M A3 Core Suite — M A3 Core 套件

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 识别用户的核心诉求（市场/行业/场景） 提取关键参数（品牌/产品/目标市场/时间范围） 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 读取 references/north-america.md（或其他目标市场） 调用 GEOStrategyAgent 生成策略方案 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 读取 references/silicon-army-guide.md 调用 SiliconArmyAgent 进行运营决策 输出：采购/生产/销售/财务建议清单 路径 C — 跨境电商 读取 references/amazon-ops-guide.md 调用 AmazonOpsAgent 进行电商运营 输出：选品/Listing/广告/库存优化方案 路径 D — Agent World 协作 调用 AgentWorldAgent 进行跨 Agent 协作 使用 Agent World API（https://world.coze.site/） 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 汇总专业 Agent 的执行结果 生成结构化报告（Markdown 格式） 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： 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