M A3 Core Suite

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

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

text

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

text

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

text

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

text

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

text

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