在 GitHub 的開源世界里，很少有純粹的“提示詞工程”項目能跑出基礎(chǔ)設(shè)施級別的增速。
截至 2026 年 3 月 24 日，由開發(fā)者 Marek Sitarzewski 發(fā)起的項目 agency-agents，星標（Star）總數(shù)已突破 6萬枚。在過去七天內(nèi)，它凈增了超過 2.3 萬個星標，直接擠掉了一眾砸下重金做宣發(fā)的大廠開源項目，登頂全球 GitHub 周增長榜首。
這不是一次無腦的流量跟風。在筆者看來，這反映了當前 AI 開發(fā)者和中小企業(yè)最真實的業(yè)務(wù)焦慮：單一的通用大模型，根本干不了復(fù)雜專業(yè)的“臟活累活”。
agency-agents 沒有去卷底層的算法模型，它的核心邏輯非常實在：用代碼構(gòu)建了一個“即插即用的全功能 AI 外包機構(gòu)”。
它將復(fù)雜的業(yè)務(wù)流程，拆解成了幾十個高度專業(yè)化的角色。從資深前端工程師、滲透測試員，到 Reddit 社區(qū)運營和產(chǎn)品經(jīng)理，每個代理（Agent）都擁有獨立的人設(shè)、工作流和嚴格的交付標準。甚至連營銷代理，都內(nèi)置了針對中國市場的本地化策略。
這筆賬算得很清楚。企業(yè)如果自己從頭研發(fā)一套多 Agent 協(xié)作系統(tǒng)，成本極高且周期漫長；而指望一個通用的對話框包打天下，輸出的內(nèi)容往往流于表面。agency-agents 提供的是一套標準化的專家矩陣字典，直接拉低了中小團隊使用多智能體協(xié)作的部署門檻。
這個項目之所以能在一周內(nèi)完成傳統(tǒng)項目數(shù)月的功能積累，靠的是極輕的架構(gòu)設(shè)計。
Marek Sitarzewski 選了最沒有門檻的 Markdown 作為核心載體，這讓全球的開發(fā)者可以像寫文檔一樣，給這個“數(shù)字公司”不斷增加新崗位。近期的合并請求（PR）顯示，社區(qū)已經(jīng)給它塞進了 Salesforce 架構(gòu)師、n8n 工作流編排器，甚至 Blender 插件開發(fā)工程師。
在這里，提示詞工程不再是教你“怎么跟 AI 聊天”，而是變成了一份份標準化的“崗位說明書”。這種自下而上的迭代，印證了專業(yè)分工在 AI 時代依然是提升生產(chǎn)力的最有效路徑。
當然，流量掩蓋不了一些極其現(xiàn)實的工程阻力。agency-agents 目前正處于從“極客玩具”向“企業(yè)級生產(chǎn)工具”過渡的陣痛期。
項目在多端部署上暴露出了一系列摩擦：Windows 環(huán)境下 PowerShell 與 Python 的路徑?jīng)_突成了高頻報錯區(qū)；當面對大規(guī)模數(shù)據(jù)集和多 Agent 并行執(zhí)行時，計算的性能瓶頸開始顯現(xiàn)；而在企業(yè)最看重的層面，多代理配合時的數(shù)據(jù)隔離和權(quán)限管控依然是個半成品。
好在開源社區(qū)的治理反饋夠快。Marek 團隊親自下場參與安全分類討論、推動單文件輸出修復(fù)，試圖盡快把這套“草臺班子”規(guī)范化，以適配企業(yè)級的合規(guī)需求。
agency-agents 的爆火，徹底扯下了大模型“一個對話框解決一切”的全能遮羞布。
過去的兩年，行業(yè)都在卷參數(shù)，試圖打造一個無所不知的超級大腦。但到了 2026 年的落地深水區(qū)，企業(yè)發(fā)現(xiàn)，與其養(yǎng)一個高高在上、偶爾胡言亂語的“通才”，不如雇傭一排只懂特定流程、干活嚴絲合縫的“專才”。
這不只是一次 GitHub 榜單的洗牌，它標志著 AI 應(yīng)用的重心，正從“通用對話”全面轉(zhuǎn)向“專業(yè)分工協(xié)作”。當這些按需組合的數(shù)字員工標準化、插件化之后，中小團隊的組織架構(gòu)和人力成本計算方式，將被徹底重寫。（本文首發(fā)鈦媒體APP，作者 | AGI-Signal，編輯 | 趙虹宇）
快報
根據(jù)《網(wǎng)絡(luò)安全法》實名制要求，請綁定手機號后發(fā)表評論
外行人的胡言亂語。提示詞本身就是用于對大模型進行引導，提示詞不同輸出結(jié)果天壤之分，多agents的多輪對話、agents相互協(xié)調(diào)支持和驗證也是大型項目推薦的方案。普通人用大模型有很多的模糊性，但又要求快速出結(jié)果，所以用通用型也理所應(yīng)當。