自从Marek Sitarzewski在GitHub上动手做了这个叫agency-agents的东西，全球开发者就沸腾了，短短七天时间它的Star数就从2.3万冲到了6万多，直接把一众大牌公司在开源项目上砸重金买的流量给比下去了。这种级别的增长在“提示词工程”项目里几乎没见过。之所以这么火，是因为大家都看出来了，靠一个孤零零的大模型根本干不了那些杂活累活。老马也不搞复杂的算法模型，他的想法很实在：直接把代码写成了一个“即插即用的数字外包团队”。他把业务流程拆成了几十个专业角色，比如资深前端、渗透测试员，甚至还有Reddit运营和产品经理，每个Agent都有自己的人设、流程和标准。 这套系统给中小企业带来了极大的方便。自己从头研发多Agent系统太难也太贵，指望通用大模型输出内容又太水。agency-agents提供了一个标准化的专家字典，让中小团队用起来门槛低得多。这个项目之所以能一周干完别人几个月的活，靠的是架构够轻。老马用Markdown做载体，大家写文档一样就能给这个“数字公司”添加新岗位。最近的PR显示，社区已经把Salesforce架构师、n8n工作流编排器甚至Blender插件工程师都加进去了。 这种方式把提示词工程变成了岗位说明书。这种自下而上的做法证明了专业分工还是提高生产力的王道。不过火爆的背后也有不少问题。agency-agents现在还在从玩具变工具的阵痛期。在Windows下Python和PowerShell打架是高频报错点；面对大数据和多Agent并行时性能瓶颈明显；企业最关心的数据隔离和权限管控还不彻底。好在老马团队反馈很快，正在推动修复。 这个项目彻底揭穿了大模型能解决一切的谎言。过去两年行业都在卷参数想造个全知大脑，但到了今年落地阶段大家发现，雇一排只懂特定流程的专才比养一个偶尔胡说八道的通才强太多了。这不光是一次GitHub榜单的变动，它标志着AI应用的重心从通用对话转向了专业分工协作。等这些数字员工标准化、插件化之后，中小团队的组织架构和成本算法都会被彻底改写。（本文首发钛媒体APP，作者 | AGI-Signal，编辑 | 赵虹宇）