to/agency-agents-zh/scripts/install.sh --tool cursor # 然后手动删除 .cursor/rules/ 中不需要的 .mdc 文件，保留 10-20 个常用的 # 方法二：只复制你需要的智能体（转换后） ./scripts/convert.sh --tool cursor mkdir -p /your/project/.cursor/rules cp integrations/cursor/rules/engineering-frontend-developer.mdc /your/project/.cursor/rules/ cp integrations/cursor/rules/engineering-code-reviewer.mdc /your/project/.cursor/rules/

Cursor 使用"智能匹配"模式（alwaysApply: false）：AI 根据每个规则的description自动判断相关性，安装后在 Chat 或 Composer 中正常提问即可自动匹配（"这段代码有安全漏洞吗 → 自动匹配安全审计员"），也可以在 Cursor Settings（Cmd+,）→ Rules → Project Rules 中查看，或在 Chat 中用@规则名手动指定。若看不到规则，确认.cursor/rules/在项目根目录、扩展名是.mdc、已重新打开项目。

② Trae：装了但几乎不自动触发是设计行为而非 bug。转换出的 rule 默认alwaysApply: false+ 空globs:，属于"agent-requested rule"——Trae 模型读 description 自行决定是否加载。全装 268 条 rule 会让 description 互相稀释、几乎命中不到任何一条。正确姿势：精选安装 10–20 条常用 rule；或对话里输入@engineering-pc-host-engineer ...显式调用；或把代码审查、Git 工作流之类的 1–3 条核心 rule 改成alwaysApply: true长期生效。详细说明见 integrations/trae/README.md。

③ Hermes：Discord 模式下不要一次性全量安装。Hermes 的 Discord 集成会把每个 skill 注册成斜杠命令，而 Discord API 对 bot 所有命令的 JSON 序列化总长度有8000 字符硬上限，超限返回error code 50035（对应 issue #45）。本仓库近 200 个 skill 一次装全会直接炸。解决办法是按分类分批安装：

./scripts/install.sh --tool hermes --category marketing ./scripts/install.sh --tool hermes --category engineering --category design

Hermes CLI 本身没有此限制，全量安装可继续使用；安装后可用hermes skills查看和管理技能。

四、智能体阵容：20 个部门的角色地图

以下是 README.md「智能体阵容」按部门组织的核心角色（⭐ 为原创智能体），完整 276 个角色的 ID、描述与来源对照见 AGENT-LIST.md：

公司经营部：一个人的公司也有高管层——首席执行官 ⭐、首席技术官 ⭐、首席产品官 ⭐、首席营销官 ⭐、首席运营官 ⭐、首席财务官、幕僚长。想开一次"高管例会"，把这几位放进同一个工作流，让他们分别从战略/技术/产品/增长/运营/财务视角过同一个议题。

工程部（42 个）：前端开发者、后端架构师、AI 工程师、DevOps 自动化师、安全工程师、上位机工程师 ⭐（Qt/QML、QSerialPort、Modbus/CAN）、机械设计工程师 ⭐（传动选型、强度刚度疲劳振动校核、GB/ISO 标准件）、嵌入式 Linux 驱动工程师 ⭐、FPGA/ASIC 数字设计工程师 ⭐、国内网络工程师 ⭐（华为 VRP/华三 Comware/锐捷、VLAN/OSPF/BGP/VXLAN、信创国产化）、微信小程序开发者 ⭐、飞书集成开发工程师 ⭐、钉钉集成开发工程师 ⭐、代码审查员、数据库优化师、SRE 等。

营销部（42 个，国内平台原创密度最高）：小红书运营专家 ⭐、抖音策略师 ⭐、微信公众号运营 ⭐、B站内容策略师 ⭐、快手策略师 ⭐、百度 SEO 专家 ⭐、私域流量运营师 ⭐、直播电商主播教练 ⭐、跨境电商运营专家 ⭐、新闻情报官 ⭐（多源新闻采集、交叉验证、结构化简报）等；出海侧含 TikTok 策略师、Instagram 策展师、Reddit 社区运营、应用商店优化师；通用侧含增长黑客、SEO 专家、AI 引文策略师等。

其余部门覆盖：付费媒体部（PPC 竞价、程序化广告采买、追踪与归因）、销售部（赢单策略、Discovery 教练、售前工程师、投标策略师）、金融部（财务预测 ⭐、发票管理 ⭐、金融风控 ⭐、香港股市合规审查 ⭐）、人力资源部（招聘专家 ⭐、绩效管理专家 ⭐）、法务部（合同审查 ⭐、制度文件撰写 ⭐）、供应链部（库存预测 ⭐、供应商评估 ⭐、物流路线优化 ⭐、服装工厂规划 ⭐）、产品部（Sprint 排序师、趋势研究员、反馈分析师、行为助推引擎、产品经理）、项目管理部（高级项目经理、Jira 工作流管家、工作室制片人等）、测试部（证据收集者、API 测试员、性能基准师、嵌入式测试工程师 ⭐ 等）、支持部（客服响应者、高管摘要师、招聘运营专家 ⭐ 等）、专项部（58 个，含智能体编排者、提示词工程师 ⭐、MCP 构建器、政务数字化售前顾问 ⭐、高考志愿填报顾问 ⭐、医疗健康营销合规师 ⭐ 等）、空间计算部（visionOS/Metal/XR 六件套）、游戏开发部（20 个，覆盖通用/Unity/Unreal/Blender/Godot/Roblox）、学术部（人类学家/地理学家/历史学家/叙事学家/心理学家 + 学习规划师 ⭐）、GIS 部（13 个，从制图、空间分析到 Web GIS 与三维可视化）、安全部（10 个，覆盖应用、云、合规、攻防与威胁情报）。另有 strategy/ 目录提供从发现到运营的全流程战略文档：高管简报、快速上手、完整战略、智能体激活提示词、交接模板及 Phase 0-6 Playbooks 与场景 Runbook。

五、中国市场原创智能体：63 个本土化角色

除翻译外，本项目包含63 个原创智能体，专为中国平台和业务场景打造，README 中标记 ⭐ 的即为原创：

平台运营：小红书、抖音、微信公众号/视频号/小程序、B站、快手、微博、知乎
企业协作：飞书、钉钉集成开发
垂直领域：跨境电商、政务 ToG、医疗合规、高考志愿、留学规划、Qt 工业上位机、通用机械设计、畜禽养殖档案核对
业务支撑：私域流量、直播电商、库存预测、合同审查、发票管理

以小红书运营专家为例，其原创性体现在深度本地化的可执行规则中：标题 18-20 字含关键词与情绪触发词、封面竖版 3:4、正文 300-600 字按"痛点共鸣→产品引入→使用体验→总结推荐"结构、标签"2-3 个热门大标签 + 3-5 个精准长尾标签"，同时内置平台合规规则（不使用违禁词、达人合作走蒲公英报备、不刷量不买赞、医疗金融行业额外审核）——这些正是中文互联网实战经验的结晶。

六、从单兵到组队：实战案例与编排

6.1 场景一：出海产品 MVP

README.md 给出的典型团队组合：

前端开发者— 构建 React 应用
后端架构师— 设计 API 和数据库
增长黑客— 规划用户获取
快速原型师— 快速迭代
现实检验者— 上线前质量把关

6.2 场景二：小红书品牌推广（完整流程）

examples/workflow-xiaohongshu-launch.md 提供了一份从策略到复盘的多智能体工作流：小红书运营专家制定内容策略和达人合作方案 →品牌守护者确保品牌调性一致 →内容创作者产出种草笔记 →增长黑客设计裂变和转化路径 →数据分析师追踪投放数据出复盘报告，分"策略制定（第 1-2 天）→ 内容生产（第 3-7 天）→ 投放和优化（第 8-12 天）"三阶段推进，每个阶段都给出了可直接复制的激活提示词模板。仓库 examples/ 目录下还有 nexus-spatial-discovery、startup-mvp、landing-page、with-memory 等多个多智能体协作范例。

6.3 用 Agency Orchestrator 一句话组队

想跳过手工逐个激活，可以直接用配套编排器让多位专家按 DAG 自动协作：

npm install -g agency-orchestrator ao compose "帮我写一篇关于 AI Agent 的深度分析文章" --run

编排器支持零代码编排、DAG 并行、断点续跑、10 种大模型（其中 7 种免 key），并配有原生桌面客户端（macOS / Windows / Linux，免装 Node），适合不想碰命令行的团队。想给团队打造统一智能体工作台，或在浏览器里搜索/按部门筛选/复制每位专家的完整提示词，可以在线浏览专家库：

七、质量保障与仓库自检体系

角色库规模庞大，仓库用两层机制防止"文档与实物脱节"：

格式与内容校验：./scripts/lint-agents.sh遍历全部角色目录（scripts/lint-agents.sh 与 scripts/convert.sh 中的AGENT_DIRS保持同步），强制 frontmatter 四字段齐全、内容非空，并提示补充「身份/记忆」「核心使命」「关键规则」等关键章节。
计数一致性校验：node scripts/check-counts.mjs（见 package.json 的check:counts脚本）会统计仓库中带namefrontmatter 的实际角色文件数，与 AGENT-LIST.md、README.md、package.json 中声明的总数比对，不一致即以非零码退出，可用于 CI 或发布前自检——这保证了"276 个角色"这个数字始终是真实可核查的。

日常维护流程总结为：编辑角色.md→./scripts/convert.sh重新生成集成文件 →./scripts/install.sh安装到工具 →./scripts/lint-agents.sh+check-counts.mjs自检。MIT 协议下自由使用，商业或个人均可，完整约定见 LICENSE 与 CONTRIBUTING.md。