agency-agents-zh：211个即插即用AI专家角色，覆盖18部门16种工具

项目概览：一个近万Star的AI角色开源仓库

在AI辅助开发和内容创作日益普及的当下，如何快速调用高质量的AI专家角色，已经成为提升工作效率的关键环节。GitHub上的开源项目 agency-agents-zh 给出了一个实用方案——它提供了 211个即插即用的AI专家角色，支持Hermes Agent、Claude Code、Cursor、GitHub Copilot等16种主流AI工具，覆盖工程、设计、营销、金融等18个部门场景。

这里所说的"AI专家角色"，本质上是一套精心设计的系统提示词（System Prompt）配置。系统提示词是大语言模型交互中的核心机制——在每次对话开始前，它会作为隐藏的上下文注入模型，定义AI的身份、行为边界、专业知识范围和输出风格。一个精心设计的系统提示词可以将通用大模型"变身"为特定领域的专家，它不改变模型的底层参数，而是通过上下文引导（In-Context Learning）激活模型在预训练阶段习得的特定领域知识。这种方式的优势在于零成本、即时生效，无需微调或重新训练模型。

截至目前，该项目在GitHub上已斩获近万颗Star（9965），Fork数达1883，社区对这类结构化AI角色库的需求可见一斑。

核心亮点：为什么这个项目值得关注

兼容16种主流AI工具

项目适配了当前最常用的AI开发与协作工具，主要包括：

• 代码辅助类：Claude Code、Cursor、GitHub Copilot
• Agent框架类：Hermes Agent
• 通用场景类：可适配多种LLM调用环境

当前AI开发工具生态呈现高度碎片化的特征。Claude Code专注于命令行环境下的代码生成与项目管理，支持在终端中直接与AI对话完成复杂的代码任务；Cursor将AI深度集成到IDE中，支持代码补全、重构和对话式编程，是目前增长最快的AI编辑器之一；GitHub Copilot则以行内补全和Chat模式覆盖VS Code、JetBrains等主流编辑器。这些工具的角色配置格式各不相同——有的使用YAML文件，有的使用JSON配置，有的则通过特定目录下的Markdown文件加载。一个跨工具兼容的角色库需要为同一角色维护多种格式的配置文件，这正是该项目的工程价值所在。

不管你日常使用哪种AI工具链，都可以直接导入这些预设角色，省去从零编写系统提示词的麻烦。

按企业架构划分的18个部门角色

项目按照企业组织架构做了系统化分类，覆盖工程开发、产品设计、市场营销、金融分析、人力资源、法务合规等18个核心部门。每个部门下设多个细分角色——比如工程部门就包含前端专家、后端架构师、DevOps工程师等不同定位的智能体。

这种分类方式的好处很直接：你可以根据实际业务场景快速找到对应角色，上手门槛极低。

46个中国市场原创智能体

这是项目最具差异化的部分。46个专门面向中国市场的原创智能体，覆盖了国内主流平台和工具生态：

• 内容平台：小红书运营专家、抖音内容策略师
• 社交生态：微信生态运营、公众号内容创作
• 企业协作：飞书工作流专家、钉钉集成开发

需要强调的是，这些角色并非简单的英文翻译或表面本地化，而是基于中国互联网生态的实际需求原创设计的。中国互联网平台与海外平台在算法逻辑、内容分发机制和用户行为模式上存在显著差异。以小红书为例，其算法高度依赖图文笔记的封面质量、标题关键词密度、互动率等指标，内容调性偏向"种草"和生活方式分享；抖音则以完播率、互动率和账号垂直度作为核心推荐因子。微信生态更是一个封闭的社交分发体系，公众号、视频号、小程序之间的流量互通逻辑与开放平台完全不同。这些平台特性决定了通用AI角色无法直接适用，必须基于平台规则和用户习惯进行原生设计。

正因如此，这些角色能理解国内平台的算法逻辑、内容规范和用户习惯，实用性远超通用角色。

技术实现与使用方式

项目主要语言为Shell，采用轻量级的文件组织和脚本化部署方式。用户通过简单的命令行操作就能将角色配置导入目标工具。

典型使用流程如下：

1. 将仓库克隆到本地
2. 选择目标工具对应的配置格式
3. 将角色定义文件导入或复制到工具的配置目录
4. 在AI工具中直接调用对应角色

整个过程遵循"即插即用"的设计理念，即使没有技术背景的用户也能快速上手。

不同角色的实际应用场景

开发者：获得更精准的代码建议

举个例子，当你需要做数据库性能优化时，调用"数据库架构师"角色给出的建议，会比使用通用AI助手更专业、更有针对性。角色预设中包含了该领域的专业知识框架和思考方式，相当于给AI装上了"专家大脑"。

从技术原理上看，这是因为专家角色的系统提示词中明确定义了该领域的核心概念体系、常见问题模式和最佳实践框架。当模型接收到这些上下文后，其注意力机制会优先激活与该领域相关的知识表征，从而产出更专业、更结构化的回答。这比用户自己在对话中临时描述需求要高效得多。

内容创作者：直接对接国内平台调性

做小红书或抖音内容的创作者，可以直接使用对应平台的专属角色。这些角色已经内置了平台调性和算法偏好的理解，能帮你省去大量提示词反复调试的时间。

企业团队：快速搭建全部门AI辅助体系

企业可以把这些角色当作内部AI工具的基础模板，结合自身业务特点做二次定制，短时间内就能搭建起覆盖多个部门的AI辅助工作流。

从通用AI到专家AI：这个项目背后的趋势

agency-agents-zh 的走红，折射出AI应用领域一个明显的趋势转变：用户正在从依赖通用AI转向使用专家AI。一个"什么都能聊但什么都不深入"的通用助手，已经越来越难满足实际工作需求。人们需要的是在特定领域具备深度专业知识的AI角色。

这一趋势与Agent框架的发展方向高度吻合。Hermes Agent等Agent框架代表了AI应用的一个重要演进方向——传统的LLM调用是单轮问答模式，而Agent框架赋予AI自主规划、工具调用和多步推理的能力。一个Agent通常包含角色定义（决定其行为模式）、记忆系统（维护上下文连贯性）、工具集（可调用外部API或执行代码）和规划模块（将复杂任务分解为子步骤）。角色定义是Agent的"灵魂"，决定了它如何理解任务、选择工具和组织输出。结构化的专家角色库，正是构建高质量Agent系统的基础设施。

从本质上看，预设角色库是对提示工程（Prompt Engineering）最佳实践的系统化沉淀。提示工程经历了从个人经验到系统化方法论的演变——早期用户通过反复试错来寻找有效的提示词，这种方式效率低且难以复用。结构化角色库的出现，本质上是将大量实践中验证有效的提示策略进行了模板化封装，包括角色设定（Role）、任务约束（Constraints）、输出格式（Format）、知识边界（Knowledge Scope）等多个维度的精细设计。一个优秀的专家角色预设，往往凝聚了数十甚至上百次迭代优化的经验。

随着AI工具生态持续成熟，这类结构化的角色资产会逐渐成为团队和个人不可或缺的生产力基础设施。

总结

agency-agents-zh 为中文用户提供了一套高质量、开箱即用的AI专家角色库。广泛的工具兼容性、系统化的部门覆盖，再加上扎实的中国市场本地化设计，让它成为当前最值得关注的AI角色资源之一。

无论你是想提升编码效率的开发者、需要平台化内容产出的创作者，还是希望在团队中推广AI工具的管理者，这个项目都值得收藏并深入探索。

核心要点

• 项目提供211个即插即用AI专家角色，支持16种主流AI工具，覆盖18个企业部门场景
• 包含46个中国市场原创智能体，覆盖小红书、抖音、微信、飞书、钉钉等国内主流平台
• 项目GitHub Star近万，反映了社区对结构化AI角色库的强烈需求
• 采用轻量级Shell脚本组织，支持即插即用的快速部署方式
• 体现了AI应用从通用助手向专业领域专家角色转变的行业趋势