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。

角色组队：从 200+ 专家里勾选，AI 自动合成团队并运行

工作流：内置模板一键运行，也能对比多个模板

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。

	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

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）。

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：

解析 YAML → 构建 DAG（有向无环图）
检测并行 — tech_review 和 design_review 并发执行
通过 {{变量}} 在步骤间传递输出
从 agency-agents-zh 加载角色定义作为 system prompt
失败自动重试（指数退避）
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，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。

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）

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 216 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：

从 216 角色中匹配出 Code Reviewer、Security Engineer、Performance Benchmarker
设计 DAG（三路并行 → 汇总）
生成带 depends_on、变量串联的完整 YAML
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：

# 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。

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：

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：

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}}"

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（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：

# 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>`

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：

# 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。

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
`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

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
└── metadata.json       # 耗时、token 用量、步骤状态

内置工作流模板（32 个）

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（12 个）

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、叙事设计师、创作者	协作小说创作（4 角色）
`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
                     │                  (216 中文 + 184 英文)
    ┌────────────────┼────────────────┐
    ▼                ▼                ▼
  14 个 AI 编程工具    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 → 216 专家协作，几分钟出方案（10 家 LLM / 7 免费）
agency-agents-zh	🎭 中文角色库	216 个即插即用 AI 专家，含 50 中国原创（小红书 / 抖音 / 飞书 / 钉钉）
agency-agents	🎭 英文角色库	184 个英文 AI 角色 by @msitarzewski
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	📖 实战教程	66 个 Claude Code 技巧 + 9 款工具最佳实践 + 配置模板
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	🎬 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	🐾 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（群号 1071280067）
微信群	关注公众号后回复「群」获取入群方式

路线图

v0.1 — YAML 工作流、DAG 引擎、4 个 LLM 连接器、CLI、实时输出
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
v0.3 — 9 个 AI 工具集成、20+ 工作流模板、ao explain、ao init --workflow、--watch 模式
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）
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，欢迎 PR！

许可证

Apache-2.0

Name		Name	Last commit message	Last commit date
Latest commit History 278 Commits
.github		.github
agency-agents		agency-agents
assets		assets
desktop		desktop
docs		docs
eval		eval
examples		examples
integrations		integrations
scripts		scripts
src		src
test		test
web		web
website		website
workflows		workflows
.gitignore		.gitignore
CHANGELOG.md		CHANGELOG.md
CLAUDE.md		CLAUDE.md
CONTRIBUTING.md		CONTRIBUTING.md
EVAL_FINDINGS.md		EVAL_FINDINGS.md
LICENSE		LICENSE
README.en.md		README.en.md
README.md		README.md
demo-zh.gif		demo-zh.gif
demo.gif		demo.gif
demo.tape		demo.tape
package-lock.json		package-lock.json
package.json		package.json
tsconfig.json		tsconfig.json

Folders and files

Latest commit

History

Repository files navigation

Agency Orchestrator

网页 Studio（图形界面）

一句话出结果

你能用它做什么

为什么需要 Agency Orchestrator

3 步开始

第 1 步：安装

第 2 步：一句话跑起来

第 3 步：用内置模板或在 AI 编程工具中使用

更多真实演示

工作原理

10 种 LLM — 7 种不需要 API key

CLI 命令

AI 智能编排（Compose）

团队 / Loadout（把跑得好的阵容存下来复用）

提示词优化（Prompt Lab）

Skills（给步骤挂方法论）

迭代优化（Resume）

对话式返工（Feedback）

编程 API

MCP Server 模式

YAML Schema

工作流

步骤

输出

内置工作流模板（32 个）

开发类（7 个）

营销类（3 个）

数据 / 设计 / 运维类（7 个）

战略 / 法务 / HR 类（3 个）

通用类（12 个）

生态与社区

交流

路线图

贡献

许可证

About

Topics

Resources

License

Contributing

Uh oh!

Stars

Watchers

Forks

Releases 9

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages