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。

也是你的「一人公司」：你当老板，AI 当团队——自动组队、重大决策请你签字、按验收标准交付。

一句话出结果 · 276 个专业 AI 角色 · YAML 零代码 · 20+ 家 API（推荐 DeepSeek）· 10 种免 key 方式

📖 完整上手教程（从安装到实战，10 分钟上手） ·  🎓 官方配套课程：AI 专家团队实战（35 节免费，桌面端零代码：单兵点名→自动组队→一人公司全流程，含官方评测的诚实用法边界）· 另有 AI 内容流水线（31 节免费——用 AO 产线真实生产两门课的全过程留档：蒸馏、换角色审核、机械闸门、断点续跑，含七类翻车现场）＋ 从零学会 AI 编程（182 节）＋ 从零构建 AI 智能体（40 节）（站上共 14 门课、700 节，全部 ¥0——另有 大模型原理 / AI 绘画 / 写小说 / 漫剧 / 量化 / DeepSeek / 深度专注 等）

觉得有用？请点个 Star — 帮助更多人发现这个项目。

❤️ 赞助商  🙏 想出现在这里？联系 jnMetaCode@qq.com 赞助

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。

先跑起来

• 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
• AI 自动组队 —— 不知道选哪些专家？角色页一句话、不选角色，AI 从全部专家里挑人组队并运行
• 「一人公司」系列模板 —— 做产品 / 做内容 / 做投研 / 方案到代码 + 全员大会；关键步骤带验收标准（acceptance），投研含老板签字闸门，交付的是可验收的工作成果，不承诺奇迹

改成你要的样子

• 可视化画布 —— 拖拽节点 / 连线（自动防环）/ 改任务与角色 / 保存；运行时节点按状态实时点亮
• 我的角色 + 提示生成 —— 「提示生成」页产出的 system prompt 一键存为自建角色（~/.ao/roles），组队页「我的」分类直接用；角色卡可 ☆ 收藏常用
• 多语言角色库 —— npm i agency-agents-ko（ko / ru / pt-br / id / ar）后，Studio「角色库」下拉一键切换，工作流 agents_dir 写包名即可跑
• 创意库 —— 图片 1500+ 条提示词（229 条策展 + 1275 条扩充池，可搜索 / 分类 / 一键复制，配了 key 直接出图）＋ 视频 76 条（22 个 5 段式题材模板带变量表、6 个可复用构件、48 条社区成品单条）；扩充池点了才加载，不拖慢首屏
• 出片流水线 —— type: image 文生图、type: video 文生视频 / 图生视频（首帧 = 上游定妆图，角色不变脸）、type: concat 本机 ffmpeg 多镜合成、15 个预设的风格库；内置模板「短剧流水线（3 镜）」把它们串成 剧本 → 定妆图 → 三镜并行出片 → 合成 → 交付页。图片/视频供应商在 Studio 右上角统一切换，换赞助商就是换下拉，按秒计费看得见

跑完把成果发出去

• 🆕 可分享报告页 —— 运行详情一键「分享页」（CLI 为 ao report）：专家分工时间线 + 每步产出的自包含单文件 HTML，直接发群里，对方无需装 AO
• 🆕 结果群推送 —— ao run --notify <webhook> 跑完自动推到钉钉 / 飞书 / 企业微信群（按域名自动适配机器人格式），配合 cron 就是"AI 团队每天定点交活"
• 🆕 社区模板 —— 工作流页「社区模板」分区：收录制远程清单一键导入（保存前经引擎校验），你的好工作流也可以投稿给所有用户用

只有 AO 有的一件事：安全切换服务商 + 一键急救

把系统 Claude 一键切到任意中转，写进全局配置、任意终端 claude 直接生效——写前自动备份、可一键切回官方登录、绝不碰你的官方 OAuth 凭据。被别的切换器或手改写坏了 ~/.claude（假 token 顶掉登录、整机 CLI 用不了）？「系统 Claude Code 体检」卡一键修复。

别的工具什么都能切，但可能把你环境切坏；AO 只做一件事——安全地切，还能修好被切坏的。

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 276 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。
• Docker / NAS 部署（amd64/arm64）：docker run -d -p 8088:8088 -v ao-data:/data ghcr.io/jnmetacode/agency-orchestrator:latest，打开 http://主机IP:8088，密钥在页面「供应商」里配（存进挂载卷，重启不丢）。也可用仓库根的 docker-compose.yml 一键起。
• 把 Studio 暴露到内网时上把锁：启动前设 AO_WEB_TOKEN=<一串口令>，然后用 http://<地址>:8088/?token=<口令> 打开一次（令牌存进该标签页、随即从地址栏抹掉）。不设 = 现在的行为不变，但监听在非回环地址时启动会提醒你——同一网络内任何人都能用你保存的 key 跑任务。
• 通过域名 / 反向代理访问网页版：本机启动的 Studio 只接受 localhost / 127.0.0.1 的请求（防 DNS 重绑定，别的网页借此偷不到你存的 key）。要用自己的域名访问时，启动前设 AO_ALLOWED_HOSTS=studio.example.com（多个用逗号分隔）。Docker 镜像监听 0.0.0.0、没有登录鉴权——只放在可信内网，别直接暴露到公网。

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 70 个内置模板（57 个中文 + 13 个英文）
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 -i pr_diff=@changes.diff -i pr_description="修复登录超时"
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 19 个 AI 工具（集成指南）。

从方案到执行：AO × 编程 Agent 组合拳

大厂 AI 工作台的卖点是"替你操作电脑"。我们的答案是分工：AO 负责想清楚，编程 Agent 负责干出来——方案是多专家评审过的，执行是真实编码 Agent 做的，中间没有黑盒，产物全程归你：

# ① 多专家把需求想清楚（澄清 → 计划 → 项目脚手架），代码块直接落盘成真实文件
ao run workflows/需求转项目脚手架.yaml -i idea="一个自动记账的命令行小工具"   --materialize ./my-app

# ② 把 276 个专家角色装进你的编程工具（claude-code / cursor / copilot / workbuddy…）
ao install --tool claude-code --lang zh

# ③ 交给编程 Agent 接着干——脚手架和专家角色都已就位
cd my-app && claude "按计划把项目补全到可运行，并跑通测试"

想让方案和代码对得上，用一条流水线从想法走到代码——PRD 和技术方案直接喂给写代码的步骤，最后一步对照「不做清单」查偏差：

ao run workflows/一人公司-方案到代码.yaml -i idea="一个自动记账的命令行小工具" \
  -i constraints="Node.js CLI，数据存本地 JSON" --materialize ./my-app

每一步产物都在 ao-output/ 与你的项目目录里：可复跑（--resume）、可带意见返工（--feedback）、可出分享报告（ao report）。方案错了改方案、代码错了改代码，永远知道错在哪一层。

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）。

用 AO 造出来的完整产品：开片 OpenShorts —— 本地优先的短视频生产线 （口播科普 + AI 短剧两条线，复用 AO 的角色、工作流与视频供应商），官网看真实成片 ↗。

工作原理

name: "产品需求评审"
agents_dir: "agency-agents-zh"

llm:
  provider: "deepseek"          # 免 API key: claude-code / antigravity-cli / copilot-cli / codex-cli / openclaw-cli / hermes-cli / codebuddy-cli / cline-cli / opencode-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
    assert:                     # 可选：机械断言（纯函数，不过模型）。模型审内容，脚本审结构
      emits_file