by jnMetaCode
🚀 One sentence → multi-AI-role collaboration → complete plan in minutes. Built on the agency-agents role library (216+ experts), zero-code YAML, web Studio + desktop app, 10 LLM providers (7 free). 基于 agency-agents 专家库,一句话调度多个 AI 专家自动协作,几分钟交付完整方案。
# Add to your Claude Code skills
git clone https://github.com/jnMetaCode/agency-orchestratorGuides for using ai agents skills like agency-orchestrator.
Last scanned: 5/7/2026
{
"issues": [
{
"type": "npm-audit",
"message": "@hono/node-server: @hono/node-server: Middleware bypass via repeated slashes in serveStatic",
"severity": "medium"
},
{
"type": "npm-audit",
"message": "express-rate-limit: Vulnerability found",
"severity": "medium"
},
{
"type": "npm-audit",
"message": "hono: Hono missing validation of cookie name on write path in setCookie()",
"severity": "medium"
},
{
"type": "npm-audit",
"message": "ip-address: ip-address has XSS in Address6 HTML-emitting methods",
"severity": "medium"
},
{
"type": "npm-audit",
"message": "path-to-regexp: path-to-regexp vulnerable to Denial of Service via sequential optional groups",
"severity": "high"
}
],
"status": "WARNING",
"scannedAt": "2026-05-07T06:37:55.056Z",
"semgrepRan": false,
"npmAuditRan": true,
"pipAuditRan": true
}agency-orchestrator is an open-source ai agents skill for AI coding assistants such as Claude Code, Codex CLI, and ChatGPT, built by jnMetaCode. 🚀 One sentence → multi-AI-role collaboration → complete plan in minutes. Built on the agency-agents role library (216+ experts), zero-code YAML, web Studio + desktop app, 10 LLM providers (7 free). 基于 agency-agents 专家库,一句话调度多个 AI 专家自动协作,几分钟交付完整方案。. It has 1,546 GitHub stars.
agency-orchestrator returned warnings in SkillsLLM's automated security scan. It has no critical vulnerabilities, but review the flagged issues in the Security Report section before adding it to your workflow.
Clone the repository with "git clone https://github.com/jnMetaCode/agency-orchestrator" and add it to your Claude Code skills directory (see the Installation section above).
agency-orchestrator is primarily written in TypeScript. It is open-source under jnMetaCode on GitHub, so you can review or fork the full source.
Yes. SkillsLLM lists many other AI Agents skills you can browse and compare side by side. Open the AI Agents category from the badge at the top of this page, or use the Related Skills and comparison links further down to weigh agency-orchestrator against similar tools.
No comments yet. Be the first to share your thoughts!
Requires a passing catalog security scan. Resolve the flagged issues and resubmit to enable featuring.
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。
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。
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。
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。
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 |
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。
# 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
# 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)。
$ 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)。
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}}"
depends_on: [tech_review, design_review]
引擎自动:
tech_review 和 design_review 并发执行{{变量}} 在步骤间传递输出ao-output/analyze ──→ tech_review ──→ summary
└→ design_review ──┘
(并行)
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。
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 |