一個名為 agency-agents 的開源項目在 GitHub 爆紅，累積超過 8.4 萬顆星。它收錄 144 個以上的 AI「員工」人設，分屬工程、設計、行銷等 12 個部門，每個人設均附帶性格設定、工作流程與可衡量的成果指標，支援 Claude Code、Cursor 等十多種 AI 開發工具。
（前情提要：Google 組菁英戰隊追趕 Anthropic，連自家工程師都在偷用 Claude Code）
（背景補充：Google DeepMind 與 MIT 聯合開發 AI 代理 CoDaS：可自主進行科學研究，寫論文只要 8 小時）
每個員工都有名字、性格和 KPI。最近在 GitHub 上，一個叫 agency-agents 的開源專案用這個邏輯，描述了 144 個以上的 AI，並累積了超過 8.4 萬顆星、1.3 萬次 fork 爆紅。
這不是一個新的 AI 模型，也不是複雜的協調框架。核心資產是一批 Markdown 檔案，每份檔案是一個 AI 員工的入職手冊，定義了它是誰、怎麼工作、最終交付什麼成果。
一條指令，部署整支 AI 員工隊伍
安裝這個專案只需要一條指令，它會把 agent 設定檔自動部署到對應的 AI 開發工具目錄。目前支援 Claude Code、GitHub Copilot、Cursor、Aider、Windsurf 等十多種主流 AI 程式編輯器。
安裝完成後，開發者可以直接以角色名稱呼叫對應的 AI，讓它以特定的職業姿態回應需求。
整個資料庫分為 12 個部門：工程、設計、付費媒體、銷售、行銷、產品、專案管理、測試、客戶支援、空間運算、遊戲開發，以及學術研究。144 個以上的 agent 各有專屬的領域知識與工作定位。
工程部門單獨就有 27 個 agent，涵蓋前端、後端、行動、AI、DevOps、資安、智能合約，以及緊急事故指揮官。行銷部門有 25 個，其中包含針對 TikTok、Reddit、微信、小紅書、抖音的平台專屬角色。
是 HR 檔案的 AI 版
傳統的 AI 使用方式是提示詞工程：寫一段說明，告訴 AI 要做什麼。
agency-agents 的架構更加優化。每個人設檔案包含四個核心部分：領域專業知識（domain expertise）、性格與溝通風格（personality）、具體交付物（deliverables），以及可衡量的成功指標（success metrics）。
簡單來說，這就像一份 HR 的職位說明書。前端工程師 agent 不只懂 HTML 和 CSS，它有自己偏好的架構哲學；付費媒體策略師 agent 不只執行廣告操作，它遵循一套固定的審核流程和成效評估框架。
備註：專案採用 MIT 授權，個人與商業用途均可免費使用，且不限制二次改作。
8 個部門同時上工
專案內還收錄了一個名為「Nexus Spatial Discovery」的完整案例：8 個來自不同部門的 agent 在同一個產品探索任務上並行工作，沒有人工協調介入。
最終輸出包含：市場驗證與競爭分析、完整的系統架構（含 SQL schema）、品牌策略與視覺識別方向、市場進入計畫與定價方案、客戶支援與社群建設藍圖、使用者體驗人設與旅程地圖，以及一份 35 週執行計畫、65 張 sprint 工單。
multi-agent 的意思就是讓「多個 AI 同時分工作業」。這相當於一個完整的跨部門產品探索 sprint，通常需要一支小組花幾週完成，不過在這個案例裡，由 AI 並行處理完成。
8.4 萬顆星背後，是開發者對一個問題的集體回應：我不需要一個更聰明的 AI 助理，我需要一支分工明確的 AI 團隊。AI 協作的基本單位，正在從「問一個問題」進化成「分配一個專案」。
當 AI 有了角色、職責與績效標準，它和人類的工作關係，開始更像管理，而不只是使用。下一步，可能是學會當一個好的 AI 主管。
📍相關報導📍
Google 組菁英戰隊追趕 Anthropic，連自家工程師都在偷用 Claude Code
Google DeepMind 與 MIT 聯合開發 AI 代理 CoDaS：可自主進行科學研究，寫論文只要 8 小時
