
策略規劃(Kevin 總監、Peter 廣告投手)、創意設計(Winnie 內容、Olivia 社群、Iris 品牌視覺)、成長心理(Hunter 用戶洞察、Mia 文案、Carl 增長)、數據工程(Ada 分析、Ken 前端、Gemma、Quincy、Nina)、協調執行(Zoe 專案經理)。不是單一 prompt,是能互相交接的完整團隊。
Claude Code 專屬 slash 指令。輸入 `/team 新客戶母親節活動`,系統自動判斷需要哪些角色、按什麼順序接手(例:Kevin 策略 → Peter 規劃廣告 → Winnie 寫文案 → Olivia 設計視覺 → Zoe 統整交付)。`/meeting` 則可手動挑 3-5 個角色開跨職能會議。
repo 包含 `prompts/`(14 個角色提示詞)、`skills/`(Claude Code Skill 檔案可直接安裝)、`examples/`(實戰情境示範:母親節活動、產品發表、危機處理)、`INSTALL.md`(3 種安裝方式)。不是散裝檔案,是可即裝即用的完整系統。
層級 1:Claude Code 安裝(最強,有 /team 和 /meeting 指令);層級 2:Claude Projects(拷貝 prompt 到 Project instructions,一次設定多次用);層級 3:純 prompt 貼上(沒有訂閱也能用,ChatGPT/Gemini/Claude Web 都通)。依你的工具鏈選。
單打獨鬥的創業者用來模擬完整團隊決策;自由接案者用來跨領域交付(接案本來就要懂策略+設計+文案+廣告);企業內部行銷團隊用來跨職能對齊(每個人都能用同一套角色框架思考)。14 個角色涵蓋行銷公司的完整工作流。
完全開源,MIT License,可商用可修改可二次發布。專案持續維護更新,歡迎 issue 回報和 PR 貢獻。不會被鎖住、不會突然要收月費、不會因為某家公司倒了就不能用——這是屬於你自己的 AI 團隊資產。
需要 200 積分解鎖
登入後即可使用積分解鎖
深入閱讀 · 行銷人實戰指南
Claude Skill Shop:AI 助攻行銷人,解鎖生產力與創意新境界
什麼情境用 · 工作流接法 · 踩雷 · 進階玩法
一般直接問 AI,它會用「單一 AI 助理」的角度回答,答案常常很通用、沒有專業縱深。這套框架讓 AI 切換成 14 個不同專業的角色思考——問策略時 Kevin 會用顧問的視角、問廣告時 Peter 會用投手的成本意識。更重要的是「角色間互相交接」,策略決定後傳給文案,文案寫完傳給設計,像真實團隊協作,而不是所有工作一個 prompt 搞定。
可以。3 種使用層級:最強是 Claude Code(有 /team /meeting 指令)、中間是 Claude Projects(把 prompt 放進 Project instructions)、最基本是純 prompt 貼上(ChatGPT Plus、Gemini、免費版 Claude 都能用)。只是後兩種少了自動分派與團隊協作的絲滑感。
完全可以。你可以只拿你需要的角色來用(例如接案者常用:Kevin 策略 + Peter 廣告 + Winnie 文案 + Olivia 設計 = 4 個),其他角色當備用。`/team` 指令本身就會自動判斷需要哪些角色、不硬拉全部出場。角色多是為了覆蓋不同情境,不是每次都要召集 14 位。
直接進 GitHub repo:https://github.com/atm301/one-person-agency-ai,按 Code > Download ZIP 就能下載全部檔案。安裝方式依工具:Claude Code 用戶讀 INSTALL.md 照指令貼上、Claude Projects 用戶把 prompts/ 的文字貼進 Project instructions、純 prompt 用戶直接複製單個角色檔案內容使用。整個過程 5 分鐘內完成。
適合。角色提示詞都是寫好的,你不用自己設計 prompt,只要會複製貼上就能用。初學者建議從「單個角色」開始:想寫廣告就只用 Peter、想寫文案就只用 Winnie,熟悉每個角色的產出品質後,再試 /meeting 跨角色協作。從簡單到複雜,不會一次塞爆。
完全可以。MIT License 允許商業使用、修改、二次散佈,只需保留原作者 credit。你可以把這套框架改成自己公司內部用、加入你自己的角色(例如加「法務 AI」、「財務 AI」)、甚至包裝成付費產品都沒問題。作者唯一的請求是:如果覺得有幫助,歡迎 GitHub star 或回報 issue 讓專案持續進化。
對服務業在行政與行銷的數位化非常友善,能快速提升辦公室生產力。 然而,目前製造業專屬 Skill 明顯匱乏,對工廠管理、排程優化等深層需求支援不足。製造業導向的深度 Skill 可能還需要一段開發期