GitHub Viral: 144 posisi AI employee (12 departemen) open source gratis, masing-masing dengan kepribadian, alur kerja, dan KPI

📄Artikel lengkap· Diambil secara otomatis oleh trafilaturaGemini 翻譯1593 kata

Sebuah proyek open source bernama agency-agents viral di GitHub, mengumpulkan lebih dari 84 ribu bintang. Proyek ini mencakup lebih dari 144 persona "karyawan" AI yang terbagi ke dalam 12 departemen seperti teknik, desain, dan pemasaran. Setiap persona dilengkapi dengan pengaturan kepribadian, alur kerja, dan indikator hasil yang terukur, serta mendukung lebih dari sepuluh alat pengembangan AI seperti Claude Code dan Cursor. (Pratinjau: Google membentuk tim elit untuk mengejar Anthropic, bahkan insinyur mereka sendiri diam-diam menggunakan Claude Code) (Latar belakang: Google DeepMind dan MIT bersama-sama mengembangkan agen AI CoDaS: mampu melakukan penelitian ilmiah secara mandiri, menulis makalah hanya dalam 8 jam) Di GitHub, sebuah proyek open source bernama agency-agents menggunakan logika ini untuk mendeskripsikan lebih dari 144 AI, dan telah menjadi viral dengan mengumpulkan lebih dari 84 ribu bintang dan 13 ribu fork. Setiap karyawan memiliki nama, kepribadian, dan KPI. Ini bukanlah model AI baru, bukan pula kerangka kerja koordinasi yang rumit. Aset intinya adalah sekumpulan file Markdown, di mana setiap file merupakan buku panduan orientasi karyawan AI yang mendefinisikan siapa mereka, bagaimana mereka bekerja, dan hasil akhir apa yang mereka berikan. Menginstal proyek ini hanya memerlukan satu perintah, yang akan secara otomatis menyebarkan file konfigurasi agent ke direktori alat pengembangan AI yang sesuai. Saat ini, proyek ini mendukung lebih dari sepuluh editor pemrograman AI utama seperti Claude Code, GitHub Copilot, Cursor, Aider, dan Windsurf. Setelah instalasi selesai, pengembang dapat langsung memanggil AI yang sesuai dengan nama peran, membiarkannya merespons kebutuhan dengan sikap profesional tertentu. Seluruh basis data dibagi menjadi 12 departemen: teknik, desain, media berbayar, penjualan, pemasaran, produk, manajemen proyek, pengujian, dukungan pelanggan, komputasi spasial, pengembangan game, dan penelitian akademis. Lebih dari 144 agent masing-masing memiliki pengetahuan domain dan posisi kerja yang unik. Departemen teknik saja memiliki 27 agent, yang mencakup frontend, backend, seluler, AI, DevOps, keamanan siber, smart contract, dan komandan insiden darurat. Departemen pemasaran memiliki 25 agent, termasuk peran khusus platform untuk TikTok, Reddit, WeChat, Xiaohongshu, dan Douyin. Cara penggunaan AI tradisional adalah rekayasa prompt: menulis instruksi untuk memberi tahu AI apa yang harus dilakukan. Arsitektur agency-agents lebih dioptimalkan. Setiap file persona berisi empat bagian inti: keahlian domain (domain expertise), kepribadian dan gaya komunikasi (personality), hasil kerja spesifik (deliverables), serta indikator keberhasilan yang terukur (success metrics). Sederhananya, ini seperti deskripsi pekerjaan dari HR. Agent insinyur frontend tidak hanya memahami HTML dan CSS, tetapi juga memiliki filosofi arsitektur yang disukai; agent ahli strategi media berbayar tidak hanya menjalankan operasi iklan, tetapi juga mengikuti serangkaian proses peninjauan dan kerangka kerja evaluasi kinerja yang tetap. Catatan: Proyek ini menggunakan lisensi MIT, gratis untuk penggunaan pribadi maupun komersial, dan tidak membatasi modifikasi lebih lanjut. Proyek ini juga menyertakan studi kasus lengkap bernama "Nexus Spatial Discovery": 8 agent dari departemen berbeda bekerja secara paralel pada tugas eksplorasi produk yang sama tanpa intervensi koordinasi manusia. Hasil akhir mencakup: validasi pasar dan analisis kompetitif, arsitektur sistem lengkap (termasuk SQL schema), strategi merek dan arah identitas visual, rencana masuk pasar dan skema penetapan harga, dukungan pelanggan dan cetak biru pembangunan komunitas, persona pengalaman pengguna dan peta perjalanan, serta rencana eksekusi 35 minggu dan 65 tiket sprint. Arti dari multi-agent adalah membiarkan "beberapa AI bekerja secara terbagi tugas secara bersamaan". Ini setara dengan sprint eksplorasi produk lintas departemen yang lengkap, yang biasanya membutuhkan waktu beberapa minggu bagi sebuah tim untuk menyelesaikannya, namun dalam kasus ini, diselesaikan oleh AI yang bekerja secara paralel. Di balik 84 ribu bintang tersebut, terdapat respons kolektif pengembang terhadap satu masalah: saya tidak butuh asisten AI yang lebih pintar, saya butuh tim AI dengan pembagian kerja yang jelas. Unit dasar kolaborasi AI sedang berevolusi dari "mengajukan satu pertanyaan" menjadi "menugaskan satu proyek". Ketika AI memiliki peran, tanggung jawab, dan standar kinerja, hubungan kerjanya dengan manusia mulai lebih menyerupai manajemen, bukan sekadar penggunaan. Langkah selanjutnya mungkin adalah belajar menjadi manajer AI yang baik.

Status data✓ Teks lengkap telah diambilBaca artikel asli (動區 BlockTempo)

🔍Peristiwa serupa dalam sejarah· Pencocokan kata kunci + aset1 berita

2026-04-23

"L2 tercepat di Ethereum" MegaETH menetapkan peluncuran TGE pada 30/4, sekilas tentang tokenomics yang mengutamakan KPI daripada waktu

Tingkat kemiripan 120%關鍵字 kpi同分類 zh

💡 Saat ini menggunakan pencocokan kata kunci + aset (MVP) · Akan ditingkatkan ke pencarian semantik embedding di masa mendatang

Informasi mentah

ID:c543be87ad

Sumber:動區 BlockTempo

Diterbitkan:2026-04-21 03:40:16

Kategori:zh_news · Kategori ekspor zh

Aset:Tidak ditentukan

Voting komunitas:+0 / −0 · ⭐ 0 Penting · 💬 0 Komentar