🏢 龙虾大学：一人公司实战（一个人，一支团队）

适用场景：你是独立开发者、自由职业者或小团队创始人，想让 AI 帮你搭建一支完整的虚拟公司团队——产品、设计、工程、市场、销售、运营、HR、客户支持一应俱全。你只需要在 Telegram 里描述商业目标，龙虾帮你拆解任务、分配给对应的 AI 专家、产出可执行的交付物。

agency-agents 是一个开源的 AI 专家团队集合，包含 144 个专业化 AI Agent，分布在 12 个职能部门。每个 Agent 都有独立的人设、核心工作流、技术交付物和成功指标——不是泛泛的提示词模板，而是经过实战打磨的专业角色。

配合 OpenClaw 的 Telegram 渠道，你可以直接在手机上发起商业目标，让龙虾自动调度合适的 Agent 协作完成——从需求分析到代码实现，从营销策划到上线部署，真正实现一个人运转一家公司。

1. 你将得到什么（真实场景价值）

跑通后，你会拥有一支全天候待命的 AI 公司团队：

场景 1：从想法到 MVP

问题：有一个产品想法，但从需求分析到设计、开发、部署，一个人根本忙不过来
解决：在 Telegram 里描述目标，agency-agents 自动拆解为产品需求 → UI 设计 → 前后端实现 → 部署上线的完整流程，每个环节由对应的 AI 专家负责

场景 2：快速搭建营销体系

问题：产品做出来了，但不会写文案、不懂 SEO、没有营销策略
解决：Marketing 部门的 31 个 Agent 帮你搞定内容创作、社媒运营、SEO 优化、邮件营销

场景 3：一人接单交付项目

问题：接了一个客户项目，需要产品设计、前后端开发、测试、交付文档
解决：按需调度 Product → Design → Engineering → Testing → Support 的完整交付管线

场景 4：商业决策支持

问题：不确定该做什么方向，需要市场调研、竞品分析、用户画像
解决：Product 部门的趋势研究员 + Marketing 部门的市场分析师协作，输出结构化的决策参考

2. 技能选型：为什么用 agency-agents？

核心架构：12 部门 × 144 个 AI 专家

mermaid

flowchart TB

subgraph COMPANY["🏢 你的 AI 公司"]
direction TB

subgraph BIZ["商务线"]
PRODUCT["🧭 Product<br/>5 agents"]
SALES["🎯 Sales<br/>8 agents"]
MARKETING["📣 Marketing<br/>31 agents"]
PAID["💰 Paid Media<br/>7 agents"]
end

subgraph TECH["技术线"]
ENGINEERING["🔧 Engineering<br/>24 agents"]
DESIGN["🎨 Design<br/>8 agents"]
TESTING["🧪 Testing<br/>8 agents"]
GAME["🎮 Game Dev<br/>20+ agents"]
end

subgraph OPS["运营线"]
PM["📋 Project Mgmt<br/>6 agents"]
SUPPORT["🎧 Support<br/>6 agents"]
ACADEMIC["📚 Academic<br/>5 agents"]
SPECIAL["⚡ Specialized<br/>30+ agents"]
end
end

USER["👤 你"] --> |"Telegram 发送目标"| COMPANY

每个 Agent 都是"专家"，不是"模板"

传统做法是写一堆通用 prompt，让 AI 角色扮演。agency-agents 不一样——每个 Agent 都包含：

字段	说明
Identity & Personality	独立人设，影响沟通风格和决策倾向
Core Workflows	经过实战打磨的标准化工作流
Technical Deliverables	明确的交付物清单（不是空谈概念）
Success Metrics	可衡量的成功指标
Memory & Learning	模式识别，持续改进

重点部门速览

部门	Agent 数	能做什么
Engineering	24	前端/后端开发、DevOps、数据库优化、安全审计、API 设计
Marketing	31	内容创作、SEO、社媒运营、邮件营销、平台投放策略
Design	8	UI/UX 设计、品牌视觉、无障碍审计
Sales	8	外呼策略、客户发现、成交策略
Product	5	产品管理、趋势研究、行为设计
Testing	8	QA、性能基准、无障碍测试
Project Mgmt	6	项目管理、流程优化、资源调度
Support	6	客服、数据分析、财务、合规
Paid Media	7	PPC、搜索广告、程序化购买
Game Dev	20+	跨引擎开发、平台适配
Academic	5	历史、心理学、人类学（世界观构建）
Specialized	30+	区块链审计、Salesforce 架构等垂直领域

与直接写 prompt 的区别

特性	直接写 prompt	agency-agents
专业度	依赖你的 prompt 水平	预置实战工作流
协作能力	单一角色	多 Agent 协作，自动路由
交付物	随意输出	标准化交付物 + 成功指标
可复用	每次重写	注册为 skill，按需调用
扩展性	人工协调	统一注册表 + 路由引擎

关键：agency-agents 的价值不只是"更好的 prompt"，而是一套可注册、可组合、可路由的公司职能系统。通过 OpenClaw 的 skill 注册机制，这些 Agent 变成了随时可调度的标准化能力。

3. 配置指南：搭建你的 AI 公司

3.1 前置条件

条件	说明
OpenClaw 已安装运行	基础环境就绪
Telegram 账号	用于与 OpenClaw 交互
大模型 API Key	支持 OpenAI / Claude / DeepSeek / 本地模型等
工具配置档为 coding/full	需要命令执行权限，详见第七章

3.2 配置 Telegram 渠道

和其他龙虾大学教程一样，先配置 Telegram 机器人。如果你已经在自动化科研实战中配置过，可以直接跳到 3.3。

第一步：创建 Telegram Bot

打开 Telegram App，搜索 BotFather，选择带蓝色认证标志的官方账号，点击 Start 开始对话，然后发送 /newbot：

BotFather 会依次询问：

机器人显示名称（name）——可以用中文，比如"虾兄"
机器人用户名（username）——必须以 bot 结尾，比如 HelloClawClaw_bot

完整对话示例：

text

你：/newbot
BotFather：Alright, a new bot. How are we going to call it?
           Please choose a name for your bot.
你：虾兄
BotFather：Good. Now let's choose a username for your bot.
           It must end in `bot`.
你：HelloClawClaw_bot
BotFather：Done! Congratulations on your new bot.
           Use this token to access the HTTP API:
           8658429978:AAHNbNq3sNN4o7sDnz90ON6itCfiqqWLMrc

重要：妥善保管这个 Bot Token，后续配置 OpenClaw 时需要用到。

第二步：在 OpenClaw 中接入 Telegram

回到 OpenClaw 主机，运行 onboard 命令：

bash

openclaw onboard

一路 skip 和 continue，直到出现 Select channel 页面，选择 Telegram (Bot API)，把 Bot Token 粘贴进去。

第三步：获取你的 Telegram User ID

在 Telegram 中找到刚创建的机器人，发送 /start，机器人会回复你的 User ID：

text

OpenClaw: access not configured.

Your Telegram user id: 8561283145

Pairing code: 6KKG7C7K

Ask the bot owner to approve with:
openclaw pairing approve telegram 6KKG7C7K

记下 User ID，填入 allowFrom 字段。配置完成后，选择 restart 重启 OpenClaw。

3.3 将 agency-agents 注册为 OpenClaw Skills

Telegram 渠道就绪后，接下来把 agency-agents 的 144 个 AI 专家转化为 OpenClaw 可调度的标准化 skills。

在 Telegram 里发送以下提示词：

text

阅读仓库：https://github.com/msitarzewski/agency-agents

目标：将其重构为一组可注册到 OpenClaw 的"公司职能 skills"，
用于后续按需调用与自动路由。

要求：
1. 将现有 agents 抽象为标准化 skills
   （如：product / marketing / sales / ops / hr / support）
2. 每个 skill 必须包含：
   - name / description（清晰可检索）
   - capabilities（能解决什么问题）
   - inputs / outputs schema
   - tools / dependencies
   - prompt template（可直接执行）
   - routing tags（用于自动匹配）
3. 设计统一 skill registry 结构，支持检索与组合调用
4. 定义多-skill 协作协议（任务拆解、状态传递、反馈回路）
5. 输出为"可部署结构"（目录结构 + 示例配置），而不是解释
6. 提供至少一个端到端 workflow 示例（自动选择并调用多个 skills）

约束：优先工程可用性、可扩展性，避免仅停留在概念设计。

向龙虾发送 agency-agents skill 重构提示词

龙虾会读取整个仓库，然后输出一套完整的 skill 注册结构：

text

agency-skills/
├── SKILL.md                    # 主入口
├── registry/
│   ├── registry.json          # 技能定义 + 路由标签
│   └── COLLABORATION.md       # 多技能协作协议
├── product/                    # 🧭 产品管理
├── marketing/                  # 📣 市场营销
├── sales/                      # 🎯 销售
├── ops/                        # ⚙️ 运营
├── hr/                         # 👥 人力资源
├── support/                    # 🎧 客户支持
├── engineering/                # 🔧 工程
├── design/                     # 🎨 设计
├── workflows/                  # 端到端工作流
└── scripts/router.py           # 路由 CLI

每个 skill 都包含标准化字段（name、description、capabilities、inputs/outputs schema、prompt template、routing tags），并且支持自动路由：

text

$ python scripts/router.py "write PRD for feature X"
→ 🧭 PRODUCT (matched: feature, PRD)

$ python scripts/router.py "build outbound campaign"
→ 📣 MARKETING + 🎯 SALES

核心价值：这一步把零散的 144 个 Agent 变成了可检索、可组合的标准化能力。后续发送任何商业目标，龙虾都能自动匹配并调度合适的 skills。

4. 第一次跑通：从目标到 MVP Demo

Skills 注册完毕后，来实战一个端到端的商业场景——从一个商业目标到一个可运行的 Demo 网站。

4.1 发送商业目标

在 Telegram 里描述你想做的事情。这里以一个 harness engineering 培训网站为例：

text

目标：设计并实现一个 harness engineering 培训网站 Demo（MVP）

要求：快速构建一个可运行、可演示的最小系统，而不是完整产品。

任务：

1. 产品结构（最小闭环）
   设计 3 个模块：
   - Learn：基础课程（harness engineering 核心概念）
   - Practice：简单 agent harness 实验（如 prompt + eval loop）
   - Evaluate：对 agent 输出进行评测与反馈

2. 课程内容（最小集）
   提供 3 节课：
   - 什么是 harness engineering（定义 + 架构）
   - agent feedback loop（输入 → 执行 → 评测 → 迭代）
   - runtime scaffolding（tools / memory / routing）
   每节课需包含简要讲解 + 一个可运行的小实验

3. 技术实现（必须可跑）
   - 前端：简单页面（Next.js 或静态 HTML）
   - 后端：轻量 API（Node / Python）
   - agent：基于 LLM 的简单调用封装
   - eval：规则或简单评分函数

4. Demo 场景（必须打通）
   实现完整流程：
   用户输入任务 → agent 执行 → eval 打分 → 返回优化建议

约束：优先简单可运行，不追求复杂架构。
所有模块必须能串起来形成闭环。

向龙虾发送 MVP 构建目标

4.2 龙虾自动调度 Skills 完成构建

发送后，龙虾会自动激活 product-launch 工作流，依次调度：

Product → 分析需求，定义产品结构和模块
Design → 设计页面布局和交互流程
Engineering → 实现前后端代码
Support → 编写使用文档

几分钟后，你会收到构建完成的消息：

text

完成！Harness Engineering 培训网站 Demo 已构建好。

harness-training-demo/
├── README.md
├── backend/
│   ├── app.py        # Flask API (5个端点)
│   ├── agent.py      # LLM Agent 封装
│   ├── eval.py       # 规则评分系统
│   └── requirements.txt
└── frontend/
    └── index.html    # 单页应用（直接打开）

模块	功能
📚 Learn	3 节课程，每节配有可运行的小实验
🔧 Practice	Agent 单次执行 / 反馈循环
📊 Evaluate	PRD + 营销文案两个完整 Demo

4.3 运行并部署 Demo

代码生成了，但你想在浏览器里看到效果。直接告诉龙虾：

text

请帮我运行然后想办法让我浏览 demo

龙虾通过 Cloudflare Tunnel 暴露 Demo 到公网

龙虾会：

启动后端服务（Flask API on port 8080）
配置前端静态文件服务
通过 Cloudflare Tunnel 自动将 Demo 暴露到公网

text

好了！Demo 已经运行并暴露到公网：

🌐 访问链接：
https://domains-elect-atlantic-completion.trycloudflare.com

使用方法：
1. 打开链接
2. 点击任意模块（Learn / Practice / Evaluate）
3. 体验完整的 harness engineering 流程

后端状态：
• Flask API: http://localhost:8080 ✅
• 3 节课程已加载
• Agent + Evaluator 就绪

Cloudflare Tunnel：龙虾使用免费的 cloudflared 服务创建临时隧道，无需你配置域名或端口转发。链接有效期随隧道进程存在，关闭后失效。

4.4 查看 Demo 效果

打开浏览器访问链接，你会看到一个完整的培训网站 Demo：

Harness Engineering 培训网站 Demo 页面

完整的端到端闭环已经打通：

Learn → 浏览课程内容，理解核心概念
Practice → 输入任务（如"写一个产品需求文档"），让 Agent 执行
Evaluate → Agent 输出经过评测系统打分，返回优化建议

注意：这个 Demo 只是一个最小可运行原型。如果首次访问报 404，可能是前端静态文件还未配置好——再跟龙虾说一声，它会帮你修复。实战中，MVP 的价值在于快速验证想法，而不是追求完美。

5. 进阶场景：从 MVP 到运营

场景 1：产品发布全流程

让多个部门协作完成产品从构思到发布的全过程：

text

目标：完成 [你的产品名] 的发布准备

需要：
1. Product：完善 PRD 和用户故事
2. Design：设计着陆页和核心交互
3. Engineering：实现核心功能并部署
4. Marketing：撰写发布文案、准备社媒内容
5. Support：编写用户指南和 FAQ

龙虾会自动激活 product-launch 工作流：product → design → engineering → marketing → support，每个环节的产出物作为下一个环节的输入。

场景 2：快速构建营销方案

text

目标：为我的 SaaS 产品设计一套完整的内容营销方案

需要：
- 目标用户画像和痛点分析
- 内容日历（Blog / Newsletter / 社媒）
- SEO 关键词策略
- 3 篇示例 Blog 文章
- 着陆页文案

Marketing 部门的 Content Creator、SEO Strategist、Social Media Manager 会协作产出一整套方案。

场景 3：接客户项目

text

目标：为客户 [XXX] 构建一个数据看板

技术栈：React + FastAPI + PostgreSQL

需要：
1. 需求分析和数据模型设计
2. 后端 API 实现
3. 前端页面和图表组件
4. 测试和部署脚本
5. 交付文档

Engineering 部门的 Frontend Developer、Backend Architect、Database Specialist 协同作战，Project Management 部门跟进进度。

场景 4：竞品调研与策略制定

text

目标：分析 [竞品A]、[竞品B]、[竞品C] 的产品策略

需要：
- 功能矩阵对比
- 定价策略分析
- 用户评价汇总
- 差异化机会识别
- 行动建议

Product 部门的 Trend Researcher + Marketing 部门的市场分析 Agent 联合输出结构化报告。

场景 5：迭代改进

第一版交付物不满意？直接追加要求：

text

刚才的培训网站 Demo 需要改进：
1. Learn 模块增加代码示例的语法高亮
2. Practice 模块支持多轮对话
3. Evaluate 模块增加雷达图展示评测维度
4. 整体增加响应式布局，支持手机访问

龙虾会在现有代码基础上迭代，不需要从头开始。

6. 常见问题与排障

问题 1：Skills 注册后，龙虾不知道怎么用

常见原因：

提示词没有明确引用 skill 名称——在后续对话中加上"使用 product skill"或"调用 engineering 团队"
registry.json 路由标签不够精确——回到 Telegram 让龙虾优化 routing tags

解决方法：

text

查看已注册的 skills 列表，并针对以下目标自动选择 skills：
[你的目标描述]

问题 2：Demo 构建失败或代码报错

常见原因：

Python/Node.js 环境缺少依赖——让龙虾先执行 pip install 或 npm install
API Key 未配置——确保 LLM API Key 已正确设置
端口被占用——指定其他端口

诊断步骤：

bash

openclaw logs --limit 50    # 检查 OpenClaw 日志

问题 3：Cloudflare Tunnel 无法访问

常见原因：

后端服务未启动——检查 Flask/Node 进程是否在运行
前端静态文件未配置——需要让后端同时服务静态文件
免费隧道不稳定——稍等几秒重试，或让龙虾重新创建隧道

问题 4：Telegram Bot 无响应

诊断步骤：

确认 Bot Token 正确：在 BotFather 中查看
确认 allowFrom 包含你的 User ID
确认 OpenClaw 已重启：openclaw restart
检查 OpenClaw 健康状态：openclaw doctor

7. 安全与合规提醒

提醒 1：Telegram Bot Token 安全

不要泄露 Bot Token：任何拥有 Token 的人都可以控制你的机器人
不要将 Token 提交到 Git 仓库：使用环境变量或 .env 文件管理
定期轮换 Token：如果怀疑泄露，在 BotFather 中使用 /revoke 重新生成
限制 allowFrom：只允许你自己的 User ID 与机器人交互

提醒 2：API Key 与 Demo 安全

LLM API Key 不要硬编码在 Demo 代码中——使用环境变量
不要在 Telegram 聊天中反复发送 API Key 明文
通过 Cloudflare Tunnel 暴露的 Demo 是公网可访问的——不要在 Demo 中包含敏感数据
免费隧道链接是临时的，但在有效期内任何人都能访问

提醒 3：交付物审核

agency-agents 生成的代码和方案是 AI 产出，在正式使用前务必人工审核
营销文案、法律合规相关内容需要专业人员二次确认
Demo 代码适合用作原型和 POC，生产环境部署前需要安全审计

8. 总结：一个人的公司，144 个 AI 专家的团队

agency-agents 的核心价值是将完整的公司职能 AI 化——你只需要描述商业目标，12 个部门、144 个 AI 专家帮你完成剩下的一切：

全职能覆盖：产品 → 设计 → 工程 → 测试 → 营销 → 销售 → 运营 → 支持
自动路由调度：描述目标即可，龙虾自动匹配最合适的 Agent 组合
标准化交付：每个 Agent 都有明确的交付物和成功指标，不是空泛的建议
手机端操控：通过 Telegram 随时随地发起目标、接收成果
快速迭代：不满意就追加要求，在现有基础上改进

记住：一人公司不是"一个人做所有事"，而是一个人指挥一支 AI 团队做所有事。agency-agents 把你从执行者变成了决策者——你负责想清楚"做什么"和"为什么做"，AI 团队负责"怎么做"。

🏢 龙虾大学：一人公司实战（一个人，一支团队）

1. 你将得到什么（真实场景价值）

场景 1：从想法到 MVP

场景 2：快速搭建营销体系

场景 3：一人接单交付项目

场景 4：商业决策支持

2. 技能选型：为什么用 agency-agents？

核心架构：12 部门 × 144 个 AI 专家

每个 Agent 都是"专家"，不是"模板"

重点部门速览

与直接写 prompt 的区别

3. 配置指南：搭建你的 AI 公司

3.1 前置条件

3.2 配置 Telegram 渠道

3.3 将 agency-agents 注册为 OpenClaw Skills

4. 第一次跑通：从目标到 MVP Demo

4.1 发送商业目标

4.2 龙虾自动调度 Skills 完成构建

4.3 运行并部署 Demo

4.4 查看 Demo 效果

5. 进阶场景：从 MVP 到运营

场景 1：产品发布全流程

场景 2：快速构建营销方案

场景 3：接客户项目

场景 4：竞品调研与策略制定

场景 5：迭代改进

6. 常见问题与排障

问题 1：Skills 注册后，龙虾不知道怎么用

问题 2：Demo 构建失败或代码报错

问题 3：Cloudflare Tunnel 无法访问

问题 4：Telegram Bot 无响应

7. 安全与合规提醒

提醒 1：Telegram Bot Token 安全

提醒 2：API Key 与 Demo 安全

提醒 3：交付物审核

8. 总结：一个人的公司，144 个 AI 专家的团队

参考资料

agency-agents

Telegram

相关教程

🏢 龙虾大学：一人公司实战（一个人，一支团队） ​

1. 你将得到什么（真实场景价值） ​

场景 1：从想法到 MVP ​

场景 2：快速搭建营销体系 ​

场景 3：一人接单交付项目 ​

场景 4：商业决策支持 ​

2. 技能选型：为什么用 agency-agents？ ​

核心架构：12 部门 × 144 个 AI 专家 ​

每个 Agent 都是"专家"，不是"模板" ​

重点部门速览 ​

与直接写 prompt 的区别 ​

3. 配置指南：搭建你的 AI 公司 ​

3.1 前置条件 ​

3.2 配置 Telegram 渠道 ​

3.3 将 agency-agents 注册为 OpenClaw Skills ​

4. 第一次跑通：从目标到 MVP Demo ​

4.1 发送商业目标 ​

4.2 龙虾自动调度 Skills 完成构建 ​

4.3 运行并部署 Demo ​

4.4 查看 Demo 效果 ​

5. 进阶场景：从 MVP 到运营 ​

场景 1：产品发布全流程 ​

场景 2：快速构建营销方案 ​

场景 3：接客户项目 ​

场景 4：竞品调研与策略制定 ​

场景 5：迭代改进 ​

6. 常见问题与排障 ​

问题 1：Skills 注册后，龙虾不知道怎么用 ​

问题 2：Demo 构建失败或代码报错 ​

问题 3：Cloudflare Tunnel 无法访问 ​

问题 4：Telegram Bot 无响应 ​

7. 安全与合规提醒 ​

提醒 1：Telegram Bot Token 安全 ​

提醒 2：API Key 与 Demo 安全 ​

提醒 3：交付物审核 ​

8. 总结：一个人的公司，144 个 AI 专家的团队 ​

参考资料 ​

agency-agents ​

Telegram ​

相关教程 ​

🏢 龙虾大学：一人公司实战（一个人，一支团队）

1. 你将得到什么（真实场景价值）

场景 1：从想法到 MVP

场景 2：快速搭建营销体系

场景 3：一人接单交付项目

场景 4：商业决策支持

2. 技能选型：为什么用 agency-agents？

核心架构：12 部门 × 144 个 AI 专家

每个 Agent 都是"专家"，不是"模板"

重点部门速览

与直接写 prompt 的区别

3. 配置指南：搭建你的 AI 公司

3.1 前置条件

3.2 配置 Telegram 渠道

3.3 将 agency-agents 注册为 OpenClaw Skills

4. 第一次跑通：从目标到 MVP Demo

4.1 发送商业目标

4.2 龙虾自动调度 Skills 完成构建

4.3 运行并部署 Demo

4.4 查看 Demo 效果

5. 进阶场景：从 MVP 到运营

场景 1：产品发布全流程

场景 2：快速构建营销方案

场景 3：接客户项目

场景 4：竞品调研与策略制定

场景 5：迭代改进

6. 常见问题与排障

问题 1：Skills 注册后，龙虾不知道怎么用

问题 2：Demo 构建失败或代码报错

问题 3：Cloudflare Tunnel 无法访问

问题 4：Telegram Bot 无响应

7. 安全与合规提醒

提醒 1：Telegram Bot Token 安全

提醒 2：API Key 与 Demo 安全

提醒 3：交付物审核

8. 总结：一个人的公司，144 个 AI 专家的团队

参考资料

agency-agents

Telegram

相关教程