Agency Orchestrator

中文 | English

一句话，让多个 AI 角色自动协作，几分钟出完整方案。

一句话出结果 · 216 个专业 AI 角色 · YAML 零代码 · 10 种大模型 · 支持 key（推荐 DeepSeek），也有 7 种免 key 方式

📖 完整上手教程 — 从安装到实战，10 分钟上手

📖 免费配套学习 → 从零学会 AI 编程：180 节免费实操课 + 《AI 编程实战三卷书》在线阅读 + 实战社区 · 永久免费

觉得有用？请点个 Star — 帮助更多人发现这个项目。

---

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。

🆕 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。

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（Electron · macOS / Windows / Linux）。 英文界面同样完整 → 见 English README。

---

一句话出结果

也可以纯命令行——一条命令，一句话出结果：

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

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 216 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

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	216 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	216 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

npm install -g agency-orchestrator

装 CLI 还是桌面端？

• 桌面客户端（下载）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。

第 2 步：一句话跑起来

# 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

# 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）。

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

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 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)

10 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	免费
一台电脑	provider: "ollama"	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）——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
Claude API	provider: "claude"	ANTHROPIC_API_KEY
OpenAI	provider: "openai"	OPENAI_API_KEY

自定义 API（火山引擎、智谱、月之暗面、硅基流动等 OpenAI 兼容 API）：

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：

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

ao demo                              # 零配置体验多智能体协作
ao init                              # （可选）复制 216 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 <workflow.yaml>          # 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 <workflow.yaml> [选项]          # 执行工作流
ao validate <workflow.yaml>           # 校验（不执行）
ao plan <workflow.yaml>               # 查看执行计划（DAG）
ao explain <workflow.yaml>            # 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 <dir|last>	从上次运行恢复（加载已完成步骤的输出）
--from <step-id>	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 216 个角色中选角色、设计 DAG、生成完整 workflow YAML：

ao compose "PR 代码审查，要覆盖安全和性能"

AI 会自动：

1. 从 216 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：

# 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。

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：

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