晚上十一點，手機跳出一則 Telegram 通知：
🌡️ 主臥濕度 78%，超過警戒值，自動啟動除濕機。
發這則訊息的不是我太太，也不是什麼訂閱服務——是跑在我家 NAS 裡的一隻 AI Agent。它叫 Clawrion，過去半年裡，它每天清晨幫我整理美股收盤與持倉變化、盯著家裡的溫濕度、提醒我每天重要行程，甚至會在每天凌晨三點「睡覺」，把白天發生的事消化成長期記憶，隔天接著昨天說的話。
這個系列，我會用 30 天把這套系統從架構到踩坑完整拆給你看。
先自我介紹：我白天在金融業做資訊工程師，晚上回家折騰這套 AI 管家。不是 ML 研究員，所以這系列的視角偏「工程師怎麼把東西跑起來」，而不是「模型怎麼調」。
這套系統的演化大概是這樣：
Lv.1 倉庫：NAS（一台 Synology DS723+）就是拿來備份照片的。買它的理由很單純：省雲端空間，家人的照片和影片放在自己硬碟上比較安心。
Lv.2 感知：買了房子，開始想解決生活瑣事。透過 HomeKit 加上 Home Assistant，家裡的溫濕度感測器、燈光、窗簾逐漸串聯起來。但 HA 本質上是「被動看板」——你打開 App 才看得到數字，它不會主動告訴你該做什麼。
Lv.3 智能：同一段時間，工作上的技術棧也在演進——從串接聊天機器人、到生成式 AI 工具、再到 Agent 架構。白天在公司踩過的坑，晚上回家變成練手素材。我開始想：能不能讓 NAS 主動思考？OpenClaw 這個 Agent 框架就是答案，它讓 Clawrion 在我睡覺時自己上班：凌晨五點抓美股收盤、濕度超標主動通知、記得我上週說過的每一件事。
Lv.4 協作：光有自動化還不夠。Clawrion 擅長「你不在時獨立完成任務」，但有些事情需要人即時參與——寫一篇文章要來回討論，做一個決策要人最終確認。Cowork 補上這一塊：它負責即時對話與分析，兩者共用同一套 Workspace（全 Markdown），Cowork 白天討論的內容，Clawrion 晚上整理記憶時看得到；Clawrion 凌晨跑完的數據，我早上用 Cowork 接著分析。自主運行和人機協作，就這樣無縫接軌。
你不需要一步到位。先當倉庫，有興趣再裝 HA，覺得不夠再養 Agent——這個系列的每一週，就是這條路的一個階段。
我知道你想問：ChatGPT Plus、Claude Pro 一個月也就二十美金，何必折騰？
老實說，一開始我也是訂閱派。但用久了會發現，這些服務本質上都是「聊天型」的——你開視窗、打字、等回覆。開發上頂多再加一個 GitHub Copilot，但主要還是人機協作：你在，它才動。我需要的不是一個更聰明的聊天對象，而是一個「我不在的時候也會自己上班」的系統。
折騰下來，理由有三個：
一、有些資料就是不想出門。 家人的作息、全家的溫濕度感測、我的完整持倉與損益——這些資料我希望留在家裡的硬碟上，而不是變成某個雲端服務的訓練素材。自架系統的所有記憶都是 NAS 上的 Markdown 檔，我隨時能打開來看它「記得什麼」，不想要的一行刪掉就忘了。
二、訂閱制 AI 不會在凌晨五點自己上班。 聊天機器人是「你問它答」；管家是「你睡覺它做事」。美股收盤是台北凌晨五點，我的系統會在那時候抓回收盤價、更新持倉損益，八點把晨報送到我的 Telegram。這種 24/7 的主動性，網頁版訂閱服務給不了。
三、客製化的天花板完全不同。 我可以給 Agent 寫人格檔案、定行為紅線、設計它的記憶結構，讓六個不同角色的分身各管一攤事。這些後面每一項都會展開講。
當然，代價也是真實的：維運心力、故障自己扛。還有一件事我要先說清楚——我曾經一夜之間被燒掉 40 美金 API 費。那不是意外，是我自己設計上的錯誤。那個故事留到第 22 天再講，因為它值得一篇完整的覆盤，而不是一句帶過的括號。
先看全景，細節後面 29 天慢慢拆：
硬體就是那台 DS723+，軟體核心以 Gateway、Agent Runtime、MCP Server 三個核心容器為骨幹，加上 md-server、Cloudflare Tunnel、自動更新等輔助容器。圖示為主要角色，完整的容器分工是 Day 2 的主題。對外通訊走 Telegram Bot，Home Assistant VM 也跑在同一台 NAS 上負責家居整合。md-server 是一個輕量的 Express Web Server，把整個 Workspace 的 Markdown 檔案變成可瀏覽的網頁，我和 Cowork 都可以透過瀏覽器直接查看 Clawrion 寫下的任何記憶與報告。
行情資料源指的是 Yahoo Finance 的免費 API——Agent 每天凌晨五點自動拉取美股收盤價與台股報價，快取成一份 JSON 檔存在 Workspace 裡，之後的晨報和持倉損益計算都從這份快取讀取，不是每次都打 API。
整套系統的「大腦狀態」——人格、記憶、規則、知識庫——全部是 Markdown 檔案。後面會講為什麼這個看似土法煉鋼的設計意外地好用，以及為什麼我不用資料庫。
它現在每天在做的事：
| 時間（台北） | 任務 |
|---|---|
| 03:00 | 「睡覺」：整合當日記憶（Dreaming 機制） |
| 05:00 | 抓美股收盤，更新行情快取 |
| 07:30 | 生活晨報（行程 + 提醒） |
| 08:00 | 投資晨報（持倉 + 異動） |
| 08:00–22:00 | 每 2 小時環境巡檢（溫濕度） |
| 22:00 | 持倉損益同步 + 當日收尾回顧 |
| 隨時 | Telegram 問答、家居控制 |
至於花多少錢——這篇我刻意不給數字。Day 7 會解釋為什麼：這套系統現在橫跨「定額訂閱」和「按量計費」兩種模式，前者無法歸屬、後者小到失去代表性，任何我報出來的月費都會誤導你。我能給的是成本的結構和判斷方法，那個不會過期。
| 週 | 主題 | 這一週在回答什麼 |
|---|---|---|
| 第一週 | 架構 | 東西怎麼擺：容器怎麼切、Agent 的人格檔案怎麼寫、六個角色怎麼不打架、對外通訊怎麼不開 port |
| 第二週 | 記憶 | 框架給了三層記憶和「做夢」機制，我怎麼把它用好——以及它沒幫你管的部分（記憶膨脹、機密外洩） |
| 第三週 | 自動化 | 哪些事該交給機器：排程編排、行情快取、資料防呆、故障自癒。收尾會誠實交代哪些事我沒有自動化，而且不打算自動化 |
| 第四週 | 治理 | 讓它別失控：一夜 $40 的爆量覆盤、模型分層、品質閘道、安全自白。還有一支我以為在保護我、實際上兩個月來都在比對空值的檢查腳本 |
先講五個這系列的立場，免得你讀到一半覺得被騙：
**一、有很多東西不是我做的。**這套系統跑在 OpenClaw 這個開源 Agent 框架上——三層記憶、凌晨做夢、排程引擎，都是它內建的。我做的是把它跑起來、撞到它沒管的地方、然後補上治理。該是框架的功勞我會標清楚，因為這對你判斷「自己做要花多少力氣」很重要。
**二、它其實沒有你想的那麼「智慧」。**寫這句話的當下，系統裡有 57 個排程任務，其中 42 個根本不呼叫 LLM——它們是純腳本，讀檔、算數、發訊息。剩下會用模型的那些，也一律走免費額度或便宜的小模型，旗艦模型完全不出現在排程裡。（這些數字每隔幾週就會變，重點是比例不是絕對值。）我刻意讓它們笨，理由寫在 Day 15。真正的 AI 槓桿不在那些排程裡，而在我坐下來跟 AI 一起改程式碼的時候。
**三、系統裡的程式碼，多數不是我親手打出來的。**這件事必須講在最前面，否則後面 29 篇的每一句「我寫了一支腳本」都在誤導你。這系列出現的角色有三個，我會盡量分清楚：
| 稱呼 | 是誰 | 定位 | 做什麼 |
|---|---|---|---|
| 我 | 我本人 | 決策者 | 決定要做什麼、定規格與紅線、驗收、出事負責 |
| AI 助手 | 桌面端的 AI 開發工具（訂閱制） | 🧠 大腦 | 讀 log、假設、寫程式碼、重構。思考與實作都在這裡發生 |
| Clawrion | 跑在 NAS 上的 Agent（本系列的主角） | 💾 持久化系統 | 準時執行、保存狀態、寫記憶、發通知。它不思考，它記得 |
所以當我寫「我寫了一支歸檔腳本」，精確版本是：**我判斷需要這支腳本、講清楚它該做什麼跟不該做什麼、AI 助手把它實作出來、我讀過並實跑驗證後才部署。**責任在我，鍵盤多半不在我。
你可能會覺得這個分工很怪：這系列的主角 Clawrion，居然是那個不負責思考的？
一開始不是這樣的。我最初的想像很典型：養一個聰明的 Agent，讓它自己判斷、自己決策，我只要出一張嘴。後來把它改成現在這樣，主因是計價模式。
兩邊價差不是幾成，是結構性的差異。
而讓這個價差變得無法忽視的，是另一個前提：**這套系統不會賺錢。**它沒有使用者、沒有營收，每個月的花費是純支出。所以我對成本的容忍度天生很低——不是在算投資報酬率，是在問「這筆錢我願不願意就這樣花掉」。（Day 4 會用六個角色的例子把這件事講透。）
一旦意識到這兩件事，架構自然就變形了：
把「思考」全部搬到定額那一側，讓按次計費那側只做「記得」和「準時」。
於是 Clawrion 從「聰明的管家」退化成「可靠的執行與記憶層」——**而它變得比以前好用。**因為思考本來就該在人在場的時候發生，而記憶與準時本來就不需要智慧。
這件事我在 Day 7（成本結構）、Day 11（兩個 AI 怎麼分工）、Day 15（為什麼大多數排程不呼叫 LLM）會從三個角度各講一次，因為它是這半年最大的一次認知翻轉。
還有一點順帶要說：**「一個人維護五十幾個排程 + 一套 Web 儀表 + 一層 MCP 工具」這件事，在兩年前對我來說是不可能的。**能成立的原因不是我變強了，是實作的邊際成本也掉到很低。後面每一次「那我就順手加一支腳本」，背後都是這個前提。
四、每篇最後會留一排關鍵字。這系列是用講故事的方式寫的，不是教學文——但我很清楚，看完會有人想自己動手。所以每篇談完，我會把那篇真正用到的技術名詞、工具名、參數名列成一排。
那排字不是給你 Google 的（雖然也可以），是給你貼給你自己的 AI 助手的。以我這半年的經驗，你只要有正確的關鍵字，剩下的實作它會幫你補完——卡住的人多半不是不會做，是不知道要問什麼。
**五、一半的篇幅在講我做錯了什麼。**這系列更像一本除錯日記而不是教學文，因為那才是自架最真實的部分。我不會說「跟著做就對了」——我會說「我這樣做，然後它這樣壞掉，最後我這樣修」。順帶一提：AI 幫我寫出來的東西也會壞，而且壞法有它自己的特色，這在 Day 25 和 Day 28 各有一個活生生的例子。
自架 AI 管家不是省錢方案（時間成本算進去絕對虧），它買到的是隱私、主動性和無上限的客製空間——外加一個會持續長大的 side project。
明天從架構開始：為什麼同一份 image 要跑成兩個容器？我照著官方文件裝完，半年後才真正理解那個設計。
🔑 這篇的關鍵字（貼給你的 AI 助手，它會幫你補完剩下的）
OpenClaw（Agent 框架）· Synology NAS ·Docker Compose·Syncthing（點對點檔案同步）·Home Assistant· Telegram Bot API
我是一名金融業資訊工程師，這是我半年來在家自架 AI Agent 系統的實錄。
iThome鐵人賽
看影片追技術