从零写第一个 AI 工作流Agency Orchestrator YAML 基础完整教程含 DAG 并行与变量传递【免费下载链接】agency-orchestrator One sentence → your one-person company of AI experts → complete deliverable in minutes. 276 CN 184 EN 5 more languages (ko/ru/pt-BR/id/ar) · zero-code YAML · auto-verified acceptance · Web Studio / Desktop / Docker · 15 LLM providers (11 key-free). 一句话组建你的「一人公司」AI 专家团队几分钟交付完整方案验收自动核验网页 / 桌面 / Docker 全渠道。项目地址: https://gitcode.com/gh_mirrors/ag/agency-orchestratorAgency Orchestrator 是一个「零代码 YAML 多智能体编排引擎」把一句话需求交给它它自动从 276 个中文 AI 专家角色中组队按 DAG有向无环图并行执行多个步骤并用{{变量}}在角色间传递产出几分钟交付一份可验收的完整方案。本文是面向新手的完整教程——从安装到写出第一个工作流重点讲透两件事DAG 并行与变量传递。为什么是 Agency Orchestrator而不是直接问一个 AI问一个 AI你只得到一个视角做一份方案往往需要产品、技术、财务、营销多个视角的交叉验证。Agency Orchestrator 的思路是你当老板AI 当团队——每个步骤绑定一个专家角色system prompt 由角色库自动注入步骤之间的先后与并行由 DAG 自动推导最终产物落到本地目录。下图是纯命令行的运行效果一句话 → 5 个专家角色自动分工 → 一份完整规划安装 Agency Orchestrator30 秒准备环境一条命令安装 CLInpm install -g agency-orchestrator没有 API key 也能跑本机已登录 Claude Code / Copilot / Codex 等编码 CLI 的话AO 会自动探测并直接使用provider写claude-code等即可共 10 种免 key 方式有 key 则推荐 DeepSeek性价比最高。装好后先跑两条「零配置」命令感受下ao demo # 零配置体验多智能体协作 ao roles # 查看全部可用专家角色认识工作流 YAML一张全景图工作流就是一个 YAML 文件放在任意位置用ao run执行。仓库内置了 70 个模板可直接抄作业强烈建议先打开一两个对照本文阅读workflows/tech-blog.yaml —— 线性流水线调研 → 大纲 → 正文 → 润色workflows/product-review.yaml —— 含 DAG 并行技术评审 / 设计评审两条支路workflows/department-collab/marketing-campaign.yaml —— 含人工审批与条件分支不想敲命令行ao web启动网页 Studio在「工作流模板」页勾选模板一键运行、查看每步产物第一个工作流5 个核心字段逐个拆解下面是最小可运行的完整工作流——产品经理拆解 PRD架构师与 UX 研究员并行评审最后汇总。建议直接照着结构仿写name: 产品需求评审 agents_dir: agency-agents-zh # 角色库276 个中文专家 llm: provider: deepseek # 或用 claude-code 等免 key 方式 model: deepseek-chat concurrency: 2 # 最大并行步骤数默认 2 inputs: # 外部输入变量运行时用 -i 传入 - name: prd_content description: PRD 文档内容 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 # 本步产出 → 变量 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: 综合两份评审给出结论\n\n{{tech_report}}\n\n{{design_report}} output: final_report depends_on: [tech_review, design_review]五个字段各司其职字段位置一句话理解name/agents_dir全局工作流名字 用哪本「专家通讯录」llm全局用哪家模型干活concurrency全局同时最多几步「开工」inputs全局运行时从外部喂进来的原料steps全局干活的步骤列表每步 idroletaskoutput 可选depends_on想偷懒ao init --workflow可以交互式生成骨架ao compose 一句话需求则让 AI 直接替你写好整个 YAML。变量传递用 {{变量}} 把每一步串成流水线多智能体协作的核心机制就一条规则步骤的output声明产出变量名下游步骤在task里用{{变量名}}引用。上面例子里的数据流prd_content外部输入→ requirements → tech_report / design_report → final_report几个实用细节一个变量可以被多个步骤引用tech_review和design_review都引用了{{requirements}}同一份分析喂给两位专家互不重复。输入变量带默认值inputs里写default: 中级技术开发者后不传该参数也能直接跑参考 workflows/tech-blog.yaml 的audience字段。变量名要可读research_brief、tech_report这类命名日后看运行日志和ao explain输出时一目了然。角色从哪来ao roles列出全部角色格式为领域/角色名也可以在 Studio 角色页按领域浏览、收藏常用角色DAG 并行depends_on 决定「谁等谁」这是 Agency Orchestrator 最有价值的机制。引擎把steps解析成 DAG规则很简单没写depends_on的步骤启动即执行多个无依赖步骤天然并行写了depends_on的步骤等所有依赖步骤完成后再执行同层的步骤互不依赖自动并发并发上限由concurrency控制。上一节例子的 DAG 长这样「技术评审」与「设计评审」并行总耗时 ≈ 串行的一半analyze ──→ tech_review ──→ summary └→ design_review ──┘ (这两步并行)对应到真实执行计划ao plan会按「层级」输出同层即并行组。想看它是怎么算的可以读一下拓扑排序源码 src/core/dag.ts——注释里就写着A → B → D / A → C → D会分出[[A], [B,C], [D]]三层。在 Studio 的可视化画布里DAG 是拖拽节点连线自动防环运行时节点按状态实时点亮哪步卡住一眼可见⚠️唯一硬性规则依赖不能成环A 等 B、B 又等 A。写循环请用loop字段见下节。进阶三板斧条件分支、循环、人工审批掌握基础字段后三个可选字段让你的工作流从「流水线」升级为「有决策的流程」完整字段表见 schemas/workflow.schema.json1️⃣ 条件分支condition—— 不满足就跳过该步。workflows/department-collab/marketing-campaign.yaml 里的人工审批节点- id: channel_plan condition: {{approval_result}} contains yes # 老板没批 yes这步直接跳过2️⃣ 循环loop—— 「实现 → 复核 → 修复 → 再复核」直到通过。workflows/codex-cc-loop.yaml 是完整范例- id: fix loop: back_to: review # 跳回复核步骤 max_iterations: 3 # 最多 3 轮防死循环 exit_condition: {{review_result}} contains APPROVED3️⃣ 人工节点type: approval/type: human_input—— 跑到该步会暂停等你在终端输入批准 / 补充信息后才继续把关键决策权留在你手里。校验与运行最快上手路径ao validate workflows/product-review.yaml # 只校验不执行查成环、变量未定义、角色不存在 ao plan workflows/product-review.yaml # 查看 DAG 执行计划哪些步骤并行 ao explain workflows/product-review.yaml # 用自然语言解释这份工作流 ao run workflows/product-review.yaml -i prd_contentmy-prd.md # 执行小提示-i key文件可以直接把本地文件内容作为变量传入长文本不用贴进命令行编辑器里在工作流文件第一行加上# yaml-language-server: $schema...地址见 schemas/workflow.schema.json 头部说明VS Code 即有字段补全与即时报错depend_on这类手误写下去就标红每步产物保存在ao-output/工作流名-时间戳/steps/下随时回看。常见错误排查清单报错 / 现象原因解决工作流存在循环依赖depends_on互相等待检查依赖链真循环请用loop字段依赖不存在的 stepdepends_on里的 id 拼错与步骤id逐字核对输出里出现{{xxx}}原样引用的变量没被任何上游output产出补齐上游步骤或改用inputs角色不存在role路径写错如漏了领域前缀ao roles里复制正确路径某步反复超时输出太长 / 模型太慢调大llm.timeout、减小max_tokens或换更快的模型下一步从「会写」到「常用」断点续跑对某步不满意ao run 文件 --resume last --from 步骤id只重跑该步及下游不用从头再来一句话组队ao compose 需求 --run让 AI 替你设计 DAG 和变量串联生成的 YAML 本身就是最好的学习材料存团队复用ao team save把跑得好的角色阵容存下来套到任意新任务上。工作流写对了验收才有意义——试试给关键步骤加上acceptance验收标准AO 会自动核验产出是否达标。现在打开workflows/目录抄一份模板改成你的跑通第一个属于你自己的 AI 工作流吧 【免费下载链接】agency-orchestrator One sentence → your one-person company of AI experts → complete deliverable in minutes. 276 CN 184 EN 5 more languages (ko/ru/pt-BR/id/ar) · zero-code YAML · auto-verified acceptance · Web Studio / Desktop / Docker · 15 LLM providers (11 key-free). 一句话组建你的「一人公司」AI 专家团队几分钟交付完整方案验收自动核验网页 / 桌面 / Docker 全渠道。项目地址: https://gitcode.com/gh_mirrors/ag/agency-orchestrator创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
从零写第一个 AI 工作流Agency Orchestrator YAML 基础完整教程含 DAG 并行与变量传递【免费下载链接】agency-orchestrator One sentence → your one-person company of AI experts → complete deliverable in minutes. 276 CN 184 EN 5 more languages (ko/ru/pt-BR/id/ar) · zero-code YAML · auto-verified acceptance · Web Studio / Desktop / Docker · 15 LLM providers (11 key-free). 一句话组建你的「一人公司」AI 专家团队几分钟交付完整方案验收自动核验网页 / 桌面 / Docker 全渠道。项目地址: https://gitcode.com/gh_mirrors/ag/agency-orchestratorAgency Orchestrator 是一个「零代码 YAML 多智能体编排引擎」把一句话需求交给它它自动从 276 个中文 AI 专家角色中组队按 DAG有向无环图并行执行多个步骤并用{{变量}}在角色间传递产出几分钟交付一份可验收的完整方案。本文是面向新手的完整教程——从安装到写出第一个工作流重点讲透两件事DAG 并行与变量传递。为什么是 Agency Orchestrator而不是直接问一个 AI问一个 AI你只得到一个视角做一份方案往往需要产品、技术、财务、营销多个视角的交叉验证。Agency Orchestrator 的思路是你当老板AI 当团队——每个步骤绑定一个专家角色system prompt 由角色库自动注入步骤之间的先后与并行由 DAG 自动推导最终产物落到本地目录。下图是纯命令行的运行效果一句话 → 5 个专家角色自动分工 → 一份完整规划安装 Agency Orchestrator30 秒准备环境一条命令安装 CLInpm install -g agency-orchestrator没有 API key 也能跑本机已登录 Claude Code / Copilot / Codex 等编码 CLI 的话AO 会自动探测并直接使用provider写claude-code等即可共 10 种免 key 方式有 key 则推荐 DeepSeek性价比最高。装好后先跑两条「零配置」命令感受下ao demo # 零配置体验多智能体协作 ao roles # 查看全部可用专家角色认识工作流 YAML一张全景图工作流就是一个 YAML 文件放在任意位置用ao run执行。仓库内置了 70 个模板可直接抄作业强烈建议先打开一两个对照本文阅读workflows/tech-blog.yaml —— 线性流水线调研 → 大纲 → 正文 → 润色workflows/product-review.yaml —— 含 DAG 并行技术评审 / 设计评审两条支路workflows/department-collab/marketing-campaign.yaml —— 含人工审批与条件分支不想敲命令行ao web启动网页 Studio在「工作流模板」页勾选模板一键运行、查看每步产物第一个工作流5 个核心字段逐个拆解下面是最小可运行的完整工作流——产品经理拆解 PRD架构师与 UX 研究员并行评审最后汇总。建议直接照着结构仿写name: 产品需求评审 agents_dir: agency-agents-zh # 角色库276 个中文专家 llm: provider: deepseek # 或用 claude-code 等免 key 方式 model: deepseek-chat concurrency: 2 # 最大并行步骤数默认 2 inputs: # 外部输入变量运行时用 -i 传入 - name: prd_content description: PRD 文档内容 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 # 本步产出 → 变量 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: 综合两份评审给出结论\n\n{{tech_report}}\n\n{{design_report}} output: final_report depends_on: [tech_review, design_review]五个字段各司其职字段位置一句话理解name/agents_dir全局工作流名字 用哪本「专家通讯录」llm全局用哪家模型干活concurrency全局同时最多几步「开工」inputs全局运行时从外部喂进来的原料steps全局干活的步骤列表每步 idroletaskoutput 可选depends_on想偷懒ao init --workflow可以交互式生成骨架ao compose 一句话需求则让 AI 直接替你写好整个 YAML。变量传递用 {{变量}} 把每一步串成流水线多智能体协作的核心机制就一条规则步骤的output声明产出变量名下游步骤在task里用{{变量名}}引用。上面例子里的数据流prd_content外部输入→ requirements → tech_report / design_report → final_report几个实用细节一个变量可以被多个步骤引用tech_review和design_review都引用了{{requirements}}同一份分析喂给两位专家互不重复。输入变量带默认值inputs里写default: 中级技术开发者后不传该参数也能直接跑参考 workflows/tech-blog.yaml 的audience字段。变量名要可读research_brief、tech_report这类命名日后看运行日志和ao explain输出时一目了然。角色从哪来ao roles列出全部角色格式为领域/角色名也可以在 Studio 角色页按领域浏览、收藏常用角色DAG 并行depends_on 决定「谁等谁」这是 Agency Orchestrator 最有价值的机制。引擎把steps解析成 DAG规则很简单没写depends_on的步骤启动即执行多个无依赖步骤天然并行写了depends_on的步骤等所有依赖步骤完成后再执行同层的步骤互不依赖自动并发并发上限由concurrency控制。上一节例子的 DAG 长这样「技术评审」与「设计评审」并行总耗时 ≈ 串行的一半analyze ──→ tech_review ──→ summary └→ design_review ──┘ (这两步并行)对应到真实执行计划ao plan会按「层级」输出同层即并行组。想看它是怎么算的可以读一下拓扑排序源码 src/core/dag.ts——注释里就写着A → B → D / A → C → D会分出[[A], [B,C], [D]]三层。在 Studio 的可视化画布里DAG 是拖拽节点连线自动防环运行时节点按状态实时点亮哪步卡住一眼可见⚠️唯一硬性规则依赖不能成环A 等 B、B 又等 A。写循环请用loop字段见下节。进阶三板斧条件分支、循环、人工审批掌握基础字段后三个可选字段让你的工作流从「流水线」升级为「有决策的流程」完整字段表见 schemas/workflow.schema.json1️⃣ 条件分支condition—— 不满足就跳过该步。workflows/department-collab/marketing-campaign.yaml 里的人工审批节点- id: channel_plan condition: {{approval_result}} contains yes # 老板没批 yes这步直接跳过2️⃣ 循环loop—— 「实现 → 复核 → 修复 → 再复核」直到通过。workflows/codex-cc-loop.yaml 是完整范例- id: fix loop: back_to: review # 跳回复核步骤 max_iterations: 3 # 最多 3 轮防死循环 exit_condition: {{review_result}} contains APPROVED3️⃣ 人工节点type: approval/type: human_input—— 跑到该步会暂停等你在终端输入批准 / 补充信息后才继续把关键决策权留在你手里。校验与运行最快上手路径ao validate workflows/product-review.yaml # 只校验不执行查成环、变量未定义、角色不存在 ao plan workflows/product-review.yaml # 查看 DAG 执行计划哪些步骤并行 ao explain workflows/product-review.yaml # 用自然语言解释这份工作流 ao run workflows/product-review.yaml -i prd_contentmy-prd.md # 执行小提示-i key文件可以直接把本地文件内容作为变量传入长文本不用贴进命令行编辑器里在工作流文件第一行加上# yaml-language-server: $schema...地址见 schemas/workflow.schema.json 头部说明VS Code 即有字段补全与即时报错depend_on这类手误写下去就标红每步产物保存在ao-output/工作流名-时间戳/steps/下随时回看。常见错误排查清单报错 / 现象原因解决工作流存在循环依赖depends_on互相等待检查依赖链真循环请用loop字段依赖不存在的 stepdepends_on里的 id 拼错与步骤id逐字核对输出里出现{{xxx}}原样引用的变量没被任何上游output产出补齐上游步骤或改用inputs角色不存在role路径写错如漏了领域前缀ao roles里复制正确路径某步反复超时输出太长 / 模型太慢调大llm.timeout、减小max_tokens或换更快的模型下一步从「会写」到「常用」断点续跑对某步不满意ao run 文件 --resume last --from 步骤id只重跑该步及下游不用从头再来一句话组队ao compose 需求 --run让 AI 替你设计 DAG 和变量串联生成的 YAML 本身就是最好的学习材料存团队复用ao team save把跑得好的角色阵容存下来套到任意新任务上。工作流写对了验收才有意义——试试给关键步骤加上acceptance验收标准AO 会自动核验产出是否达标。现在打开workflows/目录抄一份模板改成你的跑通第一个属于你自己的 AI 工作流吧 【免费下载链接】agency-orchestrator One sentence → your one-person company of AI experts → complete deliverable in minutes. 276 CN 184 EN 5 more languages (ko/ru/pt-BR/id/ar) · zero-code YAML · auto-verified acceptance · Web Studio / Desktop / Docker · 15 LLM providers (11 key-free). 一句话组建你的「一人公司」AI 专家团队几分钟交付完整方案验收自动核验网页 / 桌面 / Docker 全渠道。项目地址: https://gitcode.com/gh_mirrors/ag/agency-orchestrator创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
