第一週的架構面走完了。今天不講新東西，來回答那個所有人都會問的問題：自己在家養一套 AI Agent 系統，跟每個月乖乖繳訂閱費比起來，到底值不值得。

我原本想在這裡貼一張帳單、給一個漂亮的「每月 X 美金」。寫到一半我把它刪掉了——不是因為數字難看，是因為我發現我在回答一個自己根本沒有在問的問題。

那筆錢不是拿去買一個助理。它買的是把已經在我家的那些東西，一層一層接起來的過程——而那個過程的價值，跟「比訂閱貴還是便宜」完全沒有關係。

所以今天這樣走：先回顧第一週蓋了什麼，接著把「划算嗎」這題結掉，然後講我真正在做的事、以及成本怎麼反過來把我的架構改掉。最後聊一件更個人的：這半年 AI 到底改變了我什麼，還有如果你也想開始，我會建議你從哪裡下手。

本週架構回顧：一張圖

過去六天拆解的東西，串起來長這樣：

一台 NAS、三個各自獨立的容器、六個負責不同專業領域的角色、一條對公網安全連線且不開 port 的通道。這就是第一週的全部骨架。

兩個誠實的補充，免得你之後對不上：

一、現在跑的不只三個容器，是六個。多出來的是 Web 儀表、檔案同步、還有一個跑 CI 的。
它們都不是「AI」，是為了讓這套東西能被安全地改動與更新才長出來的——而那部分的份量，
我一開始完全低估了。這條線留到 Day 27 講。

**二、Agent 其實是七隻，不是六隻。**第七隻是框架預設的那個，它沒有專屬人格檔，
所以我畫架構圖時從來沒把它算進去——結果它是最貴的那一隻。
這件事我是後來查帳才發現的，過程寫在 Day 22。

而這六天其實在回答四個依序出現的問題：

**這四塊擺在一起，就是一台備份照片的 NAS 變成一套會自己跑的系統所需要的最小骨架。**接下來的三週各自往上疊：記憶（W2）、自動化（W3）、治理（W4）。

順帶說明一件事：這個系列不會深入講 Home Assistant 怎麼裝、OpenClaw 這個框架本身怎麼用。

不是因為它們不重要——它們是 Lv.2 和 Lv.3 的地基，沒有它們後面什麼都不會發生。
而是因為它們各自都能寫成一整個系列，而且那些內容跟 AI 的關聯其實沒有想像中大：
裝 Home Assistant 是智慧家庭的題目，OpenClaw 的安裝設定則是照著官方文件走（Day 2 也講過，
那個雙容器架構是官方 compose 就長那樣，我沒做架構決策）。兩者都有比我寫得好的現成資料。

我想留給這 30 天的，是我自己比較有把握的那一段：把這些東西接起來之後遇到了什麼、
壞在哪、我又是怎麼一次次搞錯再修回來的。單一工具的教學已經有很多人寫得比我好，
但「接起來之後會怎樣」我只能自己記，因為那是我家的狀況。

先把那題結掉：不划算，而且我從來沒打算划算

「自架比訂閱省錢」這句話，在我身上從來沒有成立過。

治理前它比訂閱貴一個數量級，這點我很確定，因為那是我親眼看著帳單爬上去的。治理後帳面上是便宜了，但那個「便宜」有一半功勞屬於整個行業的降價，不是我的本事。

而且我也給不出一個誠實的月費數字，三個原因：

• **主力工作跑在定額訂閱上。**系統的日常演進——寫腳本、除錯、重構、追故障——現在幾乎都在訂閱制的 AI 助手那一側。訂閱是吃到飽的固定月費，它不會告訴你「這個月有多少額度花在這套系統上」。
• 按量計費的部分已經小到失去代表性。背景排程現在絕大多數是純腳本、零 LLM 呼叫（Day 15 講為什麼），剩下少數會呼叫模型的又多半走免費額度。這一塊的帳單長期趴在很低的位置，但它不代表系統的真實成本——它只代表我把貴的部分搬走了。
• **單價本身一直在崩。**2026 年的 token 單價比 2025 年降了大約八成。任何「我的 AI 一個月 X 元」的說法，都內建一個很短的保鮮期。

所以「划算嗎」的答案是：不划算，而且這從來不是我的目的。

至於會不會賺錢——如果哪天這些累積能變成收入，我當然樂見，也不排除。但我沒有把任何一個設計決策押在那上面。這個區別很重要：**「有機會賺錢」是加分項，不是預設。**只要成本還沒有營收在對沖，它就必須被壓住——一個會賺錢的系統可以用營收去換效能；一個還沒賺錢的系統只能用設計去換。

我真正在做的事：把已經在家裡的東西接起來

回頭看 Day 1 那張四級圖，這半年做的事其實只有一件：

**每一層都不是新買的，是把手上已經有的東西接到下一層。**那台 NAS 本來就在跑同步和家用服務，AI 只是搭便車上去的，沒為它多買機器，電費一個月也就幾十塊台幣。

**這也是為什麼「跟訂閱比多少錢」這題答不出來：訂閱買的是一個獨立的服務，而我做的是整合。**整合的成本不在帳單上——它在於你得先搞懂每一塊各自在幹嘛，以及它們接起來會壞在哪。

那學到了什麼？五面牆

說「學習曲線」聽起來很體面，但老實講它比較像一連串的卡關紀錄。

這半年這個領域的關鍵字換了好幾輪。我不是每一輪都跟得上，很多東西是別人先做出來、我後來才看懂的。但因為手上有一套真的在跑的系統，每次換的時候我至少感覺得到「為什麼要換」——因為前一輪解決不了的那個問題，正好卡在我手上：

**這張表沒什麼了不起，它就是我半年來依序撞到的五面牆。**我也不是每一面都翻過去了——最後那一格我還在裡面。

但它有一個我沒預期到的副作用：因為每一格我都真的卡過，新名詞出現的時候，我比較猜得到它在講哪一格。不是「我會了」——很多我到現在還是不會——而是比較不會慌。在一個每個月都有新詞的領域裡，光是能分辨「這是我卡過的那個問題」跟「這只是換個講法」，就已經幫我省下不少焦慮。

而上面那張表的第三格——Harness／Agent 框架——正好是我撞得最痛的一面，因為**把我撞回來的不是技術問題，是帳單。**下半場就講這個。

但成本確實逼我改了架構

到這裡都在講「我學到什麼」，聽起來一路向上。實際上這半年最大的一次架構調整，是被帳單逼出來的，而且它推翻了我原本的設計。

關鍵只有一句：讓一個 Agent「自己思考」，貴的不是它的回答，是每次醒來都要重新把「它是誰」載入一遍。

一次回答頂多幾百個 token，而人格設定加記憶加工具定義動輒幾萬個——而且每一次被叫醒都要重寫一遍。想得越深、醒得越勤，帳單漲得越快。

我為「讓它記得自己是誰」付的錢，遠多於為「它到底說了什麼」付的錢。

完整的成本拆解在 Day 22：四塊費用各佔多少、我怎麼把「是誰在燒錢」整個猜錯（包括一隻不在我任何一張架構圖上的 Agent），以及你要拿哪兩份匯出檔、問 AI 哪四個問題才能查出自己的形狀。今天只取結論。

因為這件事，我看懂了一個當時沒想過的問題：我不是在為結果付費，我是在為「讓它保持聰明」這件事按次付費。

於是小龍蝦從「大腦」變成了「身體」

一開始這裡只有一隻小龍蝦。整套東西就是 OpenClaw——我做的事說穿了就是把框架的人格、記憶、工具、排程一層層架起來，讓 Clawrion 能自己判斷、自己決策。（後來才知道這件事有個名字叫 harness engineering，那時候我只是照著感覺在裝。）那時候的想像很單純：Clawrion 就是大腦。

**把這個想像推翻的不是哪個技術洞見，是帳單。**而關鍵在於兩種計價的邊際成本完全不同：

於是架構改了：思考整個搬去 AI 助手那一側，而 Clawrion 退化成持久化與執行層——它保存狀態、準時觸發、把事情記下來，但它不思考。

**這就是 Day 1 那張角色表的由來。**那張表看起來像一開始就想好的分工，其實不是：它是帳單改出來的結果，而且改的方向跟我原本的設計相反。

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，記憶與準時本來就不需要智慧。

帳本上還有一筆 $40 的學費：某天深夜備援模型觸發，把所有背景排程一次升級到最貴的那顆。**每一個環節都照著我的設定正確執行，沒有 bug、沒有一行紅色的 log。**那次最難堪的地方是——**問題不在我寫的任何一行程式碼裡，是在一個下拉選單裡點出來的。**完整的逐時覆盤在 Day 22。

我用什麼判斷值不值得：生活有沒有真的改變

既然不談省錢，那用什麼衡量？我的判準只有一句：這件事上線之後，我的生活有沒有真的改變。

照這個標準看，半年下來成功和失敗都很明確——投資晨報和家裡的環境監測真的改變了我的習慣（我不再手動查了）；但也有幾個我興沖沖做出來、上線兩週就沒在看的功能。**能留下來的都是嵌進日常動線的，不是功能最炫的。**這條篩選線我一開始並不知道，是被淘汰掉的那幾個功能教會我的。

除此之外，自架還提供了幾件訂閱給不了的東西：

• **素材是真的，所以問題也是真的。**這套系統管的是我家的冷氣、我自己的持倉、我真的要交的申請文件。**不是 demo，沒有假資料。**也因為這樣，它會逼出玩具專案碰不到的問題：資料錯了會影響我的決定、通知晚了我會真的漏掉、成本超了是我自己付。拿自己的生活當素材，至少對我來說是最有效的督促——因為你沒辦法對自己的生活敷衍。
• **會踩到的坑，好像真的要自己養才遇得到。**成本失控、靜默失敗、記憶膨脹、時區跑掉——我在教學文裡沒看過這些，但它們佔掉了我這半年大部分的時間。
• **成果看得見。**一個跑了半年、每天準時產出東西的系統，比一份「我學過 XX」的清單踏實一點——對別人是，對自己更是。
• **隱私。**家庭溫濕度、真實持倉、家人作息——全留在自己家的硬碟，不上第三方雲，也不會變成別人的訓練素材。

也要誠實講缺點

自架最大的隱形成本是我的時間與心力：

• 那筆 $40 是我自己隨手查帳查出來的，沒有任何人會發信提醒你「用量異常」。
• 服務掛了自己修，半夜沒收到推播得自己爬 log。
• Home Assistant 跑在 NAS 的 VM 上，停電或 NAS 重啟後 VM 預設不會跟著開機，全家智慧裝置瞬間「失明」。

訂閱制把這些維運心力都包進月費裡了。自架就算真的省下錢，某種程度也是用自己的時間和肝換來的——而這部分永遠不會出現在任何帳單上，所以任何只比較月費的計算都是不完整的。

AI 對我最大的改變，不是替我做完事

這半年 AI 對我最大的改變，不是「幫我把事情做完」，是它把「動手做」的門檻壓得非常低。

以前想架一個網站、寫一支自動化腳本、接一個沒用過的 API，光是把環境弄起來就可能耗掉我一個週末。現在把要什麼講清楚，幾個小時內就有東西在跑。對我來說最大的差別不是省下那個週末，是「試試看」變得幾乎免費了——以前想到一個點子要先評估值不值得花時間，現在可以直接試。

而它確實讓我做得比以前多。不是因為我變勤勞，是因為以前一個週末只夠試一件事，現在同樣的時間可以試個兩三件——省下來的時間又滾進下一個東西。這套系統會長成現在這樣，有一半是這麼滾出來的。

不過對我來說，比「做得快」更有感的是另一件事：終於有人可以討論了。

一個人做 side project，我覺得最卡的不是不會寫，是卡住的時候沒有人可以對話。架構要怎麼切、這個設計會不會在半年後咬我、這個錯誤訊息到底在講什麼——這些問題以前只能自己憋著，或者發到論壇等三天。

現在我可以把整個脈絡丟出去，問「這樣切對嗎」「這個設計會壞在哪」「我這樣想是不是漏了什麼」。它不會嫌問題笨，我可以反覆問同一件事直到自己真的懂。這半年我在架構、設計、維護上的長進，大概有一大半是從這些來回裡撿來的，不是來自它幫我寫了什麼。

而且這件事會滾：因為問一句的成本幾乎是零，我開始願意在動手之前先想一下——以前那個「先做再說，反正想也想不出來」的習慣，現在回頭看，其實是被「沒人可以討論」逼出來的。

最直接的例子，就是你正在讀的這一篇

說穿了，這半年我做的事有點像替自己打造一個獨一無二的玩具：它只解決我家的問題、只有我會用、換一個人可能完全用不上。我一度覺得這就是它的天花板——一個做得很認真、但終究只有我自己在玩的東西。

**「要不要把這半年寫下來」不是我先想到的。**是某次聊完架構之後它提的：你手上這些踩坑紀錄，對正在踩同樣坑的人是有價值的，可以考慮寫成連載。

我的第一個反應是「這種東西誰要看」。後來還是報名了鐵人賽。

現在回頭看，它戳到的其實不是「你該去寫」，而是我一直預設「只有我自己在玩的東西」就等於沒有價值。這個預設不見得對——它是真的在我家跑，所以裡面每一個坑至少都是真的，不是我編出來教人的。

這也是我說「不是它幫我做完事」的意思：它沒有幫我寫這 30 天的任何一篇，但沒有那次對話，這 30 天不會存在。

不過有一件事它沒能幫我：判斷對錯。

AI 會給你一個看起來很對的答案，而且語氣很篤定。這個系列從第一天到今天，我記下的錯誤有一半是這樣來的——時區以為改好了、成本以為是那樣、數字以為還是最新的。「東西跑起來了」跟「東西是對的」中間，我目前還沒找到捷徑。

所以對我來說，「有人討論」跟「有人負責」是兩回事。回到 Day 1 那張角色表：**AI 助手是大腦，但決策者那一格寫的是我，後面那句是「出事負責」。**討論可以找它，決定還是得自己扛。

AI 讓「做出來」和「找人討論」都變便宜了，但「知道它是對的」沒有——而且因為你做得更快，錯的機會也更多。這半年我大部分的力氣，其實都花在這一段。

如果你也想開始：從家裡的一個需求開始

先說清楚：我不是什麼專家，這半年也就摸出一點皮毛。以下純粹是我自己走過之後會希望有人早點跟我說的話，你參考就好。

常聽到「一萬小時才能成為專家」。但這個領域每個月都在翻新，現在大概還沒有人累積得到一萬小時——對想進場的人來說，這其實是好消息：你落後的可能不是十年，只是幾個月。至少我當初就是這樣想才敢動手的。

如果只能講一件事，我會說：找一個你自己真的在乎的題材，然後慢慢延伸。

我的第一步是那台 NAS。它本來只是備份照片的，後來裝了智慧家庭，再後來才有 AI——我不是先決定「我要學 AI」再去想題目，是家裡先有問題，才去看 AI 能不能解。

這個順序當時我沒特別想，回頭看才發現它影響滿大的：

• 從「我想學 AI」開始 → 做出一個很炫的 demo，兩週後沒在看（我自己做過好幾個）
• 從「我家有這個問題」開始 → 因為問題還在，你就會一直回去改它

所以與其煩惱「該學什麼」，也許可以先列一列家裡的需求：哪件事你每天在手動做？哪個狀況你總是太晚才知道？哪個東西你一直想查但懶得查？這張清單至少不會有人跟你撞題，因為那是你家的事。

然後一次做一個，讓它真的跑進日常。我的生活型態確實被改變了，但不是被某一個很厲害的功能改變的，是被十幾個小東西一點一點磨出來的。

小結

第一週攤完，誠實版結論是：

• 第一週蓋的是骨架：放在哪（Day 1–2）、它是誰（Day 3–4）、怎麼跟我說話（Day 5）、怎麼安全地對外（Day 6）。四塊到齊，系統才站得起來。
• **我做的是整合，不是採購。**每一層都是把家裡已經有的東西接到下一層——所以它跟「訂閱多少錢」不可比。
• **學到的東西長得像卡關紀錄。**五面牆依序撞過去，換來的不是「我會了」，是「我知道現在講的是哪一段」。
• 最大的一次架構調整是帳單逼的，不是想出來的。貴的不是它的回答，是每次醒來重載「它是誰」——所以大腦搬到人在場的那一側，Clawrion 退化成執行層。Day 1 那張角色表是這麼來的。（完整的成本拆解在 Day 22。）
• 判準是生活有沒有真的改變：能留下來的都是嵌進日常動線的，不是功能最炫的。
• **AI 讓「做出來」和「找人討論」都變便宜了，但「知道它是對的」沒有。**做得更快，錯的機會也更多——討論可以找它，決定還是得自己扛。
• 如果要開始，我會從「我家有這個問題」開始，而不是從「我想學 AI」開始。前者你會一直回去改它，後者我做過幾個，兩週後就沒在看了。

值不值得？如果你只想要一個能用的助理、不想碰維運，訂閱大概完勝。但如果你手上本來就有一些沒串起來的東西、也想在串的過程裡摸點什麼——那這筆錢買到的不是一個服務，是你家這一套只有你會用的組合，外加把它接起來時撞過的每一面牆。

至少對我來說，這不是「哪個便宜」的成本題，是一道「你想買什麼」的選擇題。

最後預告一下：真正的爆量事故在 Day 22，今天只是先講清楚它怎麼改了我的架構。

🔑 這篇的關鍵字
整合的四層：倉庫 → 感知 → 智能 → 協作（每層都是接上已經有的東西，不是新買）
學習的五面牆：Prompt → Context → Harness → Loop → 多 Agent 編排
成本的形狀：Prompt Caching · Cache Write（冷啟動，貴）vs Cache Hit · 省錢看冷啟動次數，不是輸出長度 · 完整拆解 Day 22
邊際成本決定分工：定額訂閱 ≈ 0 → 承擔思考；按量 API ≠ 0 → 只承擔執行
本篇的誠實補正：容器是六個不是三個（→ Day 27）· Agent 是七隻不是六隻，第七隻最貴（→ Day 22）

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。