Agency Orchestrator

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 · 179 个专业 AI 角色 · YAML 零代码 · 9 种大模型 · 6 种免 API key

觉得有用？请点个 Star — 帮助更多人发现这个项目。

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 179 个角色中匹配 → 按 DAG 并行执行 → 输出完整方案。

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	179 个专业角色
使用方式	对话	写 Python	一句话 / YAML
API key	—	必须	6 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	179 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

# 一人公司全员大会 —— 9 个 AI 部门协作出商业方案
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"

# 更多示例
ao compose "对比 Cursor、Windsurf 和 Copilot，给出选择建议" --run
ao compose "写一篇关于 AI Agent 趋势的深度文章" --run
ao compose "用 10 万块启动一个 AI 教育项目，做完整规划" --run

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）。

真实演示

一句话出完整商业方案

$ 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
==================================================

4 个 AI 角色协作写小说

$ ao run workflows/story-creation.yaml -i "premise=一个程序员在凌晨三点发现AI开始回复不该知道的事情"

  工作流: 短篇小说创作
  步骤数: 4 | 并发: 2 | 模型: deepseek-chat
──────────────────────────────────────────────────

  ✅ 叙事学家      14.9s   → 核心冲突与三幕结构
  ✅ 心理学家      65.5s   → 人物心理档案        ← 并行
  ✅ 叙事设计师    65.5s   → 冲突场景设计        ← 并行
  ✅ 内容创作者    33.9s   → 完整悬疑短篇小说

==================================================
  完成: 4/4 步 | 114.3s | 14,872 tokens
==================================================

第 2、3 步自动并行执行（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 / 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)

9 种 LLM — 6 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
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`

所有 API 提供商支持自定义 base_url 和 api_key，兼容智谱、月之暗面等 OpenAI 兼容 API。

CLI 命令

ao demo                              # 零配置体验多智能体协作
ao init                              # 下载 179 个 AI 角色
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 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 179 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 179 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）。

迭代优化（Resume）

问题：ao run 跑完一轮后，所有步骤的输出都丢了。想基于叙事学家的结构重写小说，只能整个工作流从头跑。

解决：--resume 会自动加载上一轮所有步骤的输出，--from 指定从哪步开始重跑。之前的步骤直接用缓存结果，不会重新执行。

完整示例：小说创作 4 轮迭代

以 story-creation.yaml 为例，DAG 结构如下：

story_structure ──→ character_design ──→ write_story
                └→ conflict_design  ──┘
                    (并行)

第一轮：正常运行

ao run workflows/story-creation.yaml \
  -i premise='一个程序员在凌晨三点发现AI开始回复不该知道的事情'

运行完后，每步输出保存在 ao-output/ 下：

ao-output/短篇小说创作-2026-03-24T14-30-00/
├── summary.md                    ← 最终小说
├── metadata.json                 ← 每步状态 + 变量映射
├── steps/
│   ├── 1-story_structure.md      ← 叙事学家的结构设计
│   ├── 2-character_design.md     ← 心理学家的人物设定
│   ├── 3-conflict_design.md      ← 叙事设计师的冲突场景
│   └── 4-write_story.md          ← 最终小说

打开这些文件看每步输出，觉得哪里不满意就重跑那步。

第二轮：人物太单薄，从人物设计开始重跑

ao run workflows/story-creation.yaml --resume last --from character_design

--resume last：自动找到最近一次输出
--from character_design：从人物设计开始重跑
story_structure 的输出（叙事结构）直接复用，不重新执行
character_design → conflict_design → write_story 重新执行
新的输出保存到新的时间戳目录

第三轮：结构和人物都好，只改最终写作

ao run workflows/story-creation.yaml --resume last --from write_story

只重跑最后一步。叙事结构、人物设定、冲突设计全部复用，只让内容创作者重写。

第四轮：想回到第二轮的版本继续改

ao run workflows/story-creation.yaml \
  --resume ao-output/短篇小说创作-2026-03-24T14-35-00/ \
  --from write_story

指定具体目录，基于那个版本继续迭代。

所有历史版本都保留

ls ao-output/
# 短篇小说创作-2026-03-24T14-30-00/   ← 第一轮
# 短篇小说创作-2026-03-24T14-35-00/   ← 第二轮
# 短篇小说创作-2026-03-24T14-38-00/   ← 第三轮
# 短篇小说创作-2026-03-24T14-40-00/   ← 第四轮

用法速查

场景	命令
第一次运行	`ao run workflow.yaml -i key=value`
从某步重跑（基于上次结果）	`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>`

原理

--resume 做了三件事：

读取指定目录的 metadata.json，获取每步的状态和输出变量名
从 steps/ 目录读取已完成步骤的输出内容，注入回 {{变量}} 上下文
标记 --from 之前的步骤为"已完成"，跳过执行

智能体结构（角色分工、DAG 依赖、变量传递）不会丢失 — 它定义在 YAML 里，每次都会重新加载。丢失的只是上一轮的输出内容，--resume 就是把这些内容恢复回来。

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` / `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 120000）
`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"` 表示人工审批节点
`prompt`	string	否	审批节点的提示文本
`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（30 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（10 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）

项目生态

你的 AI 会员 ──→ agency-orchestrator ──→ 179 个专业角色协作 ──→ 高质量输出
                     │
    ┌────────────────┼────────────────┐
    ▼                ▼                ▼
  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)

交流 · Community

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 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

姊妹项目

项目	说明
ai-coding-guide	AI 编程工具实战指南 — 66 个 Claude Code 技巧 + 9 款工具最佳实践 + 可复制配置模板
agency-agents-zh	179 个专业角色，让 AI 变成安全工程师、DBA、产品经理等
superpowers-zh	AI 编程超能力 · 中文版 — 20 个 skills，让你的 AI 编程助手真正会干活
shellward	AI 智能体安全中间件 — 注入检测、数据防泄露、命令安全、零依赖、MCP Server

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、30 个工作流模板、9 种 LLM（6 种免 API key：Claude Code / Gemini / Copilot / Codex / OpenClaw / 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、英文角色支持、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 69 Commits
.github		.github
docs		docs
examples		examples
integrations		integrations
scripts		scripts
src		src
test		test
workflows		workflows
.gitignore		.gitignore
CLAUDE.md		CLAUDE.md
CONTRIBUTING.md		CONTRIBUTING.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

一句话出结果

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

真实演示

一句话出完整商业方案

4 个 AI 角色协作写小说

工作原理

9 种 LLM — 6 种不需要 API key

CLI 命令

AI 智能编排（Compose）

迭代优化（Resume）

完整示例：小说创作 4 轮迭代

所有历史版本都保留

用法速查

原理

编程 API

MCP Server 模式

YAML Schema

工作流

步骤

输出

内置工作流模板（30 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（10 个）

项目生态

交流 · Community

姊妹项目

路线图

贡献

许可证

About

Topics

Resources

License

Contributing

Uh oh!

Stars

Watchers

Forks

Releases 1

Packages 0

Uh oh!

Contributors 1

Languages

Packages