一个 GitHub 仓库里藏了 263 个 AI 专家，我全试了一遍

说个让我失眠的事。

昨晚翻 GitHub Trends，看到一个仓库叫 agency-agents。标题写的是"A complete AI agency at your fingertips"——指尖上有一个完整的 AI 代理机构。

我心里咯噔一下。263 个 AI Agent，16 个业务部门。从后端架构师到抖音运营策略师，从智能合约工程师到小红书运营专家，从金融分析师到游戏开发工程师。

我心想这又是标题党。点进去，下不来了。

我花了两个小时——先读 README，然后一个一个部门翻，打开 Agent 档案看真内容。不是贴标签式的 263 个 prompt 模板。每个 Agent 有自己的性格特征、工作流程、交付标准、技术范例。是 263 份独立的专家档案，各有各的脾气。

失眠不是因为工具厉害，是因为一个念头：如果 263 个都是真的，那我现在能一个人撑起一家公司。

先给你一个评分概览。我按 6 个维度打的：

跟同类对比一下：

数量差了 10 倍不止。但这不是重点——重点是我打开了几个档案，发现这些角色是真的有血有肉。

我先不装其他工具，直接 git clone 了仓库，在本地一个个看文件。

Engineering 档案：我打开了一个真实的 Agent 文件

我第一个打开的是 Engineering 部门，里面的 Embedded Firmware Engineer。

这 Agent 的身份描述写得很清楚："写生产级固件，硬件不能崩的那种。" 语气有了。

往下翻，它真的给出了代码。

ESP-IDF 的 FreeRTOS 任务模板是完整的——定义了任务栈大小、优先级、队列句柄、发送逻辑。STM32 的 LL 驱动 SPI 传输是逐行写的，不是伪代码：

void spi_write_byte(SPI_TypeDef *spi, uint8_t data) {
    while (!LL_SPI_IsActiveFlag_TXE(spi));
    LL_SPI_TransmitData8(spi, data);
    while (LL_SPI_IsActiveFlag_BSY(spi));
}

Nordic nRF 的 BLE 广播配置也是完整的——devicetree、Kconfig、advertising data 结构体都有。

PlatformIO 的 platformio.ini 模板甚至标注了一句："production builds should pin library versions — never use @latest。" 这是踩过坑的人写的。

这根本不是泛泛的 prompt。这是一个嵌入式工程师的生产力工具集，每一步都是可执行的代码。

我看了第二个档案。Section 508 Accessibility Specialist——专做美国联邦政府无障碍合规的 Agent。

它的档案里写了完整的 5 步工作流程：从确认合规目标（508条 vs ADA第二章 vs WCAG 2.1 AA 作为最佳实践），到手动键盘 + 辅助技术测试，到从根源修复（"never use accessibility overlays"），到 VPAT 合规报告撰写。

最有意思的是它对自己的定位描述："不相信一个全绿的 axe 评分。戴上耳机，用 JAWS 和 NVDA 驱动页面，拔掉鼠标，用键盘 Tab 键遍历每一个流程——因为自动化扫描仪抓不到的 30% 的障碍，恰恰是锁住屏幕阅读器用户的那些。"

看了这两个档案，我确认了一件事：这个仓库不是花架子。每个 Agent 是真有料。

Marketing 部门更离谱

40 多个 Agent。而且针对中国市场做了十几个专项：小红书运营、抖音策略师、知乎策略师、百度 SEO、B 站、微博、快手、微信公众号、跨境电商、私域流量运营。

作为一个经常跟海外团队说"这个中国市场你们不懂"的人，看到这个是真绷不住。一个开源项目的中国区 Agent 策略师，比我见过的不少出海公司的本地化方案还全。

Xiaohongshu Specialist 的档案里写了内容策略、用户增长方法、算法优化建议。Douyin Strategist 写了短视频节奏、直播电商运营、dou+ 投放策略。

我让其中一个 Agent（Content Creator）帮我写一段推广文案。它给了三个版本：一个理性数据驱动，适合知乎；一个感性故事驱动，适合小红书；一个诙谐吐槽驱动，适合即刻。每个还附带发布建议。

其他几个惊喜

Sales 部门 11 个。Cold Email 节奏有专项 Agent，每一步的触达时间、话术框架、跟进频率——全部写好了。

Design 部门有个叫 Whimsy Injector 的角色，专门给产品增加趣味微交互。这个角色名字本身让我笑了半分钟。

Multi-Agent Systems Architect 专门做多代理拓扑、上下文设计、故障恢复，跟我们现在 9 人写作团队协同的思路完全一致。

安装有两种方式：桌面应用（Windows/Mac/Linux 一键装），或者命令行装到 Claude Code、Cursor、Copilot、Codex 里。

我本地试了一下：git clone 拉下来，找了一个 Agent 的 .md 文件直接读取——不需要任何额外工具，每个 Agent 就是一个完整的自包含文档。这就是"渐进式披露"的设计：只需要的时候加载需要的 Agent。

槽点也直说

263 个是真的太多了。我第一次打开 Engineering 目录下 54 个文件，有点不知道该从哪个开始。系统缺一个引导——你是开发者？产品经理？营销人？应该先看哪些。

我的建议：从你本行开始。技术背景的先看 Engineering 的 50 多个，里面有得一通翻。非技术背景的先看 Marketing 或 Product，那里更有用。不用一上来就想啃完 263 个。

一句话结论：适合想要一个全能 AI 专家团队的人——开发者、创业者、产品经理、营销人都能找到对口的 Agent。不适合只需要一两个固定工具的人，263 个选择对你来说是噪音。

我把这个项目放到 aibounty 上了，就是那个每天帮我从九个社区筛 AI 工具的小站。不喊口号不贴标签，每天摸清楚一个工具到底有没有用。

一个开源仓库里藏了 263 个有血有肉的 AI 专家——这件事本身就值得细想。

你缺哪个角色的 AI 帮手？在 aibounty 上告诉我也行，我下期多找几个同类型的对比看看。