Agency Orchestrator

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 13 门课、648 节，全部 ¥0——另有 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：一句话，AI 自动组队
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}

APIMart —— 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

感谢 APIMart 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 <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。

Studio · 工作流模板：内置模板一键运行
工作流：内置模板一键运行，也能对比多个模板

Studio · 角色组队：276 位专家按领域分组，公司经营部七位高管置顶
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（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

ao compose 命令行演示

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。

	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

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。

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_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：

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)

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（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	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）
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）
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）
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）
一台电脑	`provider: "ollama"`	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，网页版：中文 / English）——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）：

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

.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

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 <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
`--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 <webhook>`	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：

ao compose "PR 代码审查，要覆盖安全和性能"

AI 会自动：

从 276 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。自建单个角色：放 ~/.ao/roles/<id>.md（与内置库叠加），工作流里用 my/<id> 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：

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 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：

# 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 <url> 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：

# 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）：

ao report          # 渲染最近一次运行 → <run>/report.html
ao report <dir>    # 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：

# 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

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

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/<id>`），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	🎭 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	🎭 英文角色库	191 个英文 AI 角色（184 个来自 @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 · ru · pt-BR · id · 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-<lang>` 后 Studio「角色库」下拉切换
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 + 10 款工具最佳实践 + 可复制配置模板
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	🛡️ 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

agency-orchestrator

Links

README