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

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。

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}}"
    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：

⚠️ 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）：

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：

⚠️ 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。

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）