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 | 211 个专业角色 | | 使用方式 | 对话 | 写 Python | 一句话 / YAML | | API key | — | 必须 | 7 种免 API key | | 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 | 211 个 | | 价格 | 订阅制 | 开源 + API 费 | 完全免费 |

3 步开始

第 1 步：安装

npm install -g agency-orchestrator

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：

| 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） |

也支持传统 API key：

| 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。

CLI 命令

ao demo                              # 零配置体验多智能体协作
ao init                              # （可选）复制 211 个中文角色到本地以便编辑
ao init --lang en                    # （可选）复制 170+ 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 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 | | --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 211 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 211 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）。

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：

# 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> |

编程 API

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：

ao serve              # 启动 MCP stdio 服务器
ao serve --verbose    # 带调试日志

配置 Claude Code（settings.json）：

{
  "mcpServers": {
    "agency-orchestrator": {
      "command": "npx",
      "args": ["agency-orchestrator", "serve"]
    }
  }
}

配置 Cursor（.cursor/mcp.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 | | `ll