Agency Agents：把專家角色裝進 AI 工具
圖中這個 repo 是 Agency Agents（The Agency），目標是把前端工程、產品、行銷、業務、測試、資安、財務等職能，整理成可直接交給 AI 工具使用的專家角色。它不是新模型，也不是會自己接案的 AI 公司；核心其實是 Markdown、YAML frontmatter 與具體工作流程，再透過 Shell 轉換器輸出成 Codex TOML、Cursor rules、OpenClaw workspace 等格式。目前官方稱已有 230 多個角色，能協助產出程式碼、產品規格、廣告規劃、研究報告、測試清單與跨部門提案。
現實應用
小型團隊可以拿它補齊暫時缺少的專業視角，例如請 Backend Architect 檢查 API、Paid Media Auditor 找廣告浪費、Product Manager 整理需求，再交給 Project Shepherd 拆執行計畫。接案者、獨立開發者、行銷代理商與企業內部 AI 導入團隊都用得上。官方案例甚至讓 8 個角色同時評估產品機會，整合市場、架構、品牌、UX 與上市策略。
但要講清楚：這些角色本質上是結構化 prompt，不會憑空擁有公司資料、系統權限或真正的產業責任；要落地仍得提供文件、程式碼、數據與審核流程。
期望評估
**低標期望：**我認為至少能省下從零撰寫 system prompt、工作清單和交付模板的時間，也能提醒使用者補問平常容易漏掉的風險與指標。即使不安裝，直接參考角色檔案也有價值。
**高標期望：**我猜經過公司內部資料、工具權限與評估標準客製後，它可以變成一套跨 AI 工具共用的角色庫，讓重複性研究、規格整理、Code Review 與行銷初稿更一致。不過成果上限仍由底層模型、上下文品質及人工驗收決定。
商業策略分析
最直接受影響的是販售單一 prompt 包、通用 AI 顧問模板與低階初稿服務的人，因為 Agency Agents 採 MIT License，企業可自行修改與商用。我認為真正的商業機會不在「角色數量」，而是角色治理、權限控管、企業知識連接、品質評測與更新管理。
值得跟進，但不要把 230 個角色全裝完就當成數位員工上線。比較務實的做法是先挑 3 至 5 個高頻職能，以真實任務比較準確率、修改次數與 token 成本，再決定是否擴大。
實作細節
最簡單是安裝官方 Agency Agents 桌面程式；它以 Tauri 2、Rust、Svelte 5 製作，支援 macOS、Windows、Linux，可瀏覽角色、安裝、更新、偵測檔案漂移及回復變更。官方也強調桌面程式只是安裝管理器，不是 Agent runtime。
命令列使用者可 clone repo 後執行 ./scripts/convert.sh，再用 ./scripts/install.sh 選擇工具與部門。Codex 需執行 ./scripts/convert.sh --tool codex 與 ./scripts/install.sh --tool codex，產生的 TOML 會放進 ~/.codex/agents/。
已知限制包括：部分整合仍只有命令列版本；OpenCode 上游目前約有 119 個 Agent 的註冊上限；Windows 桌面版尚未完成 code signing。官方也提醒安裝前應檢查可執行 Shell scripts，並留意 Agent 定義中的 prompt injection。