中文 | English
一句话，让多个 AI 角色自动协作，几分钟出完整方案。
也是你的「一人公司」：你当老板，AI 当团队——自动组队、重大决策请你签字、按验收标准交付。
一句话出结果 · 276 个专业 AI 角色 · YAML 零代码 · 20+ 家 API（推荐 DeepSeek）· 10 种免 key 方式
📖 完整上手教程（从安装到实战，10 分钟上手） · 🎓 官方配套课程：AI 专家团队实战（35 节免费，桌面端零代码：单兵点名→自动组队→一人公司全流程，含官方评测的诚实用法边界）· 另有 AI 内容流水线（31 节免费——用 AO 产线真实生产两门课的全过程留档：蒸馏、换角色审核、机械闸门、断点续跑，含七类翻车现场）＋ 从零学会 AI 编程（182 节）＋ 从零构建 AI 智能体（40 节）（站上共 13 门课、648 节，全部 ¥0——另有 AI 绘画 / 写小说 / 漫剧 / 量化 / DeepSeek / 深度专注 等）
觉得有用？请点个 Star — 帮助更多人发现这个项目。
网页 Studio：打一句话，AI 自动从 200+ 专家里组队并运行
❤️ 赞助商 🙏 想出现在这里？联系 jnMetaCode@qq.com 赞助
|
感谢 APIMart 赞助了本项目！APIMart 是专注 AI 图片/视频生成的低价 API 平台，GPT-Image-2 低至 $0.006/张，1 美元可出图 160+ 张。图片、视频一套异步 API 通吃，提交任务拿 ID、回调取结果，跑批万张不超时、换模型不改代码。按量付费、无月费，🎁 通过此链接注册即可开用！ |
不想敲命令行？本地跑一条 ao web，浏览器里勾选专家、运行工作流、查看产物、实时介入——全程图形界面，全中英双语。
先跑起来
- 零配置首跑 —— 本机已登录 Claude Code / Gemini CLI 等？AO 自动探测并直接用，连 API key 都不用配
- AI 自动组队 —— 不知道选哪些专家？角色页一句话、不选角色，AI 从全部专家里挑人组队并运行
- 「一人公司」系列模板 —— 做产品 / 做内容 / 做投研 / 方案到代码 + 全员大会；关键步骤带验收标准（
acceptance），投研含老板签字闸门，交付的是可验收的工作成果，不承诺奇迹
改成你要的样子
- 可视化画布 —— 拖拽节点 / 连线（自动防环）/ 改任务与角色 / 保存；运行时节点按状态实时点亮
- 我的角色 + 提示生成 —— 「提示生成」页产出的 system prompt 一键存为自建角色（
~/.ao/roles），组队页「我的」分类直接用；角色卡可 ☆ 收藏常用 - 多语言角色库 ——
npm i agency-agents-ko（ko / ru / pt-br / id / ar）后，Studio「角色库」下拉一键切换，工作流agents_dir写包名即可跑 - 创意库 —— 图片 1500+ 条提示词（229 条策展 + 1275 条扩充池，可搜索 / 分类 / 一键复制，配了 key 直接出图）＋ 视频 76 条（22 个 5 段式题材模板带变量表、6 个可复用构件、48 条社区成品单条）；扩充池点了才加载，不拖慢首屏
- 出片流水线 ——
type: image文生图、type: video文生视频 / 图生视频（首帧 = 上游定妆图，角色不变脸）、type: concat本机 ffmpeg 多镜合成、15 个预设的风格库；内置模板「短剧流水线（3 镜）」把它们串成 剧本 → 定妆图 → 三镜并行出片 → 合成 → 交付页。图片/视频供应商在 Studio 右上角统一切换，换赞助商就是换下拉，按秒计费看得见
跑完把成果发出去
- 🆕 可分享报告页 —— 运行详情一键「分享页」（CLI 为
ao report）：专家分工时间线 + 每步产出的自包含单文件 HTML，直接发群里，对方无需装 AO - 🆕 结果群推送 ——
ao run --notify <webhook>跑完自动推到钉钉 / 飞书 / 企业微信群（按域名自动适配机器人格式），配合 cron 就是"AI 团队每天定点交活" - 🆕 社区模板 —— 工作流页「社区模板」分区：收录制远程清单一键导入（保存前经引擎校验），你的好工作流也可以投稿给所有用户用
只有 AO 有的一件事：安全切换服务商 + 一键急救
把系统 Claude 一键切到任意中转，写进全局配置、任意终端 claude 直接生效——写前自动备份、可一键切回官方登录、绝不碰你的官方 OAuth 凭据。被别的切换器或手改写坏了 ~/.claude（假 token 顶掉登录、整机 CLI 用不了）？「系统 Claude Code 体检」卡一键修复。
别的工具什么都能切，但可能把你环境切坏；AO 只做一件事——安全地切，还能修好被切坏的。
工作流：内置模板一键运行，也能对比多个模板
角色组队：☆ 收藏常用、「我的」自建角色，一键切换多语言角色库（图为韩语库）
启动：
ao web（本地，密钥只存你自己机器、绝不外传）。也有 桌面客户端下载（Electron · macOS / Windows / Linux）。 英文界面同样完整 → 见 English README。
也可以纯命令行——一条命令，一句话出结果：
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
5 个 AI 角色自动分工协作：
工作流: 程序员AI自媒体副业规划
步骤数: 5 | 模型: claude-code
参与者: 🔭 趋势研究员 | 📱 平台分析师 | 💰 财务规划师 | ✍️ 内容策略师 | 📋 执行规划师
──────────────────────────────────────────────────
✅ 🔭 趋势研究员 31.3s → 6个赛道竞争度/变现天花板/AI提效倍数对比
✅ 📱 平台分析师 32.0s → 6大平台三维评分，推荐"小红书+公众号"组合
✅ 💰 财务规划师 31.8s → 月入2万拆解：课程¥11,880 + 社群¥2,488 + 咨询¥4,000
✅ ✍️ 内容策略师 44.6s → 20个选题 + 4套标题模板 + 内容SOP
✅ 📋 执行规划师 42.2s → 90天行动计划，精确到每天做什么
==================================================
完成: 5/5 步 | 182.1s | 6,493 tokens
==================================================
不用写代码，不用写配置，不用选角色。 一句话 → AI 自动拆解任务 → 从 276 个角色中匹配 → 按 DAG 并行执行 → 输出完整方案。
ao compose "帮我分析做一个AI记账工具的可行性" --run # 创业可行性分析
ao compose "对比 Cursor、Windsurf 和 Copilot，给出选择建议" --run # 技术选型报告
ao compose "写一篇关于 AI Agent 趋势的深度文章" --run # 深度长文写作
ao compose "用 10 万块启动一个 AI 教育项目" --run # 商业计划书
ao compose "PR 代码审查，覆盖安全和性能" --run # 代码审查报告
ao compose "设计一个 SaaS 产品的定价策略" --run # 定价分析每个场景自动匹配不同的 AI 角色组合。
跟一个 AI 聊天，它给你一个视角。但做任何决策，你需要产品的视角、技术的视角、财务的视角、营销的视角……
Agency Orchestrator = 让多个 AI 专家各干各的，最后汇总。相当于一个人 vs 一个团队。
| ChatGPT / Claude | CrewAI / LangGraph | Agency Orchestrator | |
|---|---|---|---|
| 角色数 | 1 个通用 | 自己写 | 276 个专业角色 |
| 使用方式 | 对话 | 写 Python | 一句话 / YAML |
| API key | — | 必须 | 支持 key，也有 10 种免 key 方式 |
| 依赖 | — | pip + 几十个包 | npm + 2 个依赖 |
| 并行 | — | 手动建图 | DAG 自动检测 |
| 中文角色 | — | 无 | 276 个 |
| 价格 | 订阅制 | 开源 + API 费 | DeepSeek 甜区极低成本，亦可免 key 起步 |
npm install -g agency-orchestrator装 CLI 还是桌面端？
- 桌面客户端（下载）自带引擎与 Node，双击即用，无需
npm i -g agency-orchestrator。只有想在终端用ao命令、或接进脚本 / CI 时才需要装 CLI。- 用
--provider claude-code（或gemini-cli/codex-cli等）时，需要本机已安装并登录对应 CLI；AO 会自动探测已装的，零配置直接用。用 API key 类（deepseek/openai…）则配好 key 即可，无需装任何 CLI。- 自定义目录：产物 / 数据目录用
AO_DATA_DIR（桌面端默认指向 userData），角色库用AO_AGENTS_DIR，统一工作区用AO_HOME。- Docker / NAS 部署（amd64/arm64）：
docker run -d -p 8088:8088 -v ao-data:/data ghcr.io/jnmetacode/agency-orchestrator:latest，打开http://主机IP:8088，密钥在页面「供应商」里配（存进挂载卷，重启不丢）。也可用仓库根的 docker-compose.yml 一键起。- 把 Studio 暴露到内网时上把锁：启动前设
AO_WEB_TOKEN=<一串口令>，然后用http://<地址>:8088/?token=<口令>打开一次（令牌存进该标签页、随即从地址栏抹掉）。不设 = 现在的行为不变，但监听在非回环地址时启动会提醒你——同一网络内任何人都能用你保存的 key 跑任务。- 通过域名 / 反向代理访问网页版：本机启动的 Studio 只接受
localhost/127.0.0.1的请求（防 DNS 重绑定，别的网页借此偷不到你存的 key）。要用自己的域名访问时，启动前设AO_ALLOWED_HOSTS=studio.example.com（多个用逗号分隔）。Docker 镜像监听0.0.0.0、没有登录鉴权——只放在可信内网，别直接暴露到公网。
# 用你已有的 Claude 会员（无需 API key）
ao compose "帮我分析做一个AI记账工具的可行性" --run --provider claude-code
# 或用 DeepSeek（充 10 块跑很久）
export DEEPSEEK_API_KEY="你的key"
ao compose "帮我分析做一个AI记账工具的可行性" --run# 用 70 个内置模板（57 个中文 + 13 个英文）
ao run workflows/一人公司全员大会.yaml --input idea="帮打工人用AI写简历的求职神器"
ao run workflows/dev/pr-review.yaml -i pr_diff=@changes.diff -i pr_description="修复登录超时"
ao run workflows/story-creation.yaml -i premise="一个程序员发现AI开始回复不该知道的事情"也可以在 Cursor / Claude Code 中直接说"帮我跑一个工作流"——支持 19 个 AI 工具（集成指南）。
大厂 AI 工作台的卖点是"替你操作电脑"。我们的答案是分工：AO 负责想清楚，编程 Agent 负责干出来——方案是多专家评审过的，执行是真实编码 Agent 做的，中间没有黑盒，产物全程归你：
# ① 多专家把需求想清楚（澄清 → 计划 → 项目脚手架），代码块直接落盘成真实文件
ao run workflows/需求转项目脚手架.yaml -i idea="一个自动记账的命令行小工具" --materialize ./my-app
# ② 把 276 个专家角色装进你的编程工具（claude-code / cursor / copilot / workbuddy…）
ao install --tool claude-code --lang zh
# ③ 交给编程 Agent 接着干——脚手架和专家角色都已就位
cd my-app && claude "按计划把项目补全到可运行，并跑通测试"想让方案和代码对得上，用一条流水线从想法走到代码——PRD 和技术方案直接喂给写代码的步骤，最后一步对照「不做清单」查偏差：
ao run workflows/一人公司-方案到代码.yaml -i idea="一个自动记账的命令行小工具" \
-i constraints="Node.js CLI，数据存本地 JSON" --materialize ./my-app每一步产物都在 ao-output/ 与你的项目目录里：可复跑（--resume）、可带意见返工（--feedback）、可出分享报告（ao report）。方案错了改方案、代码错了改代码，永远知道错在哪一层。
$ ao compose "帮我分析抖音短视频赛道的创业机会" --run
工作流: 抖音短视频赛道创业机会分析与商业方案制定
步骤数: 6 | 并发: 2 | 模型: deepseek-chat
参与者: 👔 老板 | 📊 市场调研员 | 🔍 用户研究员 | 🧭 产品经理 | 📣 营销主管 | 💰 财务总监
──────────────────────────────────────────────────
✅ 👔 老板 12.7s → 战略方向与目标用户定位
✅ 📊 市场调研员 45.2s → 7亿日活用户数据、竞争格局分析
✅ 🔍 用户研究员 38.1s → 用户画像、痛点挖掘、付费意愿
✅ 🧭 产品经理 41.3s → MVP功能清单、内容矩阵、变现路径
✅ 📣 营销主管 35.6s → 冷启动方案、投放策略、用户漏斗
✅ 💰 财务总监 28.4s → 150万启动、首年400万收入、盈亏平衡分析
==================================================
完成: 6/6 步 | 233.0s | 65,191 tokens
==================================================
6 个角色中，市场调研员和用户研究员自动并行执行（从 DAG 依赖关系检测）。
用 AO 造出来的完整产品：开片 OpenShorts —— 本地优先的短视频生产线 （口播科普 + AI 短剧两条线，复用 AO 的角色、工作流与视频供应商），官网看真实成片 ↗。
name: "产品需求评审"
agents_dir: "agency-agents-zh"
llm:
provider: "deepseek" # 免 API key: claude-code / antigravity-cli / copilot-cli / codex-cli / openclaw-cli / hermes-cli / codebuddy-cli / cline-cli / opencode-cli / ollama
model: "deepseek-chat"
concurrency: 2
inputs:
- name: prd_content
required: true
steps:
- id: analyze
role: "product/product-manager"
task: "分析以下 PRD，提取核心需求：\n\n{{prd_content}}"
output: requirements
- id: tech_review
role: "engineering/engineering-software-architect"
task: "评估技术可行性：\n\n{{requirements}}"
output: tech_report
depends_on: [analyze]
- id: design_review
role: "design/design-ux-researcher"
task: "评估用户体验风险：\n\n{{requirements}}"
output: design_report
depends_on: [analyze]
- id: summary
role: "product/product-manager"
task: "综合反馈输出结论：\n\n{{tech_report}}\n\n{{design_report}}"
acceptance: "1. 明确给出通过/不通过结论 2. 列出必须解决的问题" # 可选：验收标准，注入 prompt 并作评审依据
assert: # 可选：机械断言（纯函数，不过模型）。模型审内容，脚本审结构
emits_files: 6 # 产出里必须恰好 6 个文件块（与 --materialize 同一套解析）
min_bytes: 2000 # 最小字节数，防截断
matches: { "^## ": 6 } # 正则命中次数（裸模式默认多行）
contains: ["## 验收清单"] # 必须出现的字面串
# 未过 = 定向返工一轮，仍不过则该步失败（缺件产物不放行）
depends_on: [tech_review, design_review]引擎自动：
- 解析 YAML → 构建 DAG（有向无环图）
- 检测并行 —
tech_review和design_review并发执行 - 通过
{{变量}}在步骤间传递输出 - 从 agency-agents-zh 加载角色定义作为 system prompt
- 失败自动重试（指数退避）
- 保存所有输出到
ao-output/
analyze ──→ tech_review ──→ summary
└→ design_review ──┘
(并行)
统计口径（以源码为准）：免 key = 复用已登录订阅的 9 个编码 CLI（Claude Code / Antigravity / Copilot / Codex / OpenClaw / Hermes / CodeBuddy / Cline / OpenCode）+ 本地 Ollama；不含已停服的 Gemini CLI；DeepSeek Harness 需要
DEEPSEEK_API_KEY，不计入免 key。API = 下方官方直连 + 赞助商 / 聚合中转平台（见src/connectors/api-providers.ts），另支持任意 OpenAI 兼容接口。
你已经有这些会员了吧？直接就能跑：
| 你有... | YAML 配置 | 安装 CLI | 额外费用 |
|---|---|---|---|
| Claude Max/Pro（$20/月） | provider: "claude-code" |
npm i -g @anthropic-ai/claude-code |
不花钱 |
provider: "gemini-cli" |
— | ||
| GitHub Copilot（$10/月） | provider: "copilot-cli" |
npm i -g @github/copilot |
不花钱 |
| ChatGPT Plus/Pro（$20/月） | provider: "codex-cli" |
npm i -g @openai/codex |
不花钱 |
| Antigravity 账号（Google，Gemini CLI 继任者） | provider: "antigravity-cli" |
install.sh（二进制 agy） |
不花钱（免费档约 20 次/天） |
| OpenClaw 账号 | provider: "openclaw-cli" |
npm i -g openclaw |
不花钱 |
| Hermes Agent（🔥 NousResearch 热门开源） | provider: "hermes-cli" |
安装指南 | 免费 |
| 腾讯 WorkBuddy / CodeBuddy 会员 | provider: "codebuddy-cli" |
WorkBuddy 桌面版自带（macOS 免装）；或 npm i -g @tencent-ai/codebuddy-code |
不花钱（集成指南） |
| Cline 里已配好的供应商 / 账号 | provider: "cline-cli" |
npm i -g cline + cline auth |
不另配 key（集成指南） |
| OpenCode 里已配好的供应商 / 账号 | provider: "opencode-cli" |
npm i -g opencode-ai + opencode auth login |
不另配 key（集成指南） |
| DeepSeek Harness（dsh，开发者预览） | provider: "dsh-cli" |
npm i -g @deepseek-ai/dsh（Node ≥ 22.15）+ DEEPSEEK_API_KEY |
需要 DeepSeek API key，按 API 计费（集成指南） |
| 一台电脑 | provider: "ollama" |
ollama.ai | 免费（本地模型，见下方提示） |
💡 用 AWS Bedrock / Google Vertex 跑 Claude Code 的（没有 API key，走云凭证）：照样用
provider: "claude-code"， 不用额外配置 —— AO 调的就是你本机的claude命令，CLAUDE_CODE_USE_BEDROCK/AWS_*等环境变量会原样传给它。 只要claude -p "你好"能跑通就行。两个注意点： ① AO 默认在空临时目录里启动claude（避免你项目的 CLAUDE.md、记忆混进角色输出），所以这些配置要放在全局 —— shell 环境变量或~/.claude/settings.json，别只放在某个项目的.claude/settings.json里； ②model留空或写claude-code即可沿用你在 Claude Code 里配的模型；要指定就填 Bedrock/Vertex 的模型 ID。
⚠️ 模型能力决定多智能体的价值：我们用质量评测验证过（见 EVAL_FINDINGS.md，网页版：中文 / English）——DeepSeek 这一档（够强又不贵）上，多智能体产出明显优于单次 prompt；但本地小模型（如 llama3 8B 级）能力不足时，多角色交接反而会放大漂移、产出不如单次。追求质量请用 DeepSeek/Claude/Gemini 等有能力的模型；本地 Ollama 建议用 70B+ 模型。
也支持传统 API key（追求质量推荐 DeepSeek，性价比甜区）：
| 提供商 | 配置 | 环境变量 |
|---|---|---|
| DeepSeek | provider: "deepseek" |
DEEPSEEK_API_KEY |
| 火山引擎（豆包 / Kimi / GLM，赞助商） | provider: "volcengine" |
ARK_API_KEY |
| Claude API | provider: "claude" |
ANTHROPIC_API_KEY |
| OpenAI | provider: "openai" |
OPENAI_API_KEY |
| Gemini（Google 官方 OpenAI 兼容层） | provider: "gemini" |
GOOGLE_GENAI_API_KEY |
| xAI Grok | provider: "xai" |
XAI_API_KEY |
| Moonshot Kimi | provider: "moonshot" |
MOONSHOT_API_KEY |
| 智谱 GLM | provider: "zhipu" |
ZHIPU_API_KEY |
| 通义千问（DashScope 兼容模式） | provider: "qwen" |
DASHSCOPE_API_KEY |
需要代理才能访问的官方 API（OpenAI / Gemini / xAI / Claude 等）：AO 会读
HTTPS_PROXY/HTTP_PROXY/ALL_PROXY自动走代理—— Node 的fetch默认不读这些变量，这正是"curl 能通、AO 连不上"的头号原因，AO 替你接上了。 本机地址（localhost/127.0.0.1等）永远直连，不会被绕进代理，所以 Ollama、Studio 自身不受影响； 你自己写的NO_PROXY会被保留。想彻底关掉这层接管：AO_NO_PROXY=1。
这几家都不预设默认模型（各家模型编码互不通用，写死一个就是给你埋一个"跑起来才发现模型不存在"）： 在 YAML 里写
model:，或在 Studio 供应商页配好 key 后点「获取模型列表」拉真实全量。 Gemini 的 key 变量名特意不叫GEMINI_API_KEY——那个名字被 gemini-cli 占着，共用会把你本机的 CLI 一起改道。
自定义 API（智谱、月之暗面、硅基流动等 OpenAI 兼容 API）：
ao init --provider openai --model 模型名 \
--base-url https://你的API地址/v1 \
--api-key 你的key或手动编辑 .env：
AO_PROVIDER=openai
AO_MODEL=模型名
OPENAI_BASE_URL=https://你的API地址/v1
OPENAI_API_KEY=你的key.env 读两处，优先级：shell 环境变量 > 当前目录 ./.env（项目级） > ~/.ao/.env（用户级）。
配一次就想在任何目录下都生效，写 ~/.ao/.env（和 ~/.ao/teams、~/.ao/prompts 同一个地方）。
常见示例：
| 平台 | base_url | model |
|---|---|---|
| 火山引擎 | https://ark.cn-beijing.volces.com/api/coding/v3 |
ark-code-latest |
| 智谱 AI | https://open.bigmodel.cn/api/paas/v4 |
glm-4 |
| 硅基流动 | https://api.siliconflow.cn/v1 |
deepseek-ai/DeepSeek-V3 |
| 月之暗面 | https://api.moonshot.cn/v1 |
moonshot-v1-8k |
⚠️ 注意：这些平台请使用provider: "openai"，不要用provider: "ollama"。Ollama 仅用于本地模型，不发送 API Key。
💡 网页 Studio 里更简单：「供应商」面板支持直接添加自定义供应商（任意 OpenAI 兼容 endpoint，带 SiliconFlow / OpenRouter / 火山方舟 / 智谱 / Kimi 等常见预设，点一下自动填 base_url），加完即可在顶部下拉切换使用。Claude Code / Gemini CLI / Codex 卡片还支持配置第三方中转（填中转商的 base_url + token，跳过官方账号登录）。
ao demo # 零配置体验多智能体协作
ao init # （可选）复制 276 个中文角色到本地以便编辑
ao init --lang en # （可选）复制 191 个英文角色到本地以便编辑
ao init --workflow # 交互式创建工作流
ao compose "一句话描述" # AI 智能编排工作流
ao compose "一句话描述" --run # 编排并立即执行
ao team save <workflow.yaml> # 把角色阵容存成可复用团队 (Loadout)
ao team list / show / rm # 管理已保存的团队
ao run --team <名字> "新任务" # 用已保存的团队跑新任务（锁定阵容）
ao prompt optimize "提示词" # AI 优化提示词（--save 存为可复用资产）
ao prompt test / list / garden # 测试 / 管理 / 起手模板（提示词沉淀）
ao skills [名字] # 列出/查看可挂到步骤的方法论 skill
ao run <workflow.yaml> [选项] # 执行工作流
ao validate <workflow.yaml> # 校验（不执行）
ao plan <workflow.yaml> # 查看执行计划（DAG）
ao explain <workflow.yaml> # 用自然语言解释执行计划
ao roles # 列出所有角色
ao serve # 启动 MCP Server（供 Claude Code / Cursor 调用）| 参数 | 说明 |
|---|---|
--input key=value |
传入输入变量 |
--input key=@file |
从文件读取变量值 |
--output dir |
输出目录（默认 ao-output/） |
--resume <dir|last> |
从上次运行恢复（加载已完成步骤的输出） |
--from <step-id> |
配合 --resume，从指定步骤重新执行 |
--feedback "意见" |
对话式返工：把修改意见交给 --from 指定的专家，让它带着「上一版产出 + 你的意见」在原稿基础上修改（不指定 --resume 时默认对上一次运行返工） |
--watch |
实时终端进度显示 |
--quiet |
静默模式 |
--compare |
跑完再跑一次「单次基线」并双向盲评，结论与基线产出存进 <运行目录>/compare.md |
--export <格式> |
导出交付物：docx / pdf / xlsx / pptx（给人）或 skill / plan（给编码 agent）。文件写到当前目录、按工作流名命名，同名会覆盖上一次 |
--notify <webhook> |
跑完把结果推到钉钉 / 飞书 / 企业微信 / 通用 webhook（也可用 AO_NOTIFY_URL，适合 cron） |
一句话描述需求，AI 自动从 276 个角色中选角色、设计 DAG、生成完整 workflow YAML：
ao compose "PR 代码审查，要覆盖安全和性能"AI 会自动：
- 从 276 角色中匹配出 Code Reviewer、Security Engineer、Performance Benchmarker
- 设计 DAG（三路并行 → 汇总）
- 生成带
depends_on、变量串联的完整 YAML - 保存到
workflows/— 直接ao run就能跑
支持 --provider 和 --model 参数（默认使用 DeepSeek）。
compose 每次都是临时组队。如果某个角色阵容效果好，把它存成团队，套到任意新任务上——团队只保存「角色阵容」，与具体任务解耦：
# 从一个跑得好的工作流抽出阵容，存成团队
ao team save workflows/tech-blog.yaml --name 技术博客组
# 让整队人接新活（自动用这几个角色重新设计步骤并运行）
ao run --team 技术博客组 "写一篇关于 RISC-V 架构的科普"
ao team list # 查看已保存的团队
ao team show 技术博客组 # 查看阵容构成ao run --team 的本质 = compose 时把可选角色锁定为团队那几个，所以既不会漏人、也不会幻觉出别的角色。团队存在 ~/.ao/teams/*.team.yaml（纯 YAML，可直接拷贝分享），命令行和网页 Studio 共用同一份——Studio 里勾选角色后点「存为团队」，命令行立刻 ao run --team 可用，反之亦然。
自带私有专家：设环境变量
AO_AGENTS_DIR=/你的角色目录，run / compose / roles / web全部改用你自己的角色库。 自建单个角色：放~/.ao/roles/<id>.md（与内置库叠加），工作流里用my/<id>引用；Studio「角色组队 → 我的」可视化增删。 多语言角色库：npm i agency-agents-ko（另有pt-br/ar/id/ru），工作流agents_dir: "agency-agents-ko"，Studio 角色页出现「角色库」下拉。固定全局目录：设
AO_HOME=~/.ao（或任意目录），运行产物ao-output、compose/--team生成的工作流都落到那里，不再随执行目录散落（#20）。也可用AO_OUTPUT_DIR/AO_WORKFLOWS_DIR单独指定。不设则维持原行为（写到当前目录）。
把「靠感觉」的提示词，变成可优化、可测试、可对比、可沉淀的资产：
ao prompt optimize "帮我写个朋友圈文案卖咖啡" --save 咖啡文案 # AI 把它改写成更有效的提示词
ao prompt test "你是专业翻译，只输出译文" --mode system --input "good morning" # 用样例实跑看输出
ao prompt list / show 咖啡文案 # 已保存的提示词 + 版本历史
ao prompt garden # 内置起手模板--mode system|user 区分「角色/系统提示词」和「任务提示词」。优化只产出更好的提示词（不会直接去执行它）。网页 Studio 的「提示词」页还能原版 vs 优化版并排对比 + AI 评分。存在 ~/.ao/prompts/（AO_PROMPTS_DIR 可改），命令行与 Studio 共用。
角色决定「谁来做」，skill 决定「怎么做」。给工作流某一步挂一个 skill（流程剧本），它的方法论会注入该步——比如让代码审查步骤遵循结构化审查法、让实现步骤走 TDD：
steps:
- id: review
role: "engineering/engineering-code-reviewer"
skill: "chinese-code-review" # 单个；或 skills: ["test-driven-development", ...]
task: "审查这段代码 {{code}}"ao skills # 列出全部可用 skill
ao skills test-driven-development # 看某个 skill 的方法论skill 内容直接用开源的 superpowers-zh（MIT，20 个,已作为依赖,零配置）；也可设 AO_SKILLS_DIR=/你的skill目录 挂自己的。
跑完一轮觉得某步不满意？不用从头来。--resume 加载上一轮输出，--from 指定从哪步重跑：
# 第一轮：正常运行
ao run workflows/一人公司全员大会.yaml -i idea="用AI帮小商家做短视频"
# 觉得营销方案不够好？只重跑营销和后续步骤
ao run workflows/一人公司全员大会.yaml --resume last --from marketing_plan
# 只改最终汇总
ao run workflows/一人公司全员大会.yaml --resume last --from ceo_decision每轮输出保存在 ao-output/ 下独立目录，所有版本都保留，随时可以回溯。
| 场景 | 命令 |
|---|---|
| 第一次运行 | ao run workflow.yaml -i key=value |
| 从某步重跑 | ao run workflow.yaml --resume last --from <步骤ID> |
| 只重跑失败的步骤 | ao run workflow.yaml --resume last |
| 基于指定版本重跑 | ao run workflow.yaml --resume ao-output/具体目录/ --from <步骤ID> |
--resume --from 是「让某个专家重做」，但默认是从零重写。如果你只是想说一句「这里改一下」，用 --feedback——它把你的意见 + 这个专家上一版的产出一起交回去，让它在原稿基础上改，而不是推倒重来：
# 觉得故事结尾太平淡 —— 直接跟"写故事"那个专家说怎么改
ao run workflows/story-creation.yaml --from write_story \
--feedback "结尾太平淡，加一个反转，并收束前面埋的伏笔"
# 觉得营销方案不接地气
ao run workflows/一人公司全员大会.yaml --from marketing_plan \
--feedback "预算改成 5000 以内，渠道聚焦小红书 + 私域"不写 --resume 时默认对上一次运行返工（等价于 --resume last）。该专家改完后，它的下游步骤会自动用新产出重跑。
--notify <url> 让工作流跑完自动把结果推到群里——按 webhook 域名自动适配钉钉 / 飞书 / 企业微信自定义机器人的消息格式（其他地址发通用 {text}，Slack 也认），配合系统 cron 就是一条"AI 团队每天定点交活"的流水线：
# 手动跑一次并推送到飞书群
ao run workflows/tech-blog.yaml -i topic="今日 AI 要闻" --notify https://open.feishu.cn/open-apis/bot/v2/hook/xxx
# crontab -e：每天早上 8 点自动生成行业简报并推到钉钉群
0 8 * * * cd ~/work && ao run workflows/tech-blog.yaml -i topic="今日 AI 要闻" --notify https://oapi.dingtalk.com/robot/send?access_token=xxx钉钉机器人若开了"自定义关键词"安全设置，把关键词设为
AO即可（推送文案固定包含）。也可以用环境变量AO_NOTIFY_URL代替参数。推送失败只提示一行，绝不影响运行本身。想看完整产出？ao report last生成可分享的单文件报告页。
跑出满意的成果后，一条命令得到能直接发给任何人的静态页面（专家分工时间线 + 每步产出 + 最终成品，双击即开、无需装 AO）：
ao report # 渲染最近一次运行 → <run>/report.html
ao report <dir> # 渲染指定运行目录网页 Studio 的运行详情里也有「分享页」按钮，一样的效果。
「AI 帮我做完了」——到底做了多少，人插手了多少？账本把这笔账算清楚：
# 工作流之外的人工操作，手记一条（原因四选一：unsupported / quality / judgment / external）
ao ledger add "人工部署到服务器" --reason unsupported --minutes 20 --run last
# 按天汇总：运行数、AI 完成步骤、人工节点、手记、人工耗时、token → AI 自主率（markdown，可直接贴进复盘）
ao ledger report --since 2026-09-22 --out 复盘-账本.md工作流里的 approval / human_input 节点自动计为人工，不用手记；--resume / --feedback 复用的旧步骤不重复计入。账本默认读命令行的运行目录（ao-output）；网页 Studio 的运行记录在 Studio 数据目录下的 ao-output，用 ao ledger report --output <该目录> 指过去。AI 自主率 = AI 完成步骤 ÷（AI 完成步骤 + 人工节点 + 手记介入），按次数算、不按工作量，不折算金额——口径随报告一起输出，不藏。
import { run } from 'agency-orchestrator';
const result = await run('workflow.yaml', {
prd_content: '你的 PRD 内容...',
});
console.log(result.success); // true/false
console.log(result.totalTokens); // { input: 1234, output: 5678 }AI 编程工具（Claude Code、Cursor 等）可通过 MCP 协议直接调用工作流操作，无需手动集成：
ao serve # 启动 MCP stdio 服务器
ao serve --verbose # 带调试日志配置 Claude Code（settings.json）：
{
"mcpServers": {
"agency-orchestrator": {
"command": "npx",
"args": ["agency-orchestrator", "serve"]
}
}
}配置 Cursor（.cursor/mcp.json）：
{
"mcpServers": {
"agency-orchestrator": {
"command": "npx",
"args": ["agency-orchestrator", "serve"]
}
}
}提供 6 个工具：run_workflow、validate_workflow、list_workflows、plan_workflow、compose_workflow、list_roles。
编辑器补全与即时校验：在工作流文件第一行加上
# yaml-language-server: $schema=https://ao.aiolaola.com/schemas/workflow.schema.json，VS Code（装 YAML 扩展）/ JetBrains / Neovim 里就有字段补全、悬停说明和拼写检查——depend_on、type: vidoe这类手误写下去就标红，不用等到运行。离线可指向随包发布的node_modules/agency-orchestrator/schemas/workflow.schema.json。 依赖成环、变量未定义、角色不存在这类跨字段检查仍由ao validate负责。
| 字段 | 类型 | 必填 | 说明 |
|---|---|---|---|
name |
string | 是 | 工作流名称 |
agents_dir |
string | 是 | 角色目录路径 |
llm.provider |
string | 是 | claude-code / gemini-cli / copilot-cli / codex-cli / openclaw-cli / hermes-cli / codebuddy-cli / cline-cli / opencode-cli / dsh-cli / ollama / claude / deepseek / openai |
llm.model |
string | 是 | 模型名称 |
llm.max_tokens |
number | 否 | 默认 4096 |
llm.timeout |
number | 否 | 步骤超时毫秒数（默认 API 120000 / CLI/ollama 600000）。因超时重试时自动 x1.5 递增，上限 3600000。0 表示不限时 |
llm.retry |
number | 否 | 重试次数（默认 3） |
concurrency |
number | 否 | 最大并行步骤数（默认 2） |
inputs |
array | 否 | 输入变量定义 |
steps |
array | 是 | 工作流步骤 |
| 字段 | 类型 | 必填 | 说明 |
|---|---|---|---|
id |
string | 是 | 步骤唯一标识 |
role |
string | 是 | 角色路径（如 "engineering/engineering-sre"） |
task |
string | 是 | 任务描述，支持 {{变量}} |
output |
string | 否 | 输出变量名 |
depends_on |
string[] | 否 | 依赖的步骤 ID |
depends_on_mode |
string | 否 | "all"（默认）或 "any_completed"（任一完成即可） |
condition |
string | 否 | 条件表达式，不满足则跳过（如 "{{var}} contains 技术"） |
type |
string | 否 | "approval" 人工审批节点 / "human_input" 人工输入节点（跑到该步暂停，读取你的输入作为该步产出注入下游） |
prompt |
string | 否 | approval / human_input 节点的提示文本 |
loop |
object | 否 | 循环配置 |
loop.back_to |
string | 否 | 循环回到的步骤 ID |
loop.max_iterations |
number | 否 | 最大循环次数（1-10） |
loop.exit_condition |
string | 否 | 退出条件表达式 |
只列用户会用到的；测试 / 内部用的（AO_WEB_INPUT、AO_NODE、AO_SSY_CATALOG_HOST …）不在此列。
| 变量 | 作用 |
|---|---|
AO_HOME |
统一工作区：产物、生成的工作流、团队、提示词都落到这里（不设 = 当前目录） |
AO_DATA_DIR / AO_OUTPUT_DIR / AO_WORKFLOWS_DIR |
分别指定数据目录（Studio 密钥等）/ 产物目录 / 生成的工作流目录 |
AO_AGENTS_DIR |
替换内置角色库；AO_USER_ROLES_DIR 是叠加的自建角色（my/<id>），默认 ~/.ao/roles |
AO_USER_WORKFLOWS_DIR / AO_TEAMS_DIR / AO_PROMPTS_DIR / AO_SKILLS_DIR / AO_LEDGER_FILE |
Studio 额外工作流目录 / 团队 / 提示词 / 方法论 skill / 人工介入账本的位置 |
AO_PROVIDER / AO_MODEL / AO_API_KEY |
默认供应商 / 模型 / 密钥（优先级：命令行 > 这些 > YAML）；ao init --provider 会写进 .env |
AO_LANG |
界面语言 zh / en |
AO_NOTIFY_URL |
跑完推送到 webhook（钉钉 / 飞书 / 企微自动适配） |
AO_ALLOWED_HOSTS |
Studio 通过域名 / 反向代理访问时的 Host 白名单（逗号分隔） |
AO_WEB_TOKEN |
Studio 的可选访问令牌。设了之后 /api/* 必须带上它；首次用 ?token=<令牌> 打开（存进该标签页并从地址栏抹掉）。不设 = 现有行为不变，但监听在非回环地址时启动会提醒 |
AO_NO_PROXY |
设 1 关闭对 HTTP(S)_PROXY 的接管 |
AO_NON_INTERACTIVE |
设 1 时 approval / human_input 节点不读 stdin、直接失败（ao serve 自动设） |
AO_CLI_INHERIT_CWD |
设 1 让 claude-code / codebuddy 在当前目录启动（默认在空临时目录，避免项目记忆混进产出） |
AO_FFMPEG / AO_FFPROBE |
指定 ffmpeg / ffprobe 路径 |
AO_NO_UPDATE_CHECK / AO_NO_MODEL_HINT / AO_NO_RESUME_HINT |
关掉启动时的新版本提示 / 小模型提示 / 跑完的 resume 提示 |
AO_VERBOSE / AO_DEBUG |
打印 token 用量 / 调试信息 |
AO_STREAM_STALL_MS |
流式响应多久没新数据算卡死（默认 90000） |
每次运行保存到 ao-output/<名称>-<时间戳>/：
ao-output/产品需求评审-2026-03-22/
├── summary.md # 最终步骤输出
├── steps/
│ ├── 1-analyze.md
│ ├── 2-tech_review.md
│ ├── 3-design_review.md
│ └── 4-summary.md
├── assets/ # type: image / video / tts 的产物（png / mp4 / mp3）
├── compare.md # 只有跑了 --compare 才有：评审结论 + 基线用的提示词 + 两份完整产出
├── report.html # 只有跑了 `ao report` 才有：自包含单文件，可直接发给别人
└── metadata.json # 耗时、token 用量、步骤状态
| 模板 | 角色 | 说明 |
|---|---|---|
dev/tech-design-review.yaml |
架构师、后端架构师、安全工程师、代码审查员 | 技术方案评审（设计→并行评审→结论） |
dev/pr-review.yaml |
代码审查员、安全工程师、性能基准师 | PR 评审（3 路并行→汇总） |
dev/tech-debt-audit.yaml |
架构师、代码审查员、测试分析师、Sprint 排序师 | 技术债务审计（并行→优先级排序） |
dev/api-doc-gen.yaml |
技术文档工程师、API 测试员 | API 文档生成（分析→验证→定稿） |
dev/readme-i18n.yaml |
内容创作者、技术文档工程师 | README 国际化 |
dev/security-audit.yaml |
安全工程师、威胁检测工程师 | 安全审计（并行→报告） |
dev/release-checklist.yaml |
SRE、性能基准师、安全工程师、产品经理 | 发布 Go/No-Go 决策 |
| 模板 | 角色 | 说明 |
|---|---|---|
marketing/competitor-analysis.yaml |
趋势研究员、数据分析师、SEO 专家、高管摘要师 | 竞品分析报告（研究→并行分析→摘要） |
marketing/xiaohongshu-content.yaml |
小红书专家、内容创作者、视觉叙事师、小红书运营 | 小红书种草笔记（选题→并行创作→优化） |
marketing/seo-content-matrix.yaml |
SEO 专家、策略师、内容创作者 | SEO 内容矩阵（关键词→策略→批量生成→审核） |
| 模板 | 角色 | 说明 |
|---|---|---|
data/data-pipeline-review.yaml |
数据工程师、数据库优化师、数据分析师 | 数据管道评审 |
data/dashboard-design.yaml |
数据分析师、UX 研究员、UI 设计师 | 仪表盘设计 |
design/requirement-to-plan.yaml |
产品经理、架构师、项目经理 | 需求→技术设计→任务拆分 |
design/ux-review.yaml |
UX 研究员、无障碍审核员、UX 架构师 | UX 评审 |
ops/incident-postmortem.yaml |
事故指挥官、SRE、产品经理 | 事故复盘 |
ops/sre-health-check.yaml |
SRE、性能基准师、基础设施运维师 | SRE 健康检查（3 路并行） |
ops/weekly-report.yaml |
会议助手、内容创作者、高管摘要师 | 周报/月报生成（整理→亮点→定稿） |
| 模板 | 角色 | 说明 |
|---|---|---|
strategy/business-plan.yaml |
趋势研究员、财务预测师、产品经理、高管摘要师 | 商业计划书（市场→并行分析→整合） |
legal/contract-review.yaml |
合同审查专家、法务合规员 | 合同审查（逐条分析→合规检查→意见书） |
hr/interview-questions.yaml |
招聘专家、心理学家、后端架构师 | 面试题设计（维度→并行出题→评分表） |
| 模板 | 角色 | 说明 |
|---|---|---|
product-review.yaml |
产品经理、架构师、UX 研究员 | 产品需求评审 |
content-pipeline.yaml |
策略师、创作者、增长黑客 | 内容创作流水线 |
story-creation.yaml |
叙事学家、心理学家、执笔作者、责任编辑 | 短篇小说：结构 → 人物 → 成稿 → 审读 → 定稿（只交付定稿） |
novel-chapters.yaml |
叙事学家、心理学家、执笔作者 | 中篇小说五章：大纲 + 伏笔清单 → 人物圣经 → 逐章执笔（读上一章全文 + 事实账本）→ 连贯性审校；导出即书稿 |
ai-opinion-article.yaml |
趋势研究员、叙事设计师、心理学家、创作者 | AI 观点长文 |
department-collab/code-review.yaml |
代码审查员、安全工程师 | 代码评审（循环） |
department-collab/hiring-pipeline.yaml |
HR、技术面试官、业务面试官 | 招聘流程 |
department-collab/content-publish.yaml |
内容创作者、品牌守护者 | 内容发布（循环） |
department-collab/incident-response.yaml |
SRE、安全工程师、后端架构师 | 事故响应 |
department-collab/marketing-campaign.yaml |
策略师、创作者、审批人 | 营销活动（人工审批） |
department-collab/ceo-org-delegation.yaml |
CEO、工程/市场/产品/HR 部门负责人 | CEO 组织架构协作（决策→部门并行→汇总） |
一人公司全员大会.yaml |
CEO、市场调研员、用户研究员、产品经理、市场负责人、CFO | 一人公司全员大会（CEO→6 部门并行→决策） |
ai-startup-launch.yaml |
CEO、产品经理、架构师、市场负责人、财务顾问 | SaaS 产品发布决策（CEO→4 部门并行→发布计划） |
你的 AI 会员 ──→ agency-orchestrator ──→ 400+ 个 AI 角色协作 ──→ 高质量输出
│ (276 中文 + 191 英文 + 5 语种)
┌────────────────┼────────────────┐
▼ ▼ ▼
18 个 AI 工具 CLI 模式 MCP Server
(Cursor/Claude (自动化/CI/CD) (Claude Code/
Code/Copilot...) Cursor 直接调用)
| 项目 | 定位 | 一句话 |
|---|---|---|
| 本项目（agency-orchestrator） | 🚀 编排引擎 | 一句话 → 276 专家协作，几分钟出方案（20+ 家 API / 10 种免 key） |
agency-agents-zh  |
🎭 中文角色库 | 276 个即插即用 AI 专家，含 52 中国原创（小红书 / 抖音 / 飞书 / 钉钉） |
| agency-agents | 🎭 英文角色库 | 191 个英文 AI 角色（184 个来自 @msitarzewski，MIT；另 7 个是本项目补的高管层与视频提示词工程师，见 agency-agents/company/NOTICE.md）——已随 npm 包内置，英文任务 ao compose 自动启用，无需单独安装 |
| ko · ru · pt-BR · id · ar | 🌍 多语言角色库 | 各 187 个（184 上游翻译 + 3 本地市场原创），npm i agency-agents-<lang> 后 Studio「角色库」下拉切换 |
superpowers-zh  |
🧠 工作方法论 | 20 个 skills 教 AI 怎么干活（TDD / 调试 / 代码审查等） |
ai-coding-guide  |
📖 实战教程 | 66 个 Claude Code 技巧 + 10 款工具最佳实践 + 可复制配置模板 |
ai-coding-trilogy  |
📚 三卷书 | AI 编程实战三卷书（入门 / 工作流 / 架构），中英双语 PDF，个人免费阅读 |
shellward  |
🛡️ 安全中间件 | 8 层防御 + DLP 数据流 + 注入检测，零依赖（含 MCP Server） |
🆕 ai-shortfilm-prompts  |
🎬 视频提示词 | Mx-Shell《丧尸清道夫》5 段式方法论 + Skill，Seedance / 小云雀 / Sora / 可灵 / 即梦通用 |
🆕 codepet  |
🐾 桌面宠物 | 挂在桌面的桌宠，你写代码 / 用 Claude Code 它就涨经验、升级、换状态、冒话（Electron · 仅读元数据，本地优先） |
 微信扫码关注 |
微信公众号 「AI不止语」（微信搜索
|
- v0.1 — YAML 工作流、DAG 引擎、4 个 LLM 连接器、CLI、实时输出
- v0.2 — 条件分支、循环迭代、人工审批、Resume 断点续跑、5 个部门协作模板
- v0.3 — 9 个 AI 工具集成、20+ 工作流模板、
ao explain、ao init --workflow、--watch模式 - v0.4 — MCP Server 模式（
ao serve）、14 个 AI 工具集成、一键安装脚本、32 个工作流模板、10 种 LLM（7 种免 API key：Claude Code / Gemini / Copilot / Codex / OpenClaw / Hermes / Ollama） - v0.5 —
ao compose --run一句话出结果、实时流式输出、智能重试（指数退避）、步骤级模型覆盖、Agent 身份标识 - v0.6 — Web UI、可视化 DAG 编辑器、英文工作流模板、工作流市场
参见 CONTRIBUTING.md，欢迎 PR！