事件
GitHub 上的开源项目 agency-agents 近期爆火，Star 数已突破 9.2k。该项目核心卖点极其直接：提供 211 位满编 AI 专家，可即插即用地注入到你的本地 Agent 中。
不同于一般的 prompt 集合，agency-agents 的每个专家角色都带有独立的工作流定义——不仅仅是”你是一个资深前端工程师”，而是包含完整的任务拆解、工具调用序列、质量检查标准和输出格式规范。
为什么值得关注
当前 AI Agent 生态面临一个核心瓶颈：通用模型很强，但垂直任务需要专业 prompt 工程。大多数用户要么手捏提示词，要么从零编写 Agent 技能——这两者都耗时且难以复用。
agency-agents 直接切中这一痛点，将 211 个专家角色打包成可复用的模块。你可以在 Hermes Agent 中加载一个”SEO 内容策略师”专家，在 OpenClaw 中注入一个”代码审查专家”，每个专家自带工作流，开箱即用。
核心功能拆解
211 位专家覆盖全栈
项目涵盖的专家角色横跨多个领域：
- 开发类：前端架构师、后端工程师、DevOps 专家、SRE 工程师、数据库优化师
- 产品类：产品经理、UX 研究员、增长策略师、数据分析师
- 内容类：SEO 内容策略师、技术写手、翻译专家、社交媒体运营
- 商业类：商业分析师、市场研究员、竞品分析师、财务顾问
每个专家都有完整的 CLAUDE.md/.hermes/skills 风格的配置文件，可以直接映射到主流 Agent 框架的技能系统。
独立灵魂：工作流即代码
agency-agents 的真正杀手锏在于工作流定义。以”前端架构师”为例，其工作流不仅仅是角色设定，而是包含：
- 任务分析阶段：理解需求、识别技术约束、评估风险
- 方案设计阶段：架构选型、组件设计、状态管理方案
- 实现阶段：代码生成、测试编写、文档输出
- 审查阶段：性能审计、安全扫描、可访问性检查
这种结构化的工作流让 Agent 的执行从”随机发挥”变为”按章操作”，大幅降低了幻觉率和输出质量波动。
即插即用架构
项目设计为框架无关的专家包。你可以：
- 直接复制专家配置文件到 Hermes Agent 的 skills 目录
- 通过 MCP Server 接口将专家接入 OpenClaw
- 作为独立 prompt 模板在 Claude Code 中使用
这种设计哲学与当前 Agent 生态的”技能市场”趋势高度一致——专家角色本质上就是可交易的 Agent 技能资产。
对开发者的意义
如果你正在使用 Hermes Agent 或 OpenClaw 搭建本地 AI 工作流，agency-agents 提供了一条跳过 prompt 工程的捷径。不需要从零编写每个角色的系统提示词，直接导入专家包即可。
对于团队而言，这相当于建立了一个AI 专家库——每个团队成员都可以按需调用不同领域的专家，而不需要每个人都成为 prompt 工程师。
信号与验证
- GitHub 9.2k Star 证明市场需求真实存在
- 211 个专家角色的数量规模远超同类项目（通常为 10-50 个）
- 工作流定义的结构化程度高于简单 prompt 集合
- 与当前 Agent 框架的技能化趋势（Hermes Skills、OpenClaw Computer Use、Google Agent Skills）方向一致
行动建议
- 立即试用：克隆 repo，选 2-3 个与你日常任务最相关的专家注入你的 Agent
- 评估效果：对比使用专家前后，相同任务的输出质量和耗时差异
- 自定义扩展：基于现有专家模板，创建你自己领域的专家角色
- 团队共享：将验证有效的专家配置推送到团队的共享 skills 目录