你可能已經在用 AI 工作了。

早上開 ChatGPT，問個問題，複製貼上，整理答案，繼續下一件事。

這當然有幫助。但如果你停下來，它也跟著停。

這不是 AI 公司，這是一個很強的助理工具(Openclaw Multi Agent)。

差別在這裡：臺北時間凌晨一點，Gucci 去睡了。但 Lumi 還沒有。

它自己在巡檢程式碼、跑最佳化、處理技術債、自己寫程式、自己測試。早上打開電腦的時候，等著的是一份完整的工作報告，不是一個空白的聊天視窗。

你不需要一開始就做到這個規模。 但你需要知道，這種工作方式是真實存在的，而且起點比你想的小得多。

快速答案：6 個 AI 員工各負責什麼

一、你以為你在用 AI，其實你只是在用助理

很多人說自己已經在用 AI 工作了。

但他們說的是白天，開啟 ChatGPT 問問題，複製貼上，那不叫 AI 公司，那只是一個很強的助理工具。工具的邏輯是「你下指令，它回應」；公司的邏輯是「你不在的時候，它還在跑」。

這是分水嶺。

真正的 AI 公司，是你去睡了，Lumi 還在凌晨一點到五點自己寫程式、自己測試、自己把改好的東西整理好送出來。早上你刷牙之前，工作報告已經在等你了。這不是比喻，這是實際運作的狀態。

而且，這支影片你現在正在看的腳本，是 Craft 寫的，然後經過 Lala 多次修改，整個流程 Gucci 完全沒有介入。你在讀的這篇文章，就是 AI 公司的產出。

二、讓 AI 變成公司的關鍵不是模型，是結構

六個 Agent 聽起來很多，但背後的邏輯只有一件事：每個人都有角色、有輸出、有下一步。

Lala 是 CEO，不直接做所有事，而是負責全域統籌。任務進來先判斷該交給誰，收到成果後做一次 review，品質不夠就退回去讓 Agent 重做。只有真正需要拍板的決策，才送到 Gucci 眼前。

用 Gucci 自己的話說：「我並不是完全不管，而是我只管方向，Lala 管執行。」

這才是一人公司最需要的設計。你不是要管六個機器人，你是要有一個可以代你協調、代你稽核的 CEO 節點。其他人只是這個節點底下的執行者。

Lumi 寫程式修 bug，Ori 掃 Reddit 和 X 找痛點、拆別人的方法論、整理 API 和工具。Craft 收到 Ori 的 brief 之後寫內容，寫完送 Lala 審。Sage 做投資市場分析和持倉影響研究。Pixel 處理所有視覺，縮圖、Mockup、流程圖，甚至 AI Office 本身的介面設計稿。

最值得抄的不是角色名字，是角色邊界。邊界清楚，你就不用一開始建一個超完整系統。先讓一個 Agent 專做研究，另一個專做內容，跑順了再慢慢接。

三、Discord 為什麼會變成 AI 公司的總部

多個 Agent 長期合作，最怕的不是做不出來，而是做完之後你找不到東西。

Gucci 的做法是把 Discord 變成總部，每個頻道都有固定職責。approval 是放需要他決定的事，Agent 沒辦法決定的就丟在這邊等他回；research 是 Ori 的研究產出；content 放文章與社群內容；daily brief 是每天的晨報；dev log 是 Lumi 每次改了什麼的紀錄；water cooler 放 brainstorming 結論；market research 放市場摘要、盤前報告和週報。

這種設計有一個很實際的價值：你不需要翻整串聊天紀錄，去對的地方看對的事情就好。而且這些內容不是手動整理，是排程和 Agent 交接後自動落到對應頻道的。

大多數時候 Gucci 直接對 Lala，而不是分別盯 Lumi、Ori、Craft、Pixel、Sage。這讓管理複雜度大幅下降，也就是一般公司的運作方式：主管不會直接對到每位員工碎念所有細節，所有訊息都透過一個統籌節點來消化。

四、這間 AI 公司一天怎麼跑

凌晨一點。 Gucci 去睡了，Lumi 的夜班開始。它自動啟動，巡檢程式碼、跑最佳化、處理技術債，自己寫、自己測、自己整理。這些工作不需要人指派，它的排程裡就有。

早上七點。 Discord 裡已經有東西在等著了。Daily brief 送出當天晨報，research 頻道有 Ori 的掃描結果，market research 有 Sage 的盤前分析，dev log 有 Lumi 昨晚改了什麼。你還沒刷牙，你的 AI 團隊已經把一輪工作做完了。

中午。 如果遇到一個比較大的爭議問題，比方說下一支影片該走手把手教學，還是著重成果展示——這種沒有標準答案、一時之間沒辦法決定的事，Gucci 會啟動 brainstorming 機制。

把議題丟給 Lala，Lala 召開 brainstorming 會議。第一輪每個 Agent 各自陳述觀點，第二輪展開正反辯論，最後由 Lala 整合出結論和 action items，交由 CEO 做最後判斷。

Gucci 說：「整個過程當中，我就是站在旁邊看。我不是在問 AI 問題，我是讓整個 AI 團隊來幫我想清楚。」

說真的，很多時候辯完兩輪，Lala 整合出來的結論比一個人自己想的還要全面。因為一個人想有盲點，讓整個團隊互打，盲點就會被戳出來。

下午。 透過 Mission Control 和 AI Office 看整體狀況。哪個 Agent 在工作、哪個 idle、現在任務在哪一段、誰把任務丟給誰、結果送到哪個 channel，全都在同一個畫面裡。

五、你看不到的東西，你就沒有辦法管

影片裡有一句話說得很直接：如果你只是要做事，ChatGPT 其實就夠了。

真正困難的是管理。誰在做什麼、現在在哪裡、做完之後交給誰、哪裡卡住、品質有沒有過。當你同時有六個 Agent 在跑，如果沒有一個總覽介面，你其實不知道系統有沒有在健康運作。更大的問題是：「平常大家都說有在用 AI Agent 工作，可是它就像是一個黑箱，你完全不知道他們在幹嘛。你看不到的事情你就沒有辦法管。」

Mission Control 和 AI Office 的存在，就是把這些原本看不見的東西變成可視化。燈亮代表工作中，灰燈代表 idle；Mouseover 可以看細節；旁邊有任務清單和活動記錄；下面還有 Agent 彼此拋任務的軌跡。你不只知道它有沒有做事，還知道它做到了哪一步。

連這個 AI Office 的介面本身，也是 Pixel 設計、Lumi 開發完成的。

六、你不需要有員工，你需要的是一套系統

這支影片展示的是六個 Agent 的完整團隊，但起點可以很小。

第一步： 先讓一個 Agent 每天幫你做一件固定的小事。整理晨報、掃描競品、或者把一篇文章做深度研究。你不需要一開始就讓 AI 跑整晚。

第二步： 補一個負責承接結果的 Agent。研究完就丟給內容 Agent 寫成文章。讓交接發生一次，你就會感受到系統的感覺。

第三步： 等你開始感受到交接和回報的價值，再補上 review、approval 和 dashboard。

如果你現在還沒有自動辯論機制，也沒關係。最簡單的做法是：同一個問題開兩個視窗，一個叫它支持，一個叫它反對。你把兩邊的論點放在一起看，你的判斷會比單獨聽一邊好很多。等你確認這樣真的有用，再考慮把它做成自動化。

最怕的不是系統不完整，而是你一開始就把系統想得太完整，最後根本沒有開始跑。

你不需要有員工，你需要的是一套系統。

想直接看完整的 Multi-Agent 架構、AI Office、Discord 頻道設計與部署教學，可以到我的⟪AI效率革命聯盟⟫社群進一步了解：

額外附錄

AI公司一日排程

每週排程

常見問題

AI 公司和一般用 ChatGPT 最大差別是什麼？

最大差別不是模型智商，是有沒有分工和交接。一般 ChatGPT 是你問一次、它回一次；AI 公司則是不同 Agent 各自負責研究、內容、開發、設計、稽核，任務完成後還會往下一站流動。你最後管理的是整條流程，而不是單次對話。

我只有一人公司，也需要做到六個 Agent 嗎？

不用。最值得抄的是角色邊界，不是角色數量。你完全可以先從兩個開始，例如研究 Agent 加內容 Agent，先讓「找到資訊」和「產出內容」分開，再慢慢補上 review 或 dashboard。先跑起來，比一次做滿更重要。

為什麼 Discord 會比單一聊天視窗更適合？

Discord 可以把不同產出落到固定頻道，讓 approval、research、content、dev log、market research 各自有去處。當系統開始每天自動跑，你最需要的不是更多訊息，而是可以快速定位、追蹤和回看。不然所有內容只會混成一坨。

Mission Control 一定要自己開發嗎？

不一定。影片裡的 Mission Control 是 Gucci 自己做的，整合度很高。但核心不是一定要做出一模一樣的介面，而是你要有一個地方能看到 Agent 狀態、任務進度和交接紀錄。先用你現有工具拼出可見性，再決定要不要做更完整的版本。

作者資訊

追日 Gucci 是 AI 自動化教育者、《AI 效率革命聯盟》創辦人，過去曾任半導體大數據工程師，現在專注把系統化思維帶進一人公司、內容創作與日常決策。這篇文章整理自他的 YouTube 影片與實際運作中的 OpenClaw AI Office 流程。

觀看完整影片