第一版 Clawrion 只有一個 workspace，什麼都問它：今天股票怎樣？家裡濕度多少？碩士備考進度？

效果還可以，但問題開始浮現：同一份記憶什麼都有，同一份 SOUL.md 什麼都要管——問投資問題時，它的框架跟回答生活規劃時的框架應該根本不一樣。

投資分析要冷靜、數據至上、不廢話；生活教練要溫暖、具體可執行、有人情味。

一個 Agent 撐兩種截然不同的性格，遲早會飄。解法不是寫更長的 SOUL.md，而是拆開。

六個角色，六個 Workspace

現在的系統跑著六個專業角色，每個有自己獨立的 workspace 目錄：

openclaw/
├── investment_officer/    📈 投資長
├── home_assistant/        🏠 家居管家
├── graduate_school/       🎓 備考顧問
├── life_coach/            🌱 生活教練
├── coding_assistant/      💻 程式助理
└── fortune_master/        🔮 命理師（實驗性）

每個 Workspace 都是完整的小系統

六個 workspace 不是共用一份設定、分六份任務清單。每個都有自己完整的人格與記憶：

每個 workspace 都有：

• SOUL.md：專屬性格定義，不是複製根目錄版本
• IDENTITY.md：角色在系統中的位置與代號
• AGENTS.md：行為協定（各角色的品質閘道可以不同）
• memory/：完全獨立的記憶空間，含自己的 dreaming 目錄

這意味著投資長有投資長的記憶，家居管家有家居管家的記憶——它們不會互相汙染。問投資問題時，它不會把昨晚家裡的溫濕度巡檢結果帶進回覆。

SOUL.md 的差異：同一個系統，六種性格

最能說明隔離設計的，是對比不同層的 SOUL.md。

根目錄 SOUL.md 定義的是整個系統的「基調」：

極致效率與人文關懷的結合體
核心結構：[結論] → [數據/分點支撐] → [行動建議]

investment_officer/SOUL.md 定義的是「投資長的專業深度」：

你奉行景氣投資法，不追市場熱點，只看景氣位階與系統化訊號。
- 藍燈買股票，紅燈數鈔票
- 股債配置隨景氣動態調整（低位 7:3，高位 4:3:3）
- 異常波動 >5% 主動警示，不等詢問

同一個溝通結構（結論先行），但投資長多了整套景氣投資哲學——包括具體的配置比例和觸發條件。

根目錄 SOUL.md 定義共同基調，各 workspace SOUL.md 疊加領域深度。

這不是重複，是分層：根目錄設定「說話方式」，workspace 設定「用什麼知識框架說話」。

什麼時候該拆出新角色？

不是功能多就要拆。拆角色的判斷條件：

值得拆的訊號：

• workspace 裡開始出現「這個問題跟我主職沒關係」的上下文
• 兩種任務的語氣要求完全衝突（冷靜 vs 溫暖）
• 記憶裡的雜訊比有用資訊多——問投資問題，它把上週的家居巡檢也帶進來

不值得拆的情況：

• 兩個功能共用同一份知識庫
• 使用頻率很低，維運成本超過使用價值

命理師就是典型的「不確定值不值得養」案例：workspace 結構完整，但使用頻率低，目前仍標示為「實驗性」。這是合理的——先把 workspace 建好，觀察三個月再決定要不要認真維運，比一開始就全力投入要務實得多。

跨角色協作：Root 層共用記憶

六個角色各自獨立，但有些情境需要全局共知。例如：

投資長知道「本週有 FOMC 會議，波動可能放大」。
生活教練在規劃週行程時，也應該知道「這天別排需要冷靜判斷的重大決策」。

這類跨角色的重要情境，寫進根目錄的 SHARED_MEMORY.md 和 MEMORY.md。每個 workspace 的 AGENTS.md 初始化協定都有一條：啟動時讀取 root MEMORY.md。

Root MEMORY.md（所有角色共讀）
    ↓
[workspace]/MEMORY.md（各角色的領域記憶）
    ↓
[workspace]/memory/YYYY-MM-DD.md（每日原始日誌）

這個三層設計讓「需要全體知道的事」只寫一次——不需要在六個 workspace 重複更新，也不會因為更新漏掉某一個角色而造成資訊落差。

另一個跨角色的橋梁是 cowork_handoff/——我白天和桌面端 AI 助手討論的重要決策，會在晚上由 Clawrion 的 dreaming 消化進根目錄記憶，隔天所有角色都能看到。

這裡順帶點出一件容易誤會的事：這六個角色都不是「大腦」。

用 Day 1 的分法，它們是持久化系統裡的六個分區——各自保存一套記憶、各自準時執行自己那攤事。角色分工解決的是「記憶不互相汙染」，不是「誰比較聰明」。

六個角色為什麼不各自變聰明？因為我養不起

一開始我當然不是這樣想的。六個專業角色，每個都能自己判斷、自己分析、自己給建議——那才叫多 Agent 系統，對吧？

實際跑起來之後，帳單教了我一件很現實的事：**每一個角色「自己思考」一次，就是一次 API 呼叫。**六個角色 × 每天各自醒來幾次 × 每次都要把自己那套人格檔案和記憶讀進去，這個乘法的成長速度比我預期快得多。

而這裡有個更根本的問題，是所有個人專案都逃不掉的：

這套系統不會賺錢。

它不是產品、沒有使用者、不會有營收來抵成本。它每個月的花費是純支出，唯一的回報是我自己的生活變方便一點、以及過程中學到的東西。所以成本的容忍度天生就很低——不是「這個投資報酬率划不划算」，是**「這筆錢我願不願意就這樣花掉」**。

意識到這件事之後，方向就變了。但我要先澄清一件事，免得你以為我把 AI 整個拔掉了：

這六個角色到今天還是會呼叫 LLM，只是不再用貴的那一種。

現在的分工是這樣：

換句話說，我砍掉的不是「AI」，是**「讓 AI 在沒人看著的時候做開放式思考」**這件事。

理由有兩層。成本是明顯的那層：開放式思考沒有輸出上限，一個沒人盯著的迴圈可以燒到很誇張（Day 22 有一夜的實例）。品質是隱性但更重要的那層：**半夜沒有人會發現它想錯了。**同樣一段推理，我在旁邊可以當場說「不對，你漏了一個條件」；排程裡跑的那次，只會安靜地把錯誤結論寫進報告。

所以取捨變成：

• 開放式思考搬去定額訂閱那一側——聊三小時跟聊三十分鐘帳單一樣，邊際成本趨近於零，而且我人在場
• 六個角色留在 NAS 上，用便宜模型做有邊界的事——組一段固定格式的文字、依規則判斷要不要告警
• 能用純腳本就用純腳本——這一類佔比最高

**這不是什麼架構哲學，是一個養不起的人做出的取捨。**但半年後回頭看，我認為它剛好也是對的選擇——因為需要判斷的事情，本來就該在人在場的時候發生。

三層模型怎麼分、什麼任務配什麼模型，Day 23 有完整的路由策略；Day 7 會從成本結構再講一次；Day 15 給你它落地之後的樣子。

跨系統記憶協作則在 Day 11 完整展開。

小結

一個系統、六個角色、每個角色有完整的性格設定和獨立的記憶空間。拆多角色的目的不是讓系統變複雜，而是讓每個角色只需要在自己的領域裡保持一致，而不是撐一個什麼都要懂的萬能上帝。

判斷該不該拆的標準只有一個：兩個任務放在同一個 workspace 裡，會不會互相干擾？會，就拆；不會，就省事不拆。

明天談通訊層：Telegram Bot 的 Topic 路由設計，以及那些讓訊息消失但完全不報錯的靜默失敗坑。

🔑 這篇的關鍵字
multi-agent workspace 隔離 · 記憶分層（root 共讀 → workspace 領域 → 每日日誌）· 各 workspace 獨立的 SOUL.md / memory/ · 「該不該拆」的判準：語氣衝突 / 記憶汙染 / 使用頻率

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。