144 個 AI 員工開源釋出：agency-agents 如何用 Markdown 人設庫顛覆 AI Agent 開發
一句話總結
agency-agents 不是另一個 Agent 框架，而是一套精心設計的 Markdown 人設庫——144+ 個 AI 員工角色，涵蓋 12 個專業部門，每個角色附帶完整的性格設定、工作流程、KPI 和交付物清單。直接複製貼上到 Claude Code / Cursor / Codex 的 system prompt 即可使用。84,000+ GitHub stars，2026 年成長最快的 AI repo 之一。
核心洞察
1. 框架疲勞下的務實轉向
2026 上半年，開發者被 LangChain、CrewAI、AutoGen、Dify、n8n 等數十個 Agent 框架轟炸。每個框架都有自己的 DSL、自己的抽象層、自己的學習曲線。agency-agents 的精妙之處在於：它根本不用框架。它只提供純文字 prompt，依賴 coding agent 自身的推理能力來執行角色。這是一種「薄層」哲學——與其疊加複雜的 orchestration 層，不如把精力花在精心設計 agent 的行為規格。
2. Persona Engineering 成為新工藝
如果 2024–2025 年是 Prompt Engineering 的時代，2026 年開始浮現的新趨勢是 Persona Engineering——系統性地設計 AI 代理人的性格、專業邊界、決策偏好和輸出格式。agency-agents 將這門工藝產品化：每個角色都是經過實戰驗證的規格書，而非憑空想像的「說明書」。
例如「Frontend Wizard」不只是「擅長前端開發」，而是包含：
- 強制執行的 accessibility 檢查流程（WCAG 2.1 AA）
- 行動優先的 responsive design 規範
- Lighthouse performance ≥ 90 的量化 KPI
- 交付物格式：component code + Storybook story + unit test
這種規格等級讓 Persona 從「建議」升級為「合約」。
3. 一人代理商模式（Solo-Agency Pattern）
這是本文最值得關注的趨勢：單一開發者 + 一個 coding agent + agency-agents 人設庫 = 一間功能完整的數位代理商。在同一個 session 中切換 persona，你可以讓 Claude Code 先以「Backend Architect」設計 API，再以「Code Reviewer」檢查程式碼，然後以「Technical Writer」撰寫文檔，最後以「DevOps Engineer」編寫 Dockerfile 和 CI pipeline。
這不是科幻——這是今天就能做到的事。關鍵限制仍是 token 上下文長度和模型幻覺率，但隨著 Gemini 3.5 / Qwen3.6 / Hermes 等新一代模型的上下文窗口擴展到 1M+ tokens，多角色協作的可行性正在快速提高。
12 個部門架構解讀
| 部門 | 代表性角色 | 實戰價值 |
|---|---|---|
| Engineering | Frontend Wizard, Backend Architect, Mobile Developer | ⭐ 最高 — 直接產出程式碼 |
| Design | UI/UX Designer, Design System Maintainer | ⭐ 高 — 生成設計規格和元件庫 |
| Content & Copy | Copywriter, Technical Writer, Translator | ⭐ 高 — 文件與行銷文案雙修 |
| Marketing & Growth | Growth Hacker, Email Marketing Specialist | ⭐ 中高 — 策略建議為主 |
| SEO & Analytics | SEO Strategist, Data Analyst | ⭐ 高 — 數據驅動決策輔助 |
| Social & Community | Reddit Community Ninja, Twitter/X Manager | ⭐ 中 — 適合內容排程 |
| Product | Product Manager, Scrum Master | ⭐ 中高 — 需求管理和 sprint 規劃 |
| Operations | DevOps Engineer, SRE, Security Auditor | ⭐ 高 — 基礎設施即程式碼 |
| Research | AI Researcher, Market Researcher | ⭐ 中 — 文獻綜述和競品分析 |
| Sales | Sales Development Rep, Solutions Engineer | ⭐ 中 — 銷售劇本和提案 |
| Legal & Compliance | Privacy Officer, Contract Reviewer | ⭐ 低 — 需人工最終審核 |
| Finance | Financial Analyst, Pricing Strategist | ⭐ 中 — 模型和試算輔助 |
對 Hermes Agent 使用者的啟示
agency-agents 的人格化設計與 Hermes Agent 的 skill 系統存在天然的互補關係：
- Hermes skills 定義「做什麼」（what to do）——結構化的工具呼叫、流程、檢查清單
- agency-agents persona 定義「怎麼做」（how to approach）——風格、優先級、決策偏好
將兩者結合：用 agency-agents 的 persona 作為 Hermes Agent 的 system prompt 基底，再用 Hermes 的 skill 系統執行結構化任務。這可能是 2026 下半年 local-first agent 開發的最佳實踐組合。
風險與限制
- 品質依賴底層模型：Persona 是 prompt，不是程式碼。如果底層模型（如 Claude 或 Gemini）對某領域的知識薄弱，persona 無法彌補
- 幻覺放大：多角色協作時，一個角色的幻覺輸出可能成為下一個角色的輸入，形成錯誤鏈
- Token 成本：144 個 persona 全部載入一個 session 並不實際——每個 persona 的 prompt 約 500–2000 tokens，需要按需載入
- 缺乏狀態共享：角色之間沒有原生的記憶共享機制，需要依賴 coding agent 自身的上下文管理
結論
agency-agents 的 84K stars 不是炒作——它反映了一個真實的市場需求：開發者不想再學另一個框架，他們需要的是立即可用的專業知識模板。這是一個「內容即工具」的典範。如果你已經在使用 Claude Code 或 Cursor 進行日常開發，花 10 分鐘挑選 3–5 個適合你工作流的 persona，你的 AI 助手會立刻從「通用助手」升級為「專業團隊」。
🔗 GitHub: github.com/msitarzewski/agency-agents (MIT License)
🔗 來源: BlockTempo 報導