為什麼想做這個專案？

最近我在學校接觸到 Codex、MCP、本地大型語言模型（Local LLM）和 AI Agent。

在研究 Local LLM 時，我想到一個問題：如果語言模型是一顆可以用 Prompt 設定角色的「大腦」，同一個模型能不能分別擔任 PM、工程師、研究員和審查員？

使用者只要提出目標，再讓不同角色分工。PM 整理需求，Research 補充資料，Engineer 設計方案，最後交給 Reviewer 檢查。聽起來像一間小公司，但真正做起來還有不少問題：Agent 要怎麼交接？意見互相矛盾時該相信誰？角色拆得太細，會不會只是讓流程變得更複雜？

Discord 本身有頻道、討論串、角色和訊息紀錄，很適合拿來觀察這些交接過程。因此，我想把 Local LLM、AI Agent 與 Discord Bot 結合，透過這次鐵人賽實際驗證：

讓不同 AI Agent 在 Discord 裡像公司團隊一樣合作，能不能更有條理地完成任務？

這就是接下來 30 天要實作的專案：Discord AI 公司模擬器。

Discord AI 公司怎麼運作？

使用者會透過 Discord Bot 提出需求，系統再把任務交給不同職責的 AI Agent。

例如：

請幫我規劃一個個人記帳系統，包含需求、技術方案與驗收條件。

這個需求不會直接丟給單一 AI 產生答案，而是依序處理：

1. PM Agent 整理需求並拆解工作。
2. 缺少背景資訊時，由 Research Agent 整理資料並標記待查證事項。
3. 涉及預算時，由 Finance Agent 分析成本、風險與替代方案。
4. Engineer Agent 根據需求與支援資料提出技術方案。
5. Reviewer Agent 檢查方案是否遺漏需求或存在風險。
6. 系統整理各角色的成果，再回覆使用者。

Discord 不只是輸入和顯示答案的介面，也會保留 Agent 分工與交接的過程。

五位 AI 員工

五個角色大致對應以下流程：

定義問題 → 補足資訊／評估成本 → 解決問題 → 檢查結果

不過，每個任務不一定都要跑完五位 Agent：

• PM、Engineer、Reviewer 是核心流程。
• Research 只在缺少資料或需要查證時加入。
• Finance 只在任務涉及預算、資源或成本時加入。

例如，一般的程式錯誤不一定需要 Finance；沒有外部資料需求時，也不用呼叫 Research。PM 會根據需求建議需要的支援角色，再由 Python 工作流程驗證角色名稱，並按照固定順序執行。

在尚未串接 MCP 前，Research Agent 只能整理任務提供的資訊與模型既有知識。外部資料查證會留到後面的進度再加入。

MVP 先做到哪裡？

MVP 是 Minimum Viable Product，也就是「最小可行產品」。這一版先不追求功能數量，只確認核心流程能不能跑通。

• 使用者可以透過 Discord 建立任務。
• PM Agent 可以整理需求並產生工作清單。
• Research Agent 可以在需要時整理資料與待查證事項。
• Finance Agent 可以在需要時分析成本與預算風險。
• Engineer Agent 可以根據工作清單提出技術方案。
• Reviewer Agent 可以審查方案並提出修改建議。
• 系統可以依照任務類型調度需要的 Agent。
• Discord 可以顯示任務進度與最終結果。
• 系統可以保存基本的任務紀錄。

初步使用流程

使用者在 Discord 提出任務
            ↓
PM Agent 整理需求與工作清單
            ↓
判斷是否需要資料或預算分析
       ↙             ↘
Research Agent    Finance Agent
       ↘             ↙
Engineer Agent 提出技術方案
            ↓
Reviewer Agent 檢查方案
            ↓
系統整合結果並回覆使用者

PM 負責理解需求與建議角色；Python 工作流程負責實際呼叫。Python 不分析問題，只會檢查角色是否在允許清單中，並限制執行順序與次數。

初步系統架構

圖中的 Python 工作流程只是一段執行程式，不是另一位 AI Agent。PM 負責分析需求，Python 則依照分析結果呼叫其他 Agent，並保存各階段的結果。

各元件的用途如下：

• Discord Bot：接收使用者指令，顯示處理進度與結果。
• Python 工作流程：驗證 PM 建議的角色，按安全順序執行 Agent，並整理各階段結果。
• 五個 Agent：PM 分析需求；Research 與 Finance 提供支援；Engineer 解決問題；Reviewer 負責審查。
• Ollama + Qwen：在本機提供大型語言模型推論。
• 任務與執行紀錄：保存任務狀態和各 Agent 的產出。

這只是第一天畫出的架構，後面開始寫程式後一定還會調整。

DAY 1 先定下來的內容

今天還沒有寫程式，先確認了幾件事：

• 專案想解決的問題。
• Discord AI 公司的使用方式。
• 五個 Agent 的職責，以及哪些是核心角色、哪些是支援角色。
• MVP 必須包含的功能。
• 初步工作流程與系統架構。

這些設計不一定都會保留。實作後可能會發現流程太複雜，或某個 Agent 根本不需要獨立存在，屆時再根據實際結果修改。

這 30 天想弄懂什麼？

這是我第一次真正動手實作大型語言模型（LLM）相關專案。我想從 Discord Bot 與 Ollama 開始，逐步加入角色 Prompt、Agent 交接、Python 工作流程、MySQL 紀錄和 MCP 外部工具。

最後希望能在 Discord 中提出一項任務，由 PM 先整理需求，再讓其他角色按任務需要參與，得到一份經過整理與審查的結果。

除了完成作品，我也會記錄實作時遇到的錯誤、原本設計不合理的地方，以及修改架構的原因。如果最後成果和第一天想的不一樣，也能看出這 30 天到底改了哪些東西。

明日預告

下一篇會建立 Discord 應用程式與 Bot，設定 Token、訊息權限與安裝方式，先讓 Bot 加入測試伺服器。