自架 AI Agent 實戰（一）：在自己電腦養一隻會自己開工的 AI 員工
前幾天盤中，我手機震了一下。
是我電腦上那隻股票 bot 傳來的：某檔股票觸發了我設定的訊號，它附上當下的價量、算好的指標、還有一句「要不要看一下」。
重點是——那個當下我根本沒坐在電腦前，也沒打開任何程式。 它自己在盤中每隔幾分鐘醒來看一次行情，收盤後自己去補資料、跑分析，偵測到我關心的訊號才主動敲我。
我愣了一下，然後意識到一件事：這隻 bot 已經不像是「我打開來用的工具」了，比較像是住在我電腦裡、會自己開工的員工。
這篇是「自架 AI Agent 實戰」系列的第一篇，也是整個系列的地圖。我想先把一個問題講清楚：
什麼叫「自架一隻能自主幹活的 AI Agent」？它跟 ChatGPT、跟雲端的 AI 產品差在哪？要自己養一隻，到底需要哪些東西？
這篇會聊這些：
- 「自架自主 agent」到底是什麼，跟 chatbot、雲端 AI 產品差在哪
- 為什麼是 2026 這個時間點
- 拆解一隻 agent 的四層結構：Context → 能力 → 溝通 → 自動化
- 用我那隻股票 bot 當例子，走完這四層
- 講老實話：它沒有電影那麼科幻
- 你可以怎麼開始（以及這個系列接下來會寫什麼）
先分清楚：chatbot、雲端 AI 產品、自架 agent
很多人講「AI Agent」其實講的是三種很不一樣的東西，我們先把它們分開。
第一種：chatbot。 你問一句，它答一句。像 ChatGPT 的對話框，你不問它就不動，答完就結束。它很聰明，但它是被動的。我之前在 AI Agent 到底是什麼？跟 ChatBot 差在哪 這篇有用「問路人 vs 助理」的比喻講過——chatbot 像問路人，agent 像助理。
第二種：雲端 AI 產品。 別人做好的 SaaS，你登入、付月費、用它規定好的功能。好處是開箱即用，壞處是它能做的事被框死了，你的資料也在別人的伺服器上。
第三種，也是這個系列的主角：自架自主 agent。 它跑在你自己的電腦或工作站上，你給它目標和工具，它自己規劃步驟、動手執行、檢查結果。它能讀寫你的檔案、執行指令、上網查資料、定時自己開工，做完再回報你。
差別在哪？簡單說：
chatbot 是「會聊天的腦袋」，雲端產品是「別人替你綁好的雙手」，自架 agent 是「住在你家、聽你的、用你的工具、替你幹活的那個人」。
整理成一張表會更清楚：
| chatbot | 雲端 AI 產品 | 自架自主 agent | |
|---|---|---|---|
| 跑在哪 | 別人的伺服器 | 別人的伺服器 | 你自己的電腦/工作站 |
| 誰決定能做什麼 | 你問什麼答什麼 | 產品框死的功能 | 你給目標，它自己規劃 |
| 能不能讀寫你的檔案 | 不行 | 看產品 | 可以 |
| 會不會自己開工 | 不會 | 不會 | 排程到了自己跑 |
| 資料在誰手上 | 對方 | 對方 | 你自己 |
如果你完全不想碰終端機，想用圖形介面的方式體驗這件事，我之前寫的 Claude Cowork — 當 AI 從聊天變成工作 是比較親民的入口。而這個系列要走的是 builder 路線：我們要自己動手，把一隻 agent 從零組起來。
為什麼是 2026？
幾年前要做到「一隻會自己幹活的 agent」，你得自己接一堆 API、寫一堆膠水程式、處理一堆瑣碎的工程。門檻高到大部分人會直接放棄。
2026 變了，原因有三個：
- 模型夠強了。 現在的模型不只會回答問題，還會「規劃」。你給它一個目標，它會自己拆成步驟。我在 AI Agent 怎麼「思考」 那篇拆解過這個流程。
- 工具成熟了。 Claude Code、Codex 這類能直接在你電腦上跑、能讀寫檔案執行指令的 agent runner 出現了，把最難的那層膠水都包好了。
- 開源也跟上了。 OpenClaw、Hermes 這些開源專案，讓你可以把 agent 接到通訊軟體、定時排程、甚至用本地模型跑到「資料完全不出門」。
我自己的體感是：這一年我的產出整個翻倍，不是因為我打字變快，而是有東西在替我做事。這件事我在 五月才過七天，我快有 500 個 commits 那篇講得更白——AI 對我來說已經不是工具，是勞動力。
那一隻能自主幹活的 agent，到底由什麼組成？這就是這個系列要一層一層拆的東西。
我電腦上現在養了五隻
在開始拆解之前，先讓你知道我不是在講空話。我電腦上現在固定在跑五隻 agent：
- 記帳 agent——手機傳一句「中午便當 120」，它自動分類寫進檔案，想看圖隨時生。分類正確率約 9 成，分錯下次糾正就學會。（對話式記帳工作流）
- 股市策略研究 agent——也就是這篇的主角，盤中盯盤、收盤補資料、偵測訊號通知我。（FinMind 股票追蹤）
- SEO 分析 agent——接 Search Console，定期分析我哪些文章在掉、該更新哪篇。（Search Console SEO 分析）
- 電商助理 agent——接 Shopify Admin API，幫我查訂單、整理商品資料。（Shopify 電商助理）
- 個人 wiki agent——幫我維護一個自己長大的知識庫，讀過的東西它幫我記、幫我連。（LLM 維護的個人 wiki）
這五隻長得不一樣，但拆開來看，它們的骨架是同一套。接下來就講這套骨架。
一隻 agent 的四層結構
我把一隻自架 agent 拆成四層，剛好對應你要給它的四種東西：
Context（它知道什麼）→ 能力（它能做什麼）→ 溝通（它怎麼跟你來往）→ 自動化（它什麼時候自己動）
下面我用那隻股票 bot 當例子，一層一層走給你看。它原本只是 用 Claude Code + FinMind 追蹤股票 那篇裡的雛形，後來我加上 crontab 跟一些 scripts，它就長成現在這隻會自己盯盤的員工了。
第一層：Context — 它知道什麼
Context 是一隻 agent 的根基，它又分成兩塊。
一是 Instruction，agent 的「憲法」。 我寫了一份指令給股票 bot：它該關心哪些訊號、風險邊界在哪、算出來要用什麼格式回報我、什麼情況該主動敲我、什麼情況閉嘴就好。指令寫得好不好，幾乎決定了這隻 agent 靠不靠譜。
二是 Memory 與檔案，agent 的「記憶」。 模型本身是會「失憶」的——每次對話結束，它就忘了。所以我讓 bot 把每天的行情、算好的指標、判斷的理由，通通寫進檔案。久了這些檔案就變成它的資料庫。而且我用「索引檔連到細節檔」的方式組織，讓它每次只讀需要的那部分，不用一次把所有東西塞進腦袋——這招叫漸進式揭露（progressive disclosure）。我那篇 讓 LLM 自己維護的個人 wiki 就是同一套思路的應用。
第二層：能力 — 它能做什麼
光有腦袋和記憶還不夠，agent 得能「動手」。動手的能力來自三種東西：Tools、MCP、Skills。
- Tools 是單一動作：抓一次股價、寫一個檔案、跑一段計算。
- MCP 是一條標準管道，讓 agent 連到外部世界——我的股票 bot 透過它接上 FinMind 拿資料。
- Skills 是教它「怎麼做」的工作流文件：先抓哪些資料、怎麼算、什麼門檻算訊號。
用個比喻：MCP 是食材庫和設備，Skill 是食譜和手藝。MCP 是管道，Skill 是流過管道的水，兩個一起，agent 才會做菜。
第三層：溝通 — 它怎麼跟你來往
agent 不該只活在終端機裡，不然你得一直盯著螢幕。它要能在你日常用的軟體裡跟你來往。
我的股票 bot 偵測到訊號，就直接傳訊息到我手機。台灣最順手的是 LINE，國際上很多人用 Telegram，Claude Code 本身也有遠端遙控功能，可以用手機app指揮電腦上的 agent。我那套 手機對話式記帳工作流 就是這層的代表作——一句「中午便當 120」，agent 自動分類寫檔。
溝通有兩個方向：你下指令遙控它，以及它主動回報通知你。兩個方向都接上，這隻 agent 才算真的住進你的生活。
第四層：自動化 — 它什麼時候自己動
最後一層，也是讓 agent 從「我叫它它才動」變成「它自己會開工」的關鍵：排程。
最基本的工具就是老牌的 crontab。我用它讓股票 bot 盤中每隔幾分鐘醒來看一次行情、收盤後自己去補資料跑分析。它不再需要我打開、不再需要我下指令，時間到了它自己上工。
這一層接上之後，前面三層才真正活起來：到點自動跑（自動化）→ 用工具完成任務（能力）→ 把結果寫進檔案（記憶）→ 偵測到訊號傳到我手機（溝通）。一隻完整的、會自己幹活的 agent，就是這四層轉起來的樣子。
講點老實話：它沒有電影那麼科幻
寫到這裡，我得誠實一下，免得你期待錯方向。
常有人問我：「它會不會自己亂搞、自己做一堆你沒叫它做的事？」
老實說……還好欸 XD。 我這幾隻 agent 最讓我滿意的地方，其實就是「好好把我交代的事做完」而已。它不會自己暴衝，也不會給我驚喜亂入。
唯一比較「聰明」的時刻，是在規劃階段——當我交代一件事，它有時會提出一些我原本沒想到的建議、補上我漏掉的步驟。就這樣，這樣對我來說就已經很夠了。
所以別被科幻電影帶歪了。自架 agent 的價值不是「它有自我意識」，而是它可靠、它不會累、它時間到了就上工、它把你教它的流程一絲不苟地重複執行。把它當成一個認真、聽話、還會提醒你的員工，期待值就抓對了。
你可以怎麼開始
如果這篇讓你也想養一隻，我的建議是：
別想一次到位。 不要一開始就想做出那種四層全開、會自己盯盤的怪物。先挑一件你每天/每週都要做、又有點煩的重複工作——記帳、整理檔案、抓某個網站的資料——讓 agent 先把這一件做好。
然後再一層一層加上去：先給它清楚的指令，再讓它把結果寫進檔案，接著接上工具、接上通知，最後排個 crontab 讓它自己跑。這個系列接下來就是照這個順序，一篇一篇手把手帶你做。
「自架 AI Agent 實戰」系列地圖
這個系列預計這樣走（後面每篇上線後，我會回來把連結補上）：
觀念篇
- 系列總論：在自己電腦養一隻會自己開工的 AI 員工（就是這篇）
- Agent Instruction：怎麼寫 agent 的「憲法」
- Memory 與檔案系統：記憶、檔案記錄、漸進式揭露
- MCP / Tools / Skills：agent 的三種能力擴充
- 用 LINE / Telegram 遙控你的 agent、收任務通知
- 用 Crontab 讓 agent 自己定時開工
工具篇（同樣的觀念，在不同工具上怎麼實現）
- Claude Code vs Codex：監督式 vs 全自動的 CLI 泛用 agent
- OpenClaw：always-on、會 heartbeat、住在通訊軟體裡的 agent
- Hermes：會自我改進的 agent——記憶與自動長技能的設計理念
案例篇：把上面的觀念落到真實專案（記帳、盯盤、SEO 分析、電商、個人 wiki）。
結語
把 AI 從「我打開來用的工具」，變成「住在我電腦裡、會自己開工的員工」——這就是自架 agent 這件事最迷人的地方。
而拆開來看，一隻能自主幹活的 agent 其實沒那麼神秘，就是四層：它知道什麼（Context）、它能做什麼（能力）、它怎麼跟你來往（溝通）、它什麼時候自己動（自動化）。 接下來整個系列，我們就一層一層把它組起來。
如果你看完想自己動手，但卡在「不知道從哪一層開始」或「想做的東西有點複雜、自己搞不定」——這其實正是我在做的事。我有提供 AI Agent 的諮詢顧問與代建服務，幫你看你的需求適合怎麼設計，或是直接幫你做出來。我接個人戶、也接中小企業（沒有要服務超級大公司啦😂）。想了解可以看 服務說明，或直接下面加我 LINE 聊聊。
喜歡這篇文章嗎？
📧 訂閱 Newsletter — 新文章直接寄到你信箱
🎬 追蹤我的 YouTube — 看 AI / 工具實作影片
💬 加我的 LINE — 聊聊你想做的 agent，或有問題隨時問我
🧵 追蹤 Threads — 平常的工程隨筆
掰掰～👋
