agency-orchestrator 完全指南：一句话让 AI 团队帮你干活

AI不止语
1 阅读9分钟

agency-orchestrator 详细指南：一句话让 AI 团队帮你干活

你已经在用 ChatGPT、Claude、DeepSeek 了。

但你有没有觉得——跟一个 AI 聊天，效率已经到天花板了？

你问它一个问题，它给你一个视角。但现实中做任何决策，你需要的是：产品经理的视角、技术的视角、财务的视角、营销的视角……然后综合判断。

agency-orchestrator 就做这件事：一句话，多个 AI 角色自动分工协作，几分钟出完整方案。

开源免费！昨天重大升级！已经很好用了！内嵌爆火：agency-agents 79.6K star！ 本作者也是agency-agents 的第2开发者！

img

它能干什么

先看一个真实例子。

我在终端里敲了一行命令：

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

3 分钟后，5 个 AI 角色自动完成了各自的任务：

  • 🔭 趋势研究员 —— 分析了 6 个赛道的竞争度、变现天花板和 AI 提效倍数

  • 📱 平台分析师 —— 对比了 6 大平台，给出"小红书+公众号"组合策略

  • 💰 财务规划师 —— 把月入 2 万拆解成具体收入来源和变现阶梯

  • ✍️ 内容策略师 —— 给出 20 个选题、4 套标题模板、内容生产 SOP

  • 📋 执行规划师 —— 排出 90 天行动计划，精确到每天做什么 ​

​

输出的不是"建议你做自媒体"这种废话，而是可以直接执行的完整方案。

​

比较火的案例：一人公司执行流程图如下：

​

​

安装（2 分钟）

需要 Node.js 18+。

npm install -g agency-orchestrator

验证：

ao --version
# v0.6.0

看到版本号就装好了。

配置 AI 模型

ao 支持 10 种大模型，分两类：

不需要 API Key 的（有会员就能用）

模型怎么用适合场景
Claude Code--provider claude-code质量最高，有 Claude Max 就免费
ChatGPT CLI--provider codex-cli有 ChatGPT Plus 就能用
GitHub Copilot--provider copilot-cli有 Copilot 订阅就能用
Gemini--provider gemini-cli有 Google 账号就能用（免费）
Hermes Agent--provider hermes-cli🔥 NousResearch 热门开源，免费
Ollama--provider ollama本地模型，完全离线
OpenClaw--provider openclaw-cli社区 CLI

需要 API Key 的（按量计费）

模型费用
DeepSeek（推荐）充 10 块跑很久
OpenAI按 token 计费
任何 OpenAI 兼容 APIKimi/零一万物/硅基/本地 vLLM 等

一次配置、永久生效（v0.6.0 新增）

以前配 API Key 要 export DEEPSEEK_API_KEY=...，关了终端就没了。现在一行命令写到项目 .env，以后自动加载：

# DeepSeek
ao init --provider deepseek --api-key sk-xxxxxxxx
​
# Ollama 本地模型
ao init --provider ollama --model qwen2.5:7b --base-url http://localhost:11434/v1
​
# 任何 OpenAI 兼容 API（例如阿里百炼、硅基流动）
ao init --provider openai --model qwen-plus \
  --base-url https://dashscope.aliyuncs.com/compatible-mode/v1 \
  --api-key sk-xxxxxxxx

自动帮你做 3 件事：

  1. 写入 ./.env（也可以手动编辑或从别的项目复制过来）
  2. 自动加到 .gitignore（防 key 泄漏到 GitHub）
  3. 之后所有 ao run / ao compose 默认用这套配置

优先级：命令行 --provider > shell env > .env > YAML 默认值。

推荐组合：日常用 DeepSeek（便宜），重要任务用 Claude Code（质量高）。

三种用法

用法一：一句话出结果（最简单）

ao compose "你想让AI帮你做的事" --run

不用写配置，不用选角色。AI 自动从 211 个角色中挑选合适的，生成工作流并立刻执行。

示例：

# 商业分析
ao compose "帮我分析做一个AI记账工具的可行性" --run
​
# 竞品分析
ao compose "对比Cursor、Windsurf和Copilot，给出选择建议" --run
​
# 内容创作
ao compose "写一篇关于AI Agent趋势的深度文章" --run
​
# 创业规划
ao compose "用10万块启动一个AI教育项目，做完整规划" --run

如果只想生成 YAML 不执行：

ao compose "你的需求"
# 生成 workflows/xxx.yaml，之后手动 ao run 执行

用法二：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写简历和模拟面试的求职神器"
​
# AI深度文章创作
ao run workflows/ai-opinion-article.yaml --input topic="AI会取代程序员吗"
​
# 创业发布计划
ao run workflows/ai-startup-launch.yaml --input idea="你的产品想法"
​
# 小说创作
ao run workflows/story-creation.yaml --input premise="一个时间旅行的故事" --input style="悬疑"

用法三：自己写 YAML（最灵活）

name: "我的工作流"
agents_dir: "agency-agents-zh"

llm:
  provider: "deepseek"
  model: "deepseek-chat"

inputs:
  - name: topic
    required: true

steps:
  - id: research
    role: "product/product-trend-researcher"
    task: "调研{{topic}}的市场趋势和竞争格局"
    output: market_data

  - id: analysis
    role: "strategy/nexus-strategy"
    task: "基于{{market_data}}，给出战略建议"
    depends_on: [research]
    output: strategy

  - id: plan
    role: "product/product-manager"
    task: "基于{{strategy}}，制定产品路线图"
    depends_on: [analysis]
    output: roadmap

执行：

ao run my-workflow.yaml --input topic="AI教育"

211 个内置角色

ao roles

覆盖一个公司几乎所有岗位：

类别角色数示例
战略8CEO、战略分析师、创新催化师
产品15产品经理、趋势研究员、用户研究员
工程25架构师、全栈开发、代码审查、DevOps
设计12品牌总监、UX设计师、交互设计师
营销20增长黑客、内容策略师、SEO专家、社媒运营
财务10财务分析师、预算规划师、风险分析师
写作18博客作者、文案、编辑、技术写作
HR8招聘专家、面试官、组织发展
法务6合同审查、合规分析、知识产权
测试10QA工程师、性能测试、安全测试
更多47数据分析、客户成功、项目管理…

每个角色都有完整的系统 prompt，不是简单的"你是一个产品经理"，而是包含工作流程、输出格式、思维模式的专业定义。

核心功能详解

DAG 自动并行

没有依赖关系的步骤自动并行执行。比如：

steps:
  - id: market     # 第1层
    task: "市场调研"

  - id: user       # 第1层（与market并行）
    task: "用户研究"

  - id: product    # 第2层（等market和user都完成）
    task: "产品规划"
    depends_on: [market, user]

market 和 user 同时跑，都完成后 product 才开始。自动优化执行时间。

变量传递

上一步的输出自动传给下一步：

  - id: research
    task: "调研市场数据"
    output: market_data     # 输出变量

  - id: analysis
    task: "基于{{market_data}}做分析"   # 引用上一步输出
    depends_on: [research]

不同步骤用不同模型（v0.5.0 新增）

调研用便宜的，决策用好的：

steps:
  - id: research
    role: "product/product-trend-researcher"
    task: "调研市场趋势"
    llm:
      provider: deepseek
      model: deepseek-chat       # 便宜，适合大量调研

  - id: decision
    role: "strategy/nexus-strategy"
    task: "基于调研做最终决策"
    llm:
      provider: openai
      model: gpt-4o              # 质量高，用于关键决策

也可以命令行临时切换全部步骤的模型：

ao run workflow.yaml --provider claude-code

流式输出 + 断点续写（v0.5.0 新增）

之前用 DeepSeek 跑长任务，最头疼的问题：跑到一半，连接断了。

原因是 DeepSeek 服务端有 60 秒超时。AI 想太久，服务器就把连接掐了。

v0.5.0 彻底解决：

  • 流式输出 —— 边想边给你看，不再等全部想完
  • 断点续写 —— 连接断了自动从断的地方接着写，最多续 3 次
  • 智能重试 —— 429 限速、500 服务端错误、网络抖动，自动退避重试

断点恢复（--resume）

跑完一个 9 步的工作流，觉得第 7 步的财务分析不够细？不用全部重跑：

ao run workflow.yaml --resume last --from finance_plan

只从 finance_plan 开始重新执行，前面 6 步复用上次结果。省时间、省 token。

条件分支

根据上一步结果决定下一步：

  - id: review
    task: "审核方案质量"
    output: review_result

  - id: revise
    task: "修改方案"
    depends_on: [review]
    condition: "{{review_result}} contains 需要修改"

循环迭代

让 AI 自动改到满意为止：

  - id: write
    task: "写文章"
    output: draft
    loop:
      back_to: review
      max_iterations: 3
      exit_condition: "{{review_result}} contains 通过"

文件输入

把本地文件内容传给 AI：

ao run workflow.yaml --input prd_content=@prd.md

查看执行计划

不执行，只看 AI 会怎么分工：

ao plan workflow.yaml

ao explain workflow.yaml   # 用自然语言解释执行计划

v0.6.0 更新汇总（最新）

功能说明
一键配置持久化ao init --provider --model --base-url --api-key 一行写入 .env
自动加载 .env项目目录的 .env 自动加载，复制粘贴跨项目复用
自动 gitignoreAPI Key 永不误提交到 GitHub（.env 自动 0600 权限）
智能优先级CLI 参数 > shell env > .env > YAML，灵活不冲突

升级：

npm install -g agency-orchestrator@latest
# 然后一行配好
ao init --provider deepseek --api-key sk-xxxxx

v0.5.0 更新汇总

这是一次大版本更新，解决了 8 个社区 issue：

功能说明
ao compose --run一句话生成工作流并立刻执行，零配置
流式输出DeepSeek 等 API 边想边输出，不再超时断开
断点续写连接断了自动从断的地方接着写
智能重试429/500/网络错误自动分级退避重试
步骤级模型切换同一个工作流不同步骤用不同模型
自定义 Provider支持任意 OpenAI 兼容 API（base_url）
Agent 身份每个步骤显示角色名和 emoji
Windows 兼容修复 Windows 下找不到 CLI 命令的问题
init 优化优先从 npm 下载角色包，不再依赖 GitHub
compose 文件名--name 参数自定义生成的 YAML 文件名

升级：

npm install -g agency-orchestrator@latest

执行结果在哪里

每次执行的结果保存在 ao-output/ 目录：

ao-output/
└── 程序员AI自媒体副业规划-2026-04-13T14-38-06/
    ├── metadata.json          # 执行信息（耗时、token、状态）
    └── steps/
        ├── 1-trend_research.md
        ├── 2-platform_analysis.md
        ├── 3-income_model.md
        ├── 4-content_strategy.md
        └── 5-execution_plan.md

每个角色的输出都是独立的 Markdown 文件，方便查看和引用。

与 Claude Code / Cursor 集成

ao 可以作为 MCP Server 被 Claude Code 或 Cursor 调用：

ao serve

然后在 Claude Code 或 Cursor 里直接说"帮我跑一个工作流"，它会自动调用 ao。

常见问题

Q：要花多少钱？ 工具本身免费开源。用 DeepSeek API 跑一次完整工作流约 ¥0.1-0.5。用 Claude Code / ChatGPT Plus 等订阅制模型不额外花钱。

Q：和 ChatGPT / Claude 直接对话有什么区别？ 直接对话是一个 AI 给你一个视角。ao 是多个专业角色各自完成擅长的部分，最后汇总。相当于一个人 vs 一个团队。

Q：和 CrewAI / LangGraph 有什么区别？ 它们需要写 Python，需要 API key，角色要自己定义。ao 用 YAML 零代码，211 个角色开箱即用，7 种模型不需要 API key。

Q：跑到一半断了怎么办？ v0.5.0 有流式输出 + 断点续写 + 智能重试。万一还是断了，用 --resume last 从断的地方继续。

Q：Windows 能用吗？ 能。v0.5.0 修复了 Windows 兼容问题。

Q：可以用本地模型吗？ 可以。--provider ollama 支持所有 Ollama 本地模型，完全离线。

链接

agency-orchestrator 是一个开源的多智能体编排工具。用 YAML 定义 AI 协作流程，自动 DAG 并行执行。211 个专业角色开箱即用，支持 10 种大模型（7 种免 API key）。

avatar
文章
阅读
粉丝