🎯 О чём этот конспект: Разбор открытого репозитория Agency Agents, который содержит более 120 структурированных личностей (persona) для AI. Видео объясняет, как интегрировать эти файлы в Claude Code, чтобы превратить статичные промпты в параллельно работающих субагентов с собственной памятью и контекстом.

👤 Кому будет полезно: Вайбкодерам, разработчикам и маркетологам, которые используют Claude Code, Cursor или Windsurf и хотят повысить качество генерации кода и контента за счет узкоспециализированных ролей.

✨ Что получите: Готовую методику развертывания библиотеки агентов, способ автоматизации параллельных задач в Claude Code и инструкцию по созданию самообучающихся субагентов с постоянной памятью.

1. Репозиторий Agency Agents: Библиотека из 120+ ролей

Контекст: Agency Agents — это open-source коллекция из 120+ Markdown-файлов, каждый из которых представляет собой глубоко проработанную AI-личность. Это не просто короткие инструкции, а полноценные «должностные инструкции» с YAML-метаданными, описанием идентичности, набором навыков, фреймворками принятия решений и метриками успеха. Тесты показывают, что использование такой структуры повышает качество ответов на ~68% по сравнению со стандартными запросами, делая результаты более детализированными и готовыми к внедрению (actionable).

Выгода: Экономия времени на составление системных промптов и мгновенный доступ к экспертизе в маркетинге, разработке, QA, дизайне и продажах.

Как применить:

• Шаг 1: Клонирование репозитория — Git — Склонируйте репозиторий к себе в проект, чтобы иметь локальный доступ к файлам агентов.

git clone https://github.com/mshumer/agency-agents.git

• Шаг 2: Изучение структуры — VS Code — Откройте любой .md файл в папке agents. Обратите внимание на структуру: Identity, Capabilities, Specialized Skills.

Результат: У вас в распоряжении база знаний с лучшими практиками промпт-инжиниринга для 120+ профессий.

2. Интеграция с Claude Code и создание субагентов

Контекст: Сами по себе файлы в репозитории — это просто текст. Настоящая магия начинается при интеграции с Claude Code (CLI-агент от Anthropic). С помощью специальной команды можно импортировать эти личности в системную директорию Claude, что позволит вызывать их как субагентов. Это превращает Claude из одиночного чат-бота в оркестратора, который может поручать задачи узким специалистам.

Выгода: Возможность делегировать сложные задачи (например, аудит безопасности или SEO-оптимизацию) специализированным ролям прямо внутри терминала.

Как применить:

• Шаг 1: Настройка путей — Claude Code — Запустите Claude Code в терминале и выполните команду для копирования агентов в системную папку.

# Внутри интерфейса Claude Code попросите:
"Execute the setup command to transform these agent files into sub-agents for Claude Code"

• Шаг 2: Проверка установки — Terminal — Проверьте, что файлы скопированы в директорию агентов Claude (обычно это путь в ~/.claude/agents или аналогичный, который укажет Claude).

Результат: Claude Code «видит» всех агентов из библиотеки и готов использовать их в работе.

3. Параллельное выполнение задач через оркестрацию

Контекст: Вместо того чтобы просить AI делать всё последовательно, вы можете использовать Claude как диспетчера. Например, при создании лендинга можно одновременно запустить UX-архитектора, копирайтера и SEO-специалиста. Claude Code запустит три параллельных процесса (sub-agents), каждый из которых будет использовать свой контекст и файл личности из библиотеки Agency Agents.

Выгода: Сокращение времени выполнения комплексных задач в 3-4 раза и исключение «галлюцинаций», связанных со смешиванием разных ролей в одном контексте.

Как применить:

• Шаг 1: Формирование запроса — Claude Code — Используйте промпт, указывающий на параллельное выполнение и конкретные роли.

Research the UX layout, content strategy and SEO requirements in parallel using separate sub-agents: UX Architect, Content Creator, and SEO Specialist.

• Шаг 2: Контроль выполнения — Claude Code — Наблюдайте в терминале, как Claude создает три отдельных Todo-пункта и запускает три независимых процесса.

Результат: На выходе вы получаете три глубоко проработанных документа, созданных разными «специалистами» одновременно.

4. Кастомизация и создание «вечной» памяти агента

Контекст: Стандартные агенты хороши, но их можно сделать еще мощнее, добавив параметры модели и постоянную память. Добавив поле memory в YAML-заголовок файла агента, вы заставляете его сохранять важные данные (стиль письма, предпочтения, терминологию) в отдельный файл. Этот файл считывается при каждом новом запуске, позволяя агенту «обучаться» на ваших проектах.

Выгода: Агент становится умнее с каждым использованием, запоминая ваши уникальные требования и контекст бизнеса.

Как применить:

• Шаг 1: Редактирование файла агента — VS Code — Откройте .md файл нужного агента и добавьте в YAML-блок (в начале файла) параметры памяти и модели.

---
name: "Custom LinkedIn Creator"
model: "claude-3-5-sonnet"
memory: "project_memory/linkedin_stats.md"
---

• Шаг 2: Использование — Claude Code — Теперь при обращении к этому агенту он будет записывать инсайты в указанный файл и извлекать их в следующих сессиях.

Результат: Персонализированный AI-сотрудник, который знает историю ваших правок и предпочтений.

FAQ

В: Чем Agency Agents отличаются от обычных промптов в ChatGPT? О: Это структурированные системные инструкции в формате Markdown с YAML-метаданными. Они предназначены для программной интеграции (через Claude Code или API), что позволяет использовать их как автономных субагентов с разделенным контекстом, а не просто как текст для копирования в чат.

В: Можно ли использовать этих агентов в Cursor или Windsurf? О: Да. Вы можете добавить содержимое нужного .md файла в rules for AI (в Cursor) или просто прикрепить файл к контексту чата (mention file), чтобы AI принял на себя указанную роль.

В: Как Claude Code понимает, какого именно агента вызвать? О: Вы можете либо явно указать имя агента в запросе (например, "use Marketing Growth Hacker"), либо Claude-оркестратор сам подберет наиболее подходящий файл из установленной библиотеки, если задача описана достаточно четко.

В: Безопасно ли давать агентам доступ к памяти? О: Да, память в данном случае — это локальный текстовый файл в вашем проекте. Вы полностью контролируете, что туда записывается и к каким данным у агента есть доступ.

В: Все ли 120 агентов одинаково качественные? О: Нет, проект open-source и создавался 50+ контрибьюторами. Некоторые агенты (например, базовые для маркетинга и разработки) проработаны глубоко, другие могут быть поверхностными. Рекомендуется использовать их как базу и дорабатывать под свои нужды.

Конспект создан на основе видео «This Repo Hit 30,000 Stars in 12 Days (Agency Agents)» канала World of AI. Все права на оригинальный материал принадлежат авторам. Источник: https://youtu.be/f3rDD5I53Bk