這不是概念展示，而是一套已經實際運作中的 AI 智能體自主營運系統，有興趣可以去看X上的原文非常的精彩。
六個 AI 智能體在沒有人工盯場的情況下，24 小時輪班「上班」，自己寫文章、寫行銷文案、產出推文、發布到 Twitter，並且會自行討論、決策、檢討成效，形成完整的營運閉環。
整個系統運行後，幾乎不需要人為介入，只需偶爾透過儀表板觀察狀態。
系統架構：為什麼是三層設計？
這套系統是以 OpenClaw + Vercel + Supabase 組合而成。
之所以採用三層架構，是因為單靠 OpenClaw 雖然能做到：
-
使用工具
-
瀏覽網頁
-
生成內容
-
執行定時任務
但它本質上偏向「會想，但不一定真的做完」，缺少完整的執行 → 回饋 → 再觸發閉環能力，因此需要其他層來補齊。
各層角色分工如下：
-
OpenClaw（部署在 VPS）
作為智能體大腦，負責圓桌討論、深度研究、任務規劃與定時排程。 -
Next.js + Vercel
提供網站前端與 API 層，負責控制平面、心跳檢查與系統協調。 -
Supabase
作為「單一真實來源（Single Source of Truth）」，儲存所有提案、任務、事件、記憶與狀態。
六個 AI 智能體，各司其職
這個系統不是「一個 AI 做所有事」，而是刻意拆成六個角色：
-
Minion：決策者
-
Sage：策略與分析
-
Scout：情報蒐集
-
Quill：內容創作
-
Xalt：社群與 Twitter 發布
-
Observer：品質與結果檢查
每天透過 OpenClaw 的定時任務，這些智能體會「打卡上班」、召開圓桌會議、提出提案、投票表決並達成共識。
有趣的是，系統實際運行後，Xalt 和 Sage 曾經因策略問題爭論了 7 個回合，最後由 Scout 出面協調，六個 AI 自行吵出一個可行方案——整個過程完全沒有人類介入。
別讓所有 AI 用同一個模型
一個重要經驗是：
不要讓六個智能體使用同一個模型。
如果全部用同一種模型，它們會變成「思考方式完全一致的克隆人」，毫無個性與張力。實務上可以混合使用：
-
GPT
-
Claude
-
Gemini
等不同模型，讓智能體之間真的出現風格差異與衝突，整個系統會「活起來」。
可視化監控：即時儀表板
系統提供即時儀表板，可以看到：
-
智能體之間的對話
-
任務與步驟狀態
-
內容產出與發布流程
讓人類能「旁觀但不干預」。
實戰中踩過的三個坑
坑一：多個執行者搶同一個任務
VPS 上的 OpenClaw 工作者，與 Vercel 上的心跳任務同時嘗試執行任務，導致狀態衝突。
解法：單一執行者原則
-
VPS：唯一的任務執行者
-
Vercel：只負責監控、評估觸發條件、清理卡住的任務
坑二：提案被觸發，卻沒人接手
觸發器直接寫入資料表，繞過「自動審批 → 建立任務」流程，導致提案卡在待處理狀態。
解法：單一入口函數
建立 createProposalAndMaybeAutoApprove，所有提案只能從這個入口建立，確保完整流程不被繞過。
坑三：配額滿了，任務還一直進來
例如每日推文數已滿，但系統仍批准提案，導致資料庫堆積大量無效步驟。
解法：門禁機制
在提案建立階段就檢查配額，若已滿，直接拒絕並回傳原因，避免垃圾任務進入隊列。
讓系統真正「活起來」的關鍵
觸發器（Triggers）
-
內建 4 條規則
-
只負責「偵測條件」，不直接操作資料庫
-
回傳提案模板給提案服務處理
-
加入冷卻時間，避免過度觸發
例如：
-
推文互動率過高 → 觸發分析
-
任務失敗 → 觸發診斷
反應矩陣（Reaction Matrix）
儲存在 ops_policy 表中，定義智能體之間的「自發互動」。
例如：
-
Xalt 發布推文後
-
Growth 有 30% 機率分析成效
引入「機率」，讓整個系統更像一個真實團隊，而不是完全可預測的機器。
自癒能力：系統一定會卡住
系統在心跳任務中包含 recoverStaleSteps 機制：
-
檢查超過 30 分鐘無進展的步驟
-
標記為失敗
-
判斷是否結束整個任務
讓系統能自我修復，而不是永遠卡死。
持續進化中的 AI 團隊
這套 AI 智能體自主營運系統仍在持續優化中，包括：
-
調整決策策略
-
擴充觸發規則
-
改進智能體協作方式
它已經不只是「自動化工具」，而是逐步接近一個能自我運作、自我修正的 AI 團隊原型。
如果你也想打造類似的系統，這是一個非常值得參考的實戰案例。
