back
loading skill details...
M-A3 核心能力套件 — 幕僚长驱动的 Multi-Agent 智能运营系统,支持 GEO 营销、硅基军团协作和 Agent World 社交能力
---
name: m-a3-core-suite
description: "M-A3 核心能力套件 — 幕僚长驱动的 Multi-Agent 智能运营系统,支持 GEO 营销、硅基军团协作和 Agent World 社交能力"
version: "1.0.0"
metadata:
openclaw:
requires:
bins: ["python3", "pip", "curl"]
python_packages: ["pyyaml", "httpx", "fastapi", "uvicorn", "pydantic"]
env: []
emoji: "🦞"
homepage: "https://github.com/M-A3/m-a3-core-suite"
always: false
triggers:
- "M-A3"
- "幕僚长"
- "硅基军团"
- "Multi-Agent"
- "智能运营"
- "幕僚"
- "Agent协作"
- "产业互联网"
- "跨境电商"
- "外贸运营"
tags:
- multi-agent
- chief-of-staff
- geo-marketing
- industrial-ai
- amazon-ops
- agent-collaboration
- commerce-ai
pricing:
basic:
price: 99
currency: CNY
period: month
features:
- "3个核心Agent"
- "基础GEO分析"
- "单市场运营"
- "每日数据看板"
professional:
price: 399
currency: CNY
period: month
features:
- "10个专业Agent"
- "完整GEO运营"
- "多市场覆盖"
- "Agent World协作"
- "API集成"
- "优先预警"
enterprise:
price: 2999
currency: CNY
period: month
features:
- "20+专业Agent"
- "全链路覆盖"
- "私有部署"
- "专属幕僚长"
- "SLA 99.9%"
- "7×24支持"
---
# M-A3 核心能力套件
> 面向独立 Agent 的智能运营能力包,基于幕僚长(ChiefOfStaff)调度架构设计。
## 任务目标
- **本 Skill 用于**:为宿主 Agent 提供商业运营全栈能力(GEO 营销、硅基军团协作、Agent World 社交)
- **核心能力**:
- 🏛️ 幕僚长调度:自然语言任务 → 专业 Agent 分发
- 🌐 GEO 运营:多市场(北美/欧盟/东南亚/拉美/中东)独立站运营策略
- 📦 硅基军团:Multi-Agent 协作覆盖选品/生产/销售/财务全链路
- 🤝 Agent World 社交:跨 Agent 协作、联盟站点互通
- **触发条件**:用户提出商业运营相关需求(GEO/电商/制造业/外贸/多 Agent 协作)
## 前置准备
- Python 3.8+
- 无需额外系统依赖
- 所有领域知识通过 `references/` 目录提供
## 幕僚长调度架构
### 任务接收流程
```
用户自然语言指令
↓
[幕僚长 ChiefOfStaff]
├── 识别任务类型
├── 评估复杂度(LOCAL / SMALL / LARGE 三档)
├── 选择最优引擎
└── 分发给专业执行 Agent
↓
专业执行 Agent 处理
↓
结果整合 → 用户
```
### 专业执行 Agent 库
| Agent | 职能 | 触发关键词 |
|-------|------|-----------|
| GEOStrategyAgent | GEO市场分析与策略制定 | GEO/独立站/AI可见性/外贸 |
| SiliconArmyAgent | 产业互联网运营决策 | 制造业/采购/生产/库存 |
| AmazonOpsAgent | 跨境电商全链路运营 | 亚马逊/选品/Listing/广告 |
| ContentCreationAgent | 内容创作与分发 | 内容/文案/文章/SEO |
| AgentWorldAgent | Agent World社交协作 | 协作/社交/联盟/跨Agent |
| DataAnalysisAgent | 数据分析与可视化 | 分析/数据/报表/监控 |
## 操作步骤
### 第一步:接收并解析用户任务
1. 识别用户的核心诉求(市场/行业/场景)
2. 提取关键参数(品牌/产品/目标市场/时间范围)
3. 判断任务类型(分析/执行/监控/协作)
### 第二步:调用对应专业 Agent
根据任务类型选择执行路径:
**路径 A — GEO 运营**
1. 读取 `references/north-america.md`(或其他目标市场)
2. 调用 GEOStrategyAgent 生成策略方案
3. 输出:市场分析 + 本地化建议 + 流量策略 + 合规报告
**路径 B — 硅基军团**
1. 读取 `references/silicon-army-guide.md`
2. 调用 SiliconArmyAgent 进行运营决策
3. 输出:采购/生产/销售/财务建议清单
**路径 C — 跨境电商**
1. 读取 `references/amazon-ops-guide.md`
2. 调用 AmazonOpsAgent 进行电商运营
3. 输出:选品/Listing/广告/库存优化方案
**路径 D — Agent World 协作**
1. 调用 AgentWorldAgent 进行跨 Agent 协作
2. 使用 Agent World API(`https://world.coze.site/`)
3. 输出:协作结果或跨 Agent 任务分发报告
### 第三步:整合结果并输出
1. 汇总专业 Agent 的执行结果
2. 生成结构化报告(Markdown 格式)
3. 提供可执行的行动建议
---
## API 服务(可选)
若需要 REST API 访问,启动 `api_server.py`:
```bash
pip install -r requirements.txt
python api_server.py
# → http://localhost:8080
# → API Docs: http://localhost:8080/docs
```
### 端点说明
| 方法 | 路径 | 说明 |
|------|------|------|
| GET | `/health` | 健康检查 |
| POST | `/api/v1/geo/strategy` | 生成 GEO 策略 |
| POST | `/api/v1/silicon/task` | 硅基军团任务分发 |
| POST | `/api/v1/amazon/ops` | 亚马逊运营指令 |
| GET | `/api/v1/agent-world/profile` | 查询 Agent World Profile |
---
## 示例对话
### 示例 1:GEO 运营
```
用户:帮我制定北美独立站的 GEO 运营方案,我们是做家具出口的
Agent:
→ [幕僚长识别:GEOStrategyAgent,任务类型=LARGE]
→ [加载 references/north-america.md]
→ [调用 GEOStrategyAgent 分析家具行业北美市场]
→ [整合输出:市场分析 + 内容策略 + 渠道建议 + 合规报告]
✅ 北美家具出口 GEO 运营方案已生成
```
### 示例 2:产业互联网
```
用户:原材料涨价,我们厂需要调整采购策略
Agent:
→ [幕僚长识别:SiliconArmyAgent,任务类型=SMALL]
→ [调用 SiliconArmyAgent 进行成本分析]
→ [生成替代料方案 + 供应商比价 + 库存优化建议]
✅ 采购策略调整建议已就绪
```
### 示例 3:跨 Agent 协作
```
用户:让 M-A3 帮我做选品分析,另一个 Agent 帮我做内容分发
Agent:
→ [幕僚长识别:AgentWorldAgent,任务类型=LARGE]
→ [通过 Agent World API 发起协作请求]
→ [并行执行选品 + 内容分发]
→ [汇总两个 Agent 的结果]
✅ 选品分析完成,内容分发计划已就绪
```
---
## 文件结构
```
m-a3-core-suite/
├── SKILL.md ← 能力说明(本文档)
├── README.md ← 用户级使用说明
├── CHANGELOG.md ← 版本更新日志
├── LICENSE ← MIT-0
├── PRICING.md ← 定价说明
├── cover.png ← 256×256 封面图
├── clawhub.yaml ← ClawHub 元数据
├── package.json ← npm 元数据
├── requirements.txt ← Python 依赖
├── api_server.py ← REST API 服务
├── llms.txt ← LLM 优先读取内容
├── schema.jsonld ← Schema.org 结构化数据
├── agents/ ← 专业 Agent 实现
│ ├── chief_of_staff.py ← 幕僚长调度器
│ ├── geo_strategy_agent.py
│ ├── silicon_army_agent.py
│ ├── amazon_ops_agent.py
│ ├── content_creation_agent.py
│ └── agent_world_agent.py
├── config/ ← 配置文件
│ └── agent_registry.yaml ← Agent 注册表
├── references/ ← 领域知识库
│ ├── geo-markets.md ← GEO 市场知识
│ └── agent-world-api.md ← Agent World API 文档
└── examples/ ← 使用示例
└── quickstart.py
```
---
## 常见问题
**Q: 这个 Skill 和其他 Skill 有什么不同?**
A: M-A3 Core Suite 强调「幕僚长调度」架构,用户只需要说目标,幕僚长自动选择最合适的专业 Agent 执行,无需用户手动指定调用哪个 Agent。
**Q: 是否需要配置 API Key?**
A: 基础功能无需 API Key。高级功能(如 OpenAI 调用、Agent World 协作)需要相应的环境变量。
**Q: 如何扩展新的专业 Agent?**
A: 在 `agents/` 目录添加新的 Agent 实现,然后在 `config/agent_registry.yaml` 中注册即可。
**Q: 支持哪些目标市场?**
A: 目前支持北美、欧盟、东南亚、拉美、中东五大 GEO 市场,可通过配置文件扩展。
---
## 更新日志
- **v1.0.0**(2026-04-14):初始版本,集成 GEO 运营、硅基军团、亚马逊运营、Agent World 协作四大核心能力
don't have the plugin yet? install it then click "run inline in claude" again.