# Agency Orchestrator
**中文** | [English](./README.en.md)
> **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。**
[](https://github.com/jnMetaCode/agency-orchestrator/actions)
[](https://www.npmjs.com/package/agency-orchestrator)
[](./LICENSE)
[](./CONTRIBUTING.md)
**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](https://mp.weixin.qq.com/s/XcGbkMb6TM6NLQiL7ICwbw)（从安装到实战，10 分钟上手） · 🎓 **官方配套课程**：[AI 专家团队实战](https://aiolaola.com/course/ai-agency?utm_source=github&utm_campaign=orchestrator)（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](https://aiolaola.com/course/ai-pipeline?utm_source=github&utm_campaign=orchestrator)（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](https://aiolaola.com/?utm_source=github&utm_campaign=orchestrator)（182 节）＋ [从零构建 AI 智能体](https://aiolaola.com/course/ai-agent?utm_source=github&utm_campaign=orchestrator)（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。
网页 Studio：打一句话，AI 自动从 200+ 专家里组队并运行
---
## ❤️ 赞助商 🙏 想出现在这里？联系 **jnMetaCode@qq.com** 赞助
|
感谢 [APIMart](https://go.apimart.ai/gh-agency-orchestrator) 赞助了本项目！APIMart 是专注 AI 图片/视频生成的低价 API 平台，**GPT-Image-2 低至 $0.006/张**，1 美元可出图 160+ 张。图片、视频一套异步 API 通吃，提交任务拿 ID、回调取结果，跑批万张不超时、换模型不改代码。按量付费、无月费，🎁 **通过[此链接](https://go.apimart.ai/gh-agency-orchestrator)注册即可开用！**
|
---
## 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 ` 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。**
工作流：内置模板一键运行，也能对比多个模板
角色组队：☆ 收藏常用、「我的」自建角色，一键切换多语言角色库（图为韩语库）
> 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](https://github.com/jnMetaCode/agency-orchestrator/releases/latest)（Electron · macOS / Windows / Linux）。
> 英文界面同样完整 → 见 [English README](./README.en.md)。
---
## 一句话出结果
也可以纯命令行——一条命令，一句话出结果：
```bash
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
```bash
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 | **276 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 10 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 | **276 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
```bash
npm install -g agency-orchestrator
```
> **装 CLI 还是桌面端？**
> - **桌面客户端**（[下载](https://github.com/jnMetaCode/agency-orchestrator/releases/latest)）**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](./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
```bash
# 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
```bash
# 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](./integrations/)）。
## 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：
```bash
# 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：
```bash
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](https://github.com/jnMetaCode/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 ↗](https://jnmetacode.github.io/openshorts/)。
## 工作原理
```yaml
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_files: 6 # 产出里必须恰好 6 个文件块（与 --materialize 同一套解析）
min_bytes: 2000 # 最小字节数，防截断
matches: { "^## ": 6 } # 正则命中次数（裸模式默认多行）
contains: ["## 验收清单"] # 必须出现的字面串
# 未过 = 定向返工一轮，仍不过则该步失败（缺件产物不放行）
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](https://github.com/jnMetaCode/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)
```
## 20+ 家 API — 10 种不需要 API key
> 统计口径（以源码为准）：**免 key** = 复用已登录订阅的 9 个编码 CLI（Claude Code / Antigravity / Copilot / Codex / OpenClaw / Hermes / CodeBuddy / Cline / OpenCode）+ 本地 Ollama；不含已停服的 Gemini CLI；DeepSeek Harness 需要 `DEEPSEEK_API_KEY`，不计入免 key。**API** = 下方官方直连 + 赞助商 / 聚合中转平台（见 `src/connectors/api-providers.ts`），另支持任意 OpenAI 兼容接口。
**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"` | ⚠️ **已停服**（Google 2026-06-18 停掉 Gemini CLI，仅企业版 Code Assist 许可可用）——请用下行 Antigravity CLI | — |
| 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** |
| Antigravity 账号（Google，Gemini CLI 继任者） | `provider: "antigravity-cli"` | [install.sh](https://antigravity.google/docs/cli/install)（二进制 `agy`） | **不花钱**（免费档约 20 次/天） |
| 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](https://github.com/NousResearch/hermes-agent) | **免费** |
| 腾讯 WorkBuddy / CodeBuddy 会员 | `provider: "codebuddy-cli"` | WorkBuddy 桌面版自带（macOS 免装）；或 `npm i -g @tencent-ai/codebuddy-code` | **不花钱**（[集成指南](./integrations/workbuddy/)） |
| Cline 里已配好的供应商 / 账号 | `provider: "cline-cli"` | `npm i -g cline` + `cline auth` | **不另配 key**（[集成指南](./integrations/cline/)） |
| OpenCode 里已配好的供应商 / 账号 | `provider: "opencode-cli"` | `npm i -g opencode-ai` + `opencode auth login` | **不另配 key**（[集成指南](./integrations/opencode/)） |
| DeepSeek Harness（dsh，开发者预览） | `provider: "dsh-cli"` | `npm i -g @deepseek-ai/dsh`（Node ≥ 22.15）+ `DEEPSEEK_API_KEY` | 需要 DeepSeek API key，按 API 计费（[集成指南](./integrations/deepseek-harness/)） |
| 一台电脑 | `provider: "ollama"` | [ollama.ai](https://ollama.ai) | **免费**（本地模型，见下方提示） |
> 💡 **用 AWS Bedrock / Google Vertex 跑 Claude Code 的（没有 API key，走云凭证）**：照样用 `provider: "claude-code"`，
> 不用额外配置 —— AO 调的就是你本机的 `claude` 命令，`CLAUDE_CODE_USE_BEDROCK` / `AWS_*` 等环境变量会原样传给它。
> 只要 `claude -p "你好"` 能跑通就行。两个注意点：
> ① AO 默认在空临时目录里启动 `claude`（避免你项目的 CLAUDE.md、记忆混进角色输出），所以这些配置要放在**全局**
> —— shell 环境变量或 `~/.claude/settings.json`，别只放在某个项目的 `.claude/settings.json` 里；
> ② `model` 留空或写 `claude-code` 即可沿用你在 Claude Code 里配的模型；要指定就填 Bedrock/Vertex 的模型 ID。
> ⚠️ **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](EVAL_FINDINGS.md)，网页版：[中文](https://ao.aiolaola.com/evals/) / [English](https://ao.aiolaola.com/en/evals/)）——**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` |
| 火山引擎（豆包 / Kimi / GLM，赞助商） | `provider: "volcengine"` | `ARK_API_KEY` |
| Claude API | `provider: "claude"` | `ANTHROPIC_API_KEY` |
| OpenAI | `provider: "openai"` | `OPENAI_API_KEY` |
| Gemini（Google 官方 OpenAI 兼容层） | `provider: "gemini"` | `GOOGLE_GENAI_API_KEY` |
| xAI Grok | `provider: "xai"` | `XAI_API_KEY` |
| Moonshot Kimi | `provider: "moonshot"` | `MOONSHOT_API_KEY` |
| 智谱 GLM | `provider: "zhipu"` | `ZHIPU_API_KEY` |
| 通义千问（DashScope 兼容模式） | `provider: "qwen"` | `DASHSCOPE_API_KEY` |
> **需要代理才能访问的官方 API（OpenAI / Gemini / xAI / Claude 等）**：AO 会读 `HTTPS_PROXY` / `HTTP_PROXY` / `ALL_PROXY` 自动走代理——
> Node 的 `fetch` 默认**不读**这些变量，这正是"curl 能通、AO 连不上"的头号原因，AO 替你接上了。
> 本机地址（`localhost` / `127.0.0.1` 等）**永远直连**，不会被绕进代理，所以 Ollama、Studio 自身不受影响；
> 你自己写的 `NO_PROXY` 会被保留。想彻底关掉这层接管：`AO_NO_PROXY=1`。
> 这几家都**不预设默认模型**（各家模型编码互不通用，写死一个就是给你埋一个"跑起来才发现模型不存在"）：
> 在 YAML 里写 `model:`，或在 Studio 供应商页配好 key 后点「获取模型列表」拉真实全量。
> Gemini 的 key 变量名**特意不叫 `GEMINI_API_KEY`**——那个名字被 gemini-cli 占着，共用会把你本机的 CLI 一起改道。
**自定义 API（智谱、月之暗面、硅基流动等 OpenAI 兼容 API）：**
```bash
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`：
```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
```
`.env` 读两处，优先级：**shell 环境变量 > 当前目录 `./.env`（项目级） > `~/.ao/.env`（用户级）**。
配一次就想在任何目录下都生效，写 `~/.ao/.env`（和 `~/.ao/teams`、`~/.ao/prompts` 同一个地方）。
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
```bash
ao demo # 零配置体验多智能体协作
ao init # （可选）复制 276 个中文角色到本地以便编辑
ao init --lang en # （可选）复制 191 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 # 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 [选项] # 执行工作流
ao validate # 校验（不执行）
ao plan # 查看执行计划（DAG）
ao explain # 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 ` | 从上次运行恢复（加载已完成步骤的输出） |
| `--from ` | 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 |
| `--compare` | 跑完再跑一次「单次基线」并双向盲评，结论与基线产出存进 `<运行目录>/compare.md` |
| `--export <格式>` | 导出交付物：`docx` / `pdf` / `xlsx` / `pptx`（给人）或 `skill` / `plan`（给编码 agent）。文件写到**当前目录**、按工作流名命名，同名会覆盖上一次 |
| `--notify ` | 跑完把结果推到钉钉 / 飞书 / 企业微信 / 通用 webhook（也可用 `AO_NOTIFY_URL`，适合 cron） |
### AI 智能编排（Compose）
一句话描述需求，AI 自动从 276 个角色中选角色、设计 DAG、生成完整 workflow YAML：
```bash
ao compose "PR 代码审查，要覆盖安全和性能"
```
AI 会自动：
1. 从 276 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：
```bash
# 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。
> 自建单个角色：放 `~/.ao/roles/.md`（与内置库叠加），工作流里用 `my/` 引用；Studio「角色组队 → 我的」可视化增删。
> 多语言角色库：`npm i agency-agents-ko`（另有 `pt-br` / `ar` / `id` / `ru`），工作流 `agents_dir: "agency-agents-ko"`，Studio 角色页出现「角色库」下拉。
>
> 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：
```bash
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步——比如让代码审查步骤遵循结构化审查法、让实现步骤走 TDD：
```yaml
steps:
- id: review
role: "engineering/engineering-code-reviewer"
skill: "chinese-code-review" # 单个；或 skills: ["test-driven-development", ...]
task: "审查这段代码 {{code}}"
```
```bash
ao skills # 列出全部可用 skill
ao skills test-driven-development # 看某个 skill 的方法论
```
skill 内容直接用开源的 [superpowers-zh](https://github.com/jnMetaCode/superpowers-zh)（MIT，20 个,已作为依赖,零配置）；也可设 `AO_SKILLS_DIR=/你的skill目录` 挂自己的。
### 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：
```bash
# 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 ceo_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>` |
### 对话式返工（Feedback）
`--resume --from` 是「让某个专家重做」，但默认是**从零重写**。如果你只是想说一句「这里改一下」，用 `--feedback`——它把你的意见 + 这个专家**上一版的产出**一起交回去，让它在原稿基础上改，而不是推倒重来：
```bash
# 觉得故事结尾太平淡 —— 直接跟"写故事"那个专家说怎么改
ao run workflows/story-creation.yaml --from write_story \
--feedback "结尾太平淡，加一个反转，并收束前面埋的伏笔"
# 觉得营销方案不接地气
ao run workflows/一人公司全员大会.yaml --from marketing_plan \
--feedback "预算改成 5000 以内，渠道聚焦小红书 + 私域"
```
不写 `--resume` 时默认对**上一次运行**返工（等价于 `--resume last`）。该专家改完后，它的下游步骤会自动用新产出重跑。
### 定时任务 + 群推送（让 AI 团队每天上班）
`--notify ` 让工作流跑完自动把结果推到群里——按 webhook 域名**自动适配钉钉 / 飞书 / 企业微信**自定义机器人的消息格式（其他地址发通用 `{text}`，Slack 也认），配合系统 cron 就是一条"AI 团队每天定点交活"的流水线：
```bash
# 手动跑一次并推送到飞书群
ao run workflows/tech-blog.yaml -i topic="今日 AI 要闻" --notify https://open.feishu.cn/open-apis/bot/v2/hook/xxx
# crontab -e：每天早上 8 点自动生成行业简报并推到钉钉群
0 8 * * * cd ~/work && ao run workflows/tech-blog.yaml -i topic="今日 AI 要闻" --notify https://oapi.dingtalk.com/robot/send?access_token=xxx
```
> 钉钉机器人若开了"自定义关键词"安全设置，把关键词设为 `AO` 即可（推送文案固定包含）。也可以用环境变量 `AO_NOTIFY_URL` 代替参数。推送失败只提示一行，绝不影响运行本身。想看完整产出？`ao report last` 生成可分享的单文件报告页。
### 可分享报告页（Report）
跑出满意的成果后，一条命令得到能直接发给任何人的静态页面（专家分工时间线 + 每步产出 + 最终成品，双击即开、无需装 AO）：
```bash
ao report # 渲染最近一次运行 → /report.html
ao report # 渲染指定运行目录
```
网页 Studio 的运行详情里也有「分享页」按钮，一样的效果。
### 人工介入账本（Ledger）
「AI 帮我做完了」——到底做了多少，人插手了多少？账本把这笔账算清楚：
```bash
# 工作流之外的人工操作，手记一条（原因四选一：unsupported / quality / judgment / external）
ao ledger add "人工部署到服务器" --reason unsupported --minutes 20 --run last
# 按天汇总：运行数、AI 完成步骤、人工节点、手记、人工耗时、token → AI 自主率（markdown，可直接贴进复盘）
ao ledger report --since 2026-09-22 --out 复盘-账本.md
```
工作流里的 `approval` / `human_input` 节点自动计为人工，不用手记；`--resume` / `--feedback` 复用的旧步骤不重复计入。账本默认读命令行的运行目录（`ao-output`）；网页 Studio 的运行记录在 Studio 数据目录下的 `ao-output`，用 `ao ledger report --output <该目录>` 指过去。AI 自主率 = AI 完成步骤 ÷（AI 完成步骤 + 人工节点 + 手记介入），**按次数算、不按工作量，不折算金额**——口径随报告一起输出，不藏。
## 编程 API
```typescript
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：
```bash
ao serve # 启动 MCP stdio 服务器
ao serve --verbose # 带调试日志
```
配置 Claude Code（`settings.json`）：
```json
{
"mcpServers": {
"agency-orchestrator": {
"command": "npx",
"args": ["agency-orchestrator", "serve"]
}
}
}
```
配置 Cursor（`.cursor/mcp.json`）：
```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
> **编辑器补全与即时校验**：在工作流文件第一行加上
> `# yaml-language-server: $schema=https://ao.aiolaola.com/schemas/workflow.schema.json`
> ，VS Code（装 YAML 扩展）/ JetBrains / Neovim 里就有字段补全、悬停说明和拼写检查——`depend_on`、`type: vidoe`
> 这类手误写下去就标红，不用等到运行。离线可指向随包发布的 `node_modules/agency-orchestrator/schemas/workflow.schema.json`。
> 依赖成环、变量未定义、角色不存在这类跨字段检查仍由 `ao validate` 负责。
### 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` / `codebuddy-cli` / `cline-cli` / `opencode-cli` / `dsh-cli` / `ollama` / `claude` / `deepseek` / `openai` |
| `llm.model` | string | 是 | 模型名称 |
| `llm.max_tokens` | number | 否 | 默认 4096 |
| `llm.timeout` | number | 否 | 步骤超时毫秒数（默认 API 120000 / CLI/ollama 600000）。因超时重试时自动 x1.5 递增，上限 3600000。`0` 表示不限时 |
| `llm.retry` | number | 否 | 重试次数（默认 3） |
| `concurrency` | number | 否 | 最大并行步骤数（默认 2） |
| `inputs` | array | 否 | 输入变量定义 |
| `steps` | array | 是 | 工作流步骤 |
### 步骤
| 字段 | 类型 | 必填 | 说明 |
|------|------|------|------|
| `id` | string | 是 | 步骤唯一标识 |
| `role` | string | 是 | 角色路径（如 `"engineering/engineering-sre"`） |
| `task` | string | 是 | 任务描述，支持 `{{变量}}` |
| `output` | string | 否 | 输出变量名 |
| `depends_on` | string[] | 否 | 依赖的步骤 ID |
| `depends_on_mode` | string | 否 | `"all"`（默认）或 `"any_completed"`（任一完成即可） |
| `condition` | string | 否 | 条件表达式，不满足则跳过（如 `"{{var}} contains 技术"`） |
| `type` | string | 否 | `"approval"` 人工审批节点 / `"human_input"` 人工输入节点（跑到该步暂停，读取你的输入作为该步产出注入下游） |
| `prompt` | string | 否 | `approval` / `human_input` 节点的提示文本 |
| `loop` | object | 否 | 循环配置 |
| `loop.back_to` | string | 否 | 循环回到的步骤 ID |
| `loop.max_iterations` | number | 否 | 最大循环次数（1-10） |
| `loop.exit_condition` | string | 否 | 退出条件表达式 |
## 环境变量
只列用户会用到的；测试 / 内部用的（`AO_WEB_INPUT`、`AO_NODE`、`AO_SSY_CATALOG_HOST` …）不在此列。
| 变量 | 作用 |
|---|---|
| `AO_HOME` | 统一工作区：产物、生成的工作流、团队、提示词都落到这里（不设 = 当前目录） |
| `AO_DATA_DIR` / `AO_OUTPUT_DIR` / `AO_WORKFLOWS_DIR` | 分别指定数据目录（Studio 密钥等）/ 产物目录 / 生成的工作流目录 |
| `AO_AGENTS_DIR` | **替换**内置角色库；`AO_USER_ROLES_DIR` 是叠加的自建角色（`my/`），默认 `~/.ao/roles` |
| `AO_USER_WORKFLOWS_DIR` / `AO_TEAMS_DIR` / `AO_PROMPTS_DIR` / `AO_SKILLS_DIR` / `AO_LEDGER_FILE` | Studio 额外工作流目录 / 团队 / 提示词 / 方法论 skill / 人工介入账本的位置 |
| `AO_PROVIDER` / `AO_MODEL` / `AO_API_KEY` | 默认供应商 / 模型 / 密钥（优先级：命令行 > 这些 > YAML）；`ao init --provider` 会写进 `.env` |
| `AO_LANG` | 界面语言 zh / en |
| `AO_NOTIFY_URL` | 跑完推送到 webhook（钉钉 / 飞书 / 企微自动适配） |
| `AO_ALLOWED_HOSTS` | Studio 通过域名 / 反向代理访问时的 Host 白名单（逗号分隔） |
| `AO_WEB_TOKEN` | Studio 的可选访问令牌。设了之后 `/api/*` 必须带上它；首次用 `?token=<令牌>` 打开（存进该标签页并从地址栏抹掉）。不设 = 现有行为不变，但监听在非回环地址时启动会提醒 |
| `AO_NO_PROXY` | 设 1 关闭对 `HTTP(S)_PROXY` 的接管 |
| `AO_NON_INTERACTIVE` | 设 1 时 approval / human_input 节点不读 stdin、直接失败（`ao serve` 自动设） |
| `AO_CLI_INHERIT_CWD` | 设 1 让 claude-code / codebuddy 在当前目录启动（默认在空临时目录，避免项目记忆混进产出） |
| `AO_FFMPEG` / `AO_FFPROBE` | 指定 ffmpeg / ffprobe 路径 |
| `AO_NO_UPDATE_CHECK` / `AO_NO_MODEL_HINT` / `AO_NO_RESUME_HINT` | 关掉启动时的新版本提示 / 小模型提示 / 跑完的 resume 提示 |
| `AO_VERBOSE` / `AO_DEBUG` | 打印 token 用量 / 调试信息 |
| `AO_STREAM_STALL_MS` | 流式响应多久没新数据算卡死（默认 90000） |
## 输出
每次运行保存到 `ao-output/<名称>-<时间戳>/`：
```
ao-output/产品需求评审-2026-03-22/
├── summary.md # 最终步骤输出
├── steps/
│ ├── 1-analyze.md
│ ├── 2-tech_review.md
│ ├── 3-design_review.md
│ └── 4-summary.md
├── assets/ # type: image / video / tts 的产物（png / mp4 / mp3）
├── compare.md # 只有跑了 --compare 才有：评审结论 + 基线用的提示词 + 两份完整产出
├── report.html # 只有跑了 `ao report` 才有：自包含单文件，可直接发给别人
└── metadata.json # 耗时、token 用量、步骤状态
```
## 内置工作流模板（精选；全部 57 个中文模板见 `workflows/`，Studio「工作流模板」按类目列出）
### 开发类（7 个）
| 模板 | 角色 | 说明 |
|------|------|------|
| `dev/tech-design-review.yaml` | 架构师、后端架构师、安全工程师、代码审查员 | **技术方案评审**（设计→并行评审→结论） |
| `dev/pr-review.yaml` | 代码审查员、安全工程师、性能基准师 | PR 评审（3 路并行→汇总） |
| `dev/tech-debt-audit.yaml` | 架构师、代码审查员、测试分析师、Sprint 排序师 | 技术债务审计（并行→优先级排序） |
| `dev/api-doc-gen.yaml` | 技术文档工程师、API 测试员 | API 文档生成（分析→验证→定稿） |
| `dev/readme-i18n.yaml` | 内容创作者、技术文档工程师 | README 国际化 |
| `dev/security-audit.yaml` | 安全工程师、威胁检测工程师 | 安全审计（并行→报告） |
| `dev/release-checklist.yaml` | SRE、性能基准师、安全工程师、产品经理 | 发布 Go/No-Go 决策 |
### 营销类（3 个）
| 模板 | 角色 | 说明 |
|------|------|------|
| `marketing/competitor-analysis.yaml` | 趋势研究员、数据分析师、SEO 专家、高管摘要师 | **竞品分析报告**（研究→并行分析→摘要） |
| `marketing/xiaohongshu-content.yaml` | 小红书专家、内容创作者、视觉叙事师、小红书运营 | **小红书种草笔记**（选题→并行创作→优化） |
| `marketing/seo-content-matrix.yaml` | SEO 专家、策略师、内容创作者 | **SEO 内容矩阵**（关键词→策略→批量生成→审核） |
### 数据 / 设计 / 运维类（7 个）
| 模板 | 角色 | 说明 |
|------|------|------|
| `data/data-pipeline-review.yaml` | 数据工程师、数据库优化师、数据分析师 | 数据管道评审 |
| `data/dashboard-design.yaml` | 数据分析师、UX 研究员、UI 设计师 | 仪表盘设计 |
| `design/requirement-to-plan.yaml` | 产品经理、架构师、项目经理 | 需求→技术设计→任务拆分 |
| `design/ux-review.yaml` | UX 研究员、无障碍审核员、UX 架构师 | UX 评审 |
| `ops/incident-postmortem.yaml` | 事故指挥官、SRE、产品经理 | 事故复盘 |
| `ops/sre-health-check.yaml` | SRE、性能基准师、基础设施运维师 | SRE 健康检查（3 路并行） |
| `ops/weekly-report.yaml` | 会议助手、内容创作者、高管摘要师 | **周报/月报生成**（整理→亮点→定稿） |
### 战略 / 法务 / HR 类（3 个）
| 模板 | 角色 | 说明 |
|------|------|------|
| `strategy/business-plan.yaml` | 趋势研究员、财务预测师、产品经理、高管摘要师 | **商业计划书**（市场→并行分析→整合） |
| `legal/contract-review.yaml` | 合同审查专家、法务合规员 | **合同审查**（逐条分析→合规检查→意见书） |
| `hr/interview-questions.yaml` | 招聘专家、心理学家、后端架构师 | **面试题设计**（维度→并行出题→评分表） |
### 通用类
| 模板 | 角色 | 说明 |
|------|------|------|
| `product-review.yaml` | 产品经理、架构师、UX 研究员 | 产品需求评审 |
| `content-pipeline.yaml` | 策略师、创作者、增长黑客 | 内容创作流水线 |
| `story-creation.yaml` | 叙事学家、心理学家、执笔作者、责任编辑 | 短篇小说：结构 → 人物 → 成稿 → 审读 → 定稿（只交付定稿） |
| `novel-chapters.yaml` | 叙事学家、心理学家、执笔作者 | 中篇小说五章：大纲 + 伏笔清单 → 人物圣经 → 逐章执笔（读上一章全文 + 事实账本）→ 连贯性审校；导出即书稿 |
| `ai-opinion-article.yaml` | 趋势研究员、叙事设计师、心理学家、创作者 | AI 观点长文 |
| `department-collab/code-review.yaml` | 代码审查员、安全工程师 | 代码评审（循环） |
| `department-collab/hiring-pipeline.yaml` | HR、技术面试官、业务面试官 | 招聘流程 |
| `department-collab/content-publish.yaml` | 内容创作者、品牌守护者 | 内容发布（循环） |
| `department-collab/incident-response.yaml` | SRE、安全工程师、后端架构师 | 事故响应 |
| `department-collab/marketing-campaign.yaml` | 策略师、创作者、审批人 | 营销活动（人工审批） |
| `department-collab/ceo-org-delegation.yaml` | CEO、工程/市场/产品/HR 部门负责人 | **CEO 组织架构协作**（决策→部门并行→汇总） |
| `一人公司全员大会.yaml` | CEO、市场调研员、用户研究员、产品经理、市场负责人、CFO | **一人公司全员大会**（CEO→6 部门并行→决策） |
| `ai-startup-launch.yaml` | CEO、产品经理、架构师、市场负责人、财务顾问 | **SaaS 产品发布决策**（CEO→4 部门并行→发布计划） |
## 生态与社区
```
你的 AI 会员 ──→ agency-orchestrator ──→ 400+ 个 AI 角色协作 ──→ 高质量输出
│ (276 中文 + 191 英文 + 5 语种)
┌────────────────┼────────────────┐
▼ ▼ ▼
18 个 AI 工具 CLI 模式 MCP Server
(Cursor/Claude (自动化/CI/CD) (Claude Code/
Code/Copilot...) Cursor 直接调用)
```
| 项目 | 定位 | 一句话 |
|------|------|-------|
| **本项目**（agency-orchestrator） | 🚀 编排引擎 | 一句话 → 276 专家协作，**几分钟出方案**（20+ 家 API / 10 种免 key） |
| [agency-agents-zh](https://github.com/jnMetaCode/agency-agents-zh)  | 🎭 中文角色库 | 276 个**即插即用** AI 专家，含 52 中国原创（小红书 / 抖音 / 飞书 / 钉钉） |
| [agency-agents](https://github.com/msitarzewski/agency-agents) | 🎭 英文角色库 | 191 个英文 AI 角色（184 个来自 [@msitarzewski](https://github.com/msitarzewski)，MIT；另 7 个是本项目补的高管层与视频提示词工程师，见 `agency-agents/company/NOTICE.md`）——**已随 npm 包内置**，英文任务 `ao compose` 自动启用，无需单独安装 |
| [ko](https://github.com/jnMetaCode/agency-agents-ko) · [ru](https://github.com/jnMetaCode/agency-agents-ru) · [pt-BR](https://github.com/jnMetaCode/agency-agents-pt-BR) · [id](https://github.com/jnMetaCode/agency-agents-id) · [ar](https://github.com/jnMetaCode/agency-agents-ar) | 🌍 多语言角色库 | 各 187 个（184 上游翻译 + 3 本地市场原创），`npm i agency-agents-` 后 Studio「角色库」下拉切换 |
| [superpowers-zh](https://github.com/jnMetaCode/superpowers-zh)  | 🧠 工作方法论 | 20 个 skills 教 AI 怎么干活（TDD / 调试 / 代码审查等） |
| [ai-coding-guide](https://github.com/jnMetaCode/ai-coding-guide)  | 📖 实战教程 | 66 个 Claude Code 技巧 + 10 款工具最佳实践 + 可复制配置模板 |
| [ai-coding-trilogy](https://github.com/jnMetaCode/ai-coding-trilogy)  | 📚 三卷书 | AI 编程实战三卷书（入门 / 工作流 / 架构），中英双语 PDF，个人免费阅读 |
| [shellward](https://github.com/jnMetaCode/shellward)  | 🛡️ 安全中间件 | 8 层防御 + DLP 数据流 + 注入检测，**零依赖**（含 MCP Server） |
| 🆕 [ai-shortfilm-prompts](https://github.com/jnMetaCode/ai-shortfilm-prompts)  | 🎬 视频提示词 | Mx-Shell《丧尸清道夫》5 段式方法论 + Skill，Seedance / 小云雀 / Sora / 可灵 / 即梦通用 |
| 🆕 [codepet](https://github.com/jnMetaCode/codepet)  | 🐾 桌面宠物 | 挂在桌面的桌宠，你写代码 / 用 Claude Code 它就涨经验、升级、换状态、冒话（Electron · 仅读元数据，本地优先） |
### 交流
微信扫码关注
|
微信公众号 **「AI不止语」**（微信搜索 `AI_BuZhiYu`）— 技术问答 · 项目更新 · 实战文章
| 渠道 | 加入方式 |
|------|---------|
| QQ 2群 | [点击加入](https://qm.qq.com/q/EeNQA9xCxy)（群号 1071280067） |
| 微信群 | 关注公众号后回复「群」获取入群方式 |
|
## 路线图
- [x] **v0.1** — YAML 工作流、DAG 引擎、4 个 LLM 连接器、CLI、实时输出
- [x] **v0.2** — 条件分支、循环迭代、人工审批、Resume 断点续跑、5 个部门协作模板
- [x] **v0.3** — 9 个 AI 工具集成、20+ 工作流模板、`ao explain`、`ao init --workflow`、`--watch` 模式
- [x] **v0.4** — MCP Server 模式（`ao serve`）、14 个 AI 工具集成、一键安装脚本、32 个工作流模板、**10 种 LLM（7 种免 API key：Claude Code / Gemini / Copilot / Codex / OpenClaw / Hermes / Ollama）**
- [x] **v0.5** — `ao compose --run` 一句话出结果、实时流式输出、智能重试（指数退避）、步骤级模型覆盖、Agent 身份标识
- [ ] **v0.6** — Web UI、可视化 DAG 编辑器、英文工作流模板、工作流市场
## 贡献
参见 [CONTRIBUTING.md](./CONTRIBUTING.md)，欢迎 PR！
## 许可证
[Apache-2.0](./LICENSE)