我发现了一个很有意思的开源项目：AI真的可以拥有一整个团队

最近我发现一个挺有意思的开源项目：Agency Agents。

它做的事情非常简单，但我觉得背后的思路很值得关注：

不是让一个AI什么都做，而是让AI拥有不同的“职业角色”。

你甚至可以把它理解成：

一个可以随时调用的AI公司。

---

01以前，我们只有一个AI

我们平时使用AI，大多数时候都是：

打开一个聊天窗口。

然后告诉它：

帮我写代码。

帮我做市场分析。

帮我写一篇文章。

帮我做一个产品方案。

问题是：

同一个AI，真的适合所有工作吗？

就像一家公司里，不可能让一个人同时负责：

产品、设计、研发、市场、销售、财务。

虽然AI理论上可以全部做。

但真正复杂的工作，往往需要不同的思考方式。

程序员关心代码。

产品经理关心用户和需求。

市场人员关心增长。

研究人员关心证据。

设计师关心体验。

专业角色不同，工作方式也不同。

Agency Agents的思路，就是把这些角色拆开。

---

02它不是“更多Prompt”，而是“更多专业角色”

这是我觉得这个项目比较有意思的地方。

很多人理解Agent，还是：

给AI一段很长的Prompt。

但Agency Agents更像是在定义一个真正的“岗位”。

一个Agent里面，不只是几句提示词。

而是包含：

我是谁。

我的职责是什么。

我应该怎么工作。

我需要遵守什么规则。

我要交付什么结果。

怎样判断我的工作做得好不好。

这就非常像一份真正的岗位说明书。

比如一个Frontend Developer Agent。

它不是简单告诉AI：

“帮我写React。”

而是让AI进入一个更明确的角色：

你现在是一名专业前端开发人员。

你需要关注：

架构、组件、性能、用户体验、代码质量……

再比如Research Agent。

重点就不再是“写一篇文章”。

而是：

寻找资料 → 判断来源 → 交叉验证 → 综合证据 → 输出结论。

这时候，AI的工作方式就开始发生变化。

---

03最让我感兴趣的是：AI开始像“组织”一样工作

Agency Agents里面有一个非常值得关注的设计：

Division。

也就是不同的专业部门。

例如：

工程。

设计。

营销。

产品。

研究。

销售。

金融。

安全。

支持。

甚至还有GIS、医疗等更加专业的领域。

这其实很像一家公司的组织架构。

你不再只是：

“找AI帮我做一件事。”

而是：

“我现在需要什么岗位？”

需要做网站？

调用Frontend Developer。

需要设计系统？

调用UI Designer。

需要做市场研究？

调用Research相关Agent。

需要检查方案有没有问题？

可以找Reality Checker。

需要做增长？

找Growth Hacker。

这时候，AI的使用方式就从：

一个万能助手

开始变成：

一个可以调度的专业团队。

---

04更有意思的是：这些Agent可以组合

真正复杂的事情，往往不是一个岗位可以完成的。

比如：

我要做一个创业项目。

过去可能是：

我 → AI → 一个大Prompt。

现在可以变成：

产品Agent

↓

做需求分析

↓

UX Agent

↓

设计用户体验

↓

Frontend Agent + Backend Agent

↓

完成开发

↓

Growth Agent

↓

设计增长方案

↓

Reality Checker

↓

进行最终检查

这其实已经非常接近：

AI团队协作。

项目本身的README甚至直接给出了类似的多Agent协作场景：多个专业角色可以同时参与一个项目，从市场验证、技术架构，到品牌、增长、用户体验和项目执行。

所以我觉得：

未来真正有意思的，不一定是“一个AI有多聪明”。

而可能是：

你能不能让多个AI角色协同起来，把一件复杂的事情真正做完。

05这对普通人意味着什么？

我觉得最大的变化是：

一个人的能力边界正在被重新定义。

以前一个人创业，需要：

产品经理。

设计师。

程序员。

运营。

市场。

客服。

数据分析。

现在很多事情，都可以先让AI承担一部分。

你可能依然只有一个人。

但是你背后可以有：

一个产品Agent。

一个设计Agent。

一个开发Agent。

一个运营Agent。

一个研究Agent。

一个数据分析Agent。

于是：

一个人 + AI团队

开始成为一种新的工作方式。

---

06对我来说，更重要的是“怎么用”

我不认为大家需要把Agency Agents里的所有Agent全部装一遍。

这其实和我之前写AI Skill的观点很像：

不要为了收集工具而收集工具。

真正重要的是：

找到与你工作最相关的角色。

比如你做跨境电商。

你真正需要的可能不是100个Agent。

而是：

Market Research Agent负责市场研究。

Product Research Agent负责竞品和产品分析。

SEO Agent负责关键词和Listing优化。

Ads Agent负责广告分析。

Data Analyst Agent负责数据分析。

然后再把这些角色连接到：

你的产品数据。

你的市场数据。

你的广告数据。

你的知识库。

你的业务规则。

这样，AI才真正进入你的工作流。

---

07这也是我为什么关注这个项目

我觉得AI的下一阶段，很可能不是：

“Prompt越来越长。”

而是：

“AI越来越像一个真正的工作团队。”

模型负责能力。

Agent负责角色。

Skill负责专业能力。

Tool负责连接外部世界。

Context负责理解你的业务。

最后再通过工作流，把这些东西组合起来。

这时候你使用AI的方式就会发生变化。

以前我们问：

“AI能不能帮我做？”

以后可能会问：

“这个任务应该交给哪个Agent？”

再往后：

“这几个Agent能不能一起把它完成？”

---

最后

Agency Agents给我最大的启发，并不是：

“这里有很多AI Agent可以下载。”

而是另外一个问题：

如果AI真的可以成为一个团队，我们应该怎么重新设计自己的工作？

也许未来最有竞争力的人，并不是最会使用某一个AI的人。

而是：

最会设计AI工作流的人。

知道什么时候调用什么Agent。

知道什么任务应该交给AI。

知道什么事情必须自己判断。

知道怎么把：

模型 + Agent + Skill + Tool + 数据

组合成一个真正能够工作的系统。

这可能才是Agent时代真正值得学习的能力。

而Agency Agents，恰好给了我们一个很直观的入口：

先别把AI当成一个聊天机器人。

试着把它当成一家公司。