先說我用 Claude Code 的方式不太一樣

大多數人用 Claude Code 的方式大概是這樣：

• 把一個 coding 問題貼進去
• 讓它幫你寫一段 function
• 覺得「哇，AI 好厲害」然後複製貼上

我用 Claude Code 的方式不太一樣。

我的伺服器上有 39 個 AI Agent 在 24 小時輪班工作。

• 它們有各自的 email 信箱（leader@XXX、spec-planner@XXX……）
• 它們有自己的任務追蹤系統
• 它們之間可以互相傳訊息、分派工作、等待對方完成再接手
• 它們有一個「隊長」（Leader Agent）統籌調度
• 它們有記憶——你跟它說過的事，下個月它還記得

這不是科幻故事，也不是 demo。這是我過去幾個月一邊跑真實客戶案子、一邊搭起來的東西，現在每天真的在跑。

為什麼我要參加這次鐵人賽？

三個理由，說清楚。

第一，這套用法幾乎沒有人在教。

市面上的 AI 工具教學 99% 是「如何用 ChatGPT 生文案」「如何用 Claude Code 做 Vibe Codeing」。但「用 Claude Code 建真正的生產級 multi-agent 系統」的中文內容，我找不到我想要的。

這個空白，我覺得我可以填。

第二，我想逼自己把設計邏輯說清楚。

系統是跑起來了，但很多決策是「邊做邊想通的」。30 天 30 篇，是強迫自己把腦袋裡的知識結構化輸出的機會。整理給別人看，往往比自己懂更難——也更有價值。

第三，這是我的技術作品集。

我喜歡做 FDE（Forward Deployed Engineer）這樣的角色——就是那種同時懂技術、又要面對客戶的角色。所以趁這機會說明我過去幾個月「有實際 deploy 過 AI agent 系統」，這樣 30 篇有深度的技術文章，會讓大家更了解我。

我用這些工具做過什麼？

在教你什麼之前，先讓你知道我的實際背景——這樣你才能判斷這個人說的話值不值得聽。

39 個 Agent 的艦隊：長什麼樣？

我把整套系統稱為「艦隊」，架構大概長這樣：

你（人類）
    │
    ▼
Leader Agent（總調度）
    ├── 副官 A（deputy-ops：需要 sudo 權限的操作）
    ├── 副官 B（deputy-dev：程式碼修改、build）
    ├── 品牌策略 Agent
    ├── 規格書撰寫 Agent（spec-planner）
    ├── Email 管理 Agent（mail-manager）
    ├── WordPress 維護 Agent（wp-manager）
    ├── 資料庫管理 Agent（db-manager）
    ├── 客服教練 Agent（cs-coach）
    └── … 共 39 個

每個 Agent 都有：

• 自己的身份：persona、職責範圍、工作規範（寫在 CLAUDE.md）
• 自己的記憶：長期記憶，跨 session 持久，用文件系統實作
• 自己的信箱：可以收外部 email
• 自己的任務佇列：TASQ（Task Queue System），記錄每一個任務的狀態和進度
• 24/7 自動執行：背後有一個 daemon 在輪詢任務佇列，有工作就自動撿起來做

真實跑過的案子

1. 業務流程自動化： Station Flow 設計、CS coach
2. 健康平台 agent 部署（客戶端）： 艦隊完整部署到客戶伺服器
3. 內部工具建置： spec-planner、code-reviewer、db-manager
4. 客戶品牌重定位（USP 課程）： 品牌策略、文案撰寫
5. 日常行政（信件、任務追蹤）： mail-manager、leader agent

踩過的真實事故（也是最貴的學費）

這些不是假設情境，是真實發生的：

• 磁碟滿了，PostgreSQL cluster PANIC：所有 agent 共用同一個 DB，磁碟滿的瞬間整支艦隊全掛
• 一個 agent 自己 mark-read 了老闆的訊息：老闆的訊息永久漏接，沒有人知道
• 38 個 agent 沒有查重邏輯：同一件事被 38 個 agent 各自建了一個 task，碎片化嚴重
• systemd sandbox 讓 agent 以為某個檔案不存在：其實存在，只是被沙箱設定擋住讀取
• 一個 agent 的 step 卡在 in_progress 沒人知道：它靜默卡了 9 個小時，等到巡查 agent 告警才發現

這些事故每一個都有 post-mortem、有修復記錄、有預防機制——之後的文章我都會詳細講。

這個系列打算寫什麼？30 天大綱

30 天，分成五個階段，從零開始到生產級部署：

◆ Part 1：基礎篇（Day 1–5）

讓你從零理解 Claude Code，不需要任何 AI 背景。

Day 1: Claude Code 是什麼？它和 ChatGPT / Copilot 的根本差異
Day 2: 裝好環境，5 分鐘啟動你的第一個 Agent
Day 3: 用 CLAUDE.md 給 Agent 一個「靈魂」
Day 4: Agent 的記憶系統：讓它記住你說過的事
Day 5: 給 Agent 工具：MCP 和外部服務整合

◆ Part 2：打造你的第一個真正可用的 Agent（Day 6–12）

從「玩具」到「能用的東西」。

Day 6: 設計一個有明確職責的 Agent
Day 7: 讓 Agent 和外部 API 溝通
Day 8: 讓 Agent 24/7 工作：Daemon 模式入門
Day 9:用 systemd 讓 Agent 開機自動啟動
Day 10: Agent 的任務管理：怎麼知道它在做什麼、做完沒
Day 11: Skill 系統：給 Agent 可複用的操作手冊
Day 12: Agent 的錯誤處理與自動重試機制

◆ Part 3：多 Agent 協作——艦隊篇（Day 13–20）

這是最少人在教的部分，也是我認為最有價值的部分。

Day 13: 為什麼需要多個 Agent？單 Agent 的天花板在哪裡
Day 14: Agent 之間怎麼溝通：Hub 與非同步訊息系統
Day 15: Leader Agent：總調度的設計哲學
Day 16: 什麼時候該新開一個 Agent？判斷標準
Day 17: 任務追蹤系統：讓你知道哪個 Agent 在做什麼
Day 18: 讓 Agent 問人類問題：問卷系統的設計
Day 19: 艦隊健康監控：防止 Agent 靜默卡死的機制
Day 20: 真實案例解析：我的 39 個 Agent 各自負責什麼

◆ Part 4：生產級部署（Day 21–27）

跑通了之後，怎麼讓它穩定跑在真實環境？

Day 21: Agent 的安全邊界：沙箱與權限管理
Day 22: 給你的 Agent 一個真實的 email 信箱
Day 23: 業務流程自動化：Station Flow 概念與實作
Day 24: 把 Agent 部署給客戶：多租戶架構怎麼設計
Day 25: Agent 的成本控制：token 額度管理
Day 26: 生產事故處理：我踩過的 5 個大坑完整解析
Day 27: 效能調優：讓 Agent 更快、更省 token

◆ Part 5：進階主題 & 總結（Day 28–30）

Day 28: 和其他工具整合：GitHub、WordPress、Slack
Day 29: 下一步：你可以用這套系統做什麼（真實場景）
Day 30: 總結：從零到生產級 AI Agent 艦隊，我學到了什麼

這個系列適合誰？

適合你，如果你：

• 會寫程式（任何語言），想認真把 AI 工具整合進工作流程
• 想了解「AI Agent」到底是什麼、能做什麼、怎麼不讓它壞掉
• 想把 Claude Code 從「偶爾問一下」變成「真正在幫你工作的系統」

可能不適合，如果你：

• 完全不懂程式、也不打算學（這個系列有一定技術深度）
• 只想要「10 分鐘快速上手」的入門教學（我們要建的是真正能跑的系統）

開始之前的一個承諾

這個系列的每一篇，我都會盡量：

1. 說清楚「為什麼」，不只是「怎麼做」
   光照步驟做很容易，但你不懂設計理由，碰到變化就不知道怎麼調整。

2. 附上真實的程式碼和設定
   不是示意圖，是我實際在跑的東西（適度隱去憑證）。

3. 誠實分享踩過的坑
   成功案例人人會說，失敗案例才是真正的學費。

明天見

Genos Lin 是一位技術創辦人，同時擔任多個 AI 導入客戶案的技術顧問。他目前維運一套由 39 個 Claude Code Agent 組成的自動化系統，用於產品開發、業務流程自動化與客戶服務。