開場
2 月 8 日深夜，我看完吳哲宇用 OpenClaw + Claude Opus 打造的 AI 助理「Muse」之後，做了一個決定：不用現成的框架，從記憶系統開始，自己蓋一套 AI 人生管理系統。
21 天後的今天，我回頭看，發現這不只是一個「工具專案」。它變成了我的隨身開發助理、工作自動化管家、內容助手，甚至是我的智能家庭管理員。
這篇文章，我想完整記錄這 21 天到底發生了什麼事。
（補充個 murmur，這篇其實 2/28 就寫完了，但後來一直有個很討厭的心態卡著我；我一直在煩惱這系列該怎麼發佈比較好，例如還有一篇草稿叫「如果 2026 年要學 AI Agent 的話，要從哪裡開始」，感覺是不是要當第一篇？結果被自己的「想太多」給拖延了。後來覺得，我何必呢？現在又不是要打造成有系統的課程，只是發個學習筆記，不要思考太多，一直卡在腦袋反而讓我壓力好大。）
所以今天打算把它給發了，突破自己心魔！今年要好好練習，有想法就發，不要一直囤著，這個壞習慣一定要改掉。
Day Zero：為什麼不用現成的？
先說結論：我研究完龍蝦（OpenClaw）1之後，決定不用它。
因為我需要的不是一個「別人幫我套裝好的機器人」，我需要的是，從頭打造、瞭解過程，個人化定制。
打個比方來說，如果用別人幫你打包、套裝好的，就像是領養一個已經 20 歲的成年人，雖然馬上能幹事、也能持續訓練，但你跟他少了 20 年羈絆，你連他怎麼長大的都不知道。
對於我這種樂趣來自「體驗未知、探索過程」的人來說，少了那一丟丟趣味，加上我想要的不只是一個「幫我做事」的工具。我更想要的是，跟著這個 AI 一起進化，讓它記得我是誰、知道我在做什麼、能一起討論、思考工作流和生活上的優化，不僅僅只是幫我做事的 AI 分身。
在 2025 年前，市面上的 AI 應用工具，都有一個根本的問題：它們沒有長期記憶。每次對話都是從零開始。你昨天跟它講的偏好，今天它完全不記得。但有記憶的像是 ChatGPT、Gemini 這些，又只是「網路對話 AI 機器人」，功能不夠全面，很多想讓 AI 代操的任務需求無法做到。
所以龍蝦就是做到「記憶功能強」+「操作介面直覺」+「自帶大量工具」才會如此火爆出圈。於是我的第一步，不是做什麼酷炫的事，專注先讓 AI Agent 擁有好的記憶機制，他才能隨著跟我的工作習慣，哪邊讀取我累積 10 年的內容知識庫、我有用哪些工具，它有哪些權限，知道該朝哪持續進化。（通俗一點來說：畫個大餅，指好願景）
第一週：讓 AI 記住我（2/8 — 2/14）
為什麼要從記憶系統開始蓋？
講記憶架構之前，先說一個很根本的問題：為什麼我要把所有東西放在 iCloud 裡，而不是用一般的開發方式？
因為我不只是個開發者，我還是個創作者。
我平常在外面，隨時會需要打開 Obsidian 看草稿、記靈感、查任務進度。我的 Mac mini 24/7 掛著跑 Bot 和自動化，MacBook 是外出工作用的主力機，iPhone 和 iPad 則是隨手查看和輕量編輯。這些裝置如果各自一套系統，我的腦袋會先爆掉。
所以我選了 iCloud 作為整個系統的中樞——所有文檔、記憶、設定，Mac mini、MacBook、手機的 Obsidian，全都看到同一份檔案。
但問題來了：Claude Code 每次開新對話，什麼都不記得。 就算你上一個 session 跟它講了三小時的偏好和專案背景，下一個 session 它完全從零開始。
這就是為什麼「記憶系統」是我蓋的第一個東西，先是讓 AI 在跨裝置、跨時段使用時，不會忘掉我前幾個小時到底在做什麼事情。
（是不是跟養小孩很像？最一開始，你不會去要求他能有多厲害，會多少才藝，是能不能讓它記住你。）
三層記憶架構
我設計了一個三層記憶系統：
- MEMORY.md（精煉摘要）：每次對話自動載入的前 200 行，存放我的偏好、進行中專案、踩坑筆記。相當於 AI 的「短期工作記憶」。
- memory.json（知識圖譜）：透過 Memory MCP 建立的實體關係網路。能查詢「雷蒙用過哪些工具」「這個專案跟哪些系統有關」這種關聯性問題。
- daily/*.md（每日日誌）：每次 session 結束自動寫入的時序紀錄。需要回溯「上週二我們討論了什麼」的時候翻這裡。
核心設計原則是：AI 不需要記住所有細節，但需要知道去哪裡找。
Kairos Discord Bot：第一個「主動推送」
光有記憶還不夠。我希望 AI 能主動找我，而不是等我打開終端機。
所以我在 Mac mini 上部署了 Kairos Discord Bot。一個 24/7 運行的 AI 助理，透過 Discord 私人頻道跟我互動。它每天早上 9 點推送工作簡報，晚上 10 點推送今日回顧，中間還會自動策展社群上值得關注的內容。
延伸閱讀：關於 Kairos 如何用 Claude Code 打造？可以先看 Claude 入門？非工程師也能上手的完整入門教學
技術上是 Python + discord.py，背後呼叫 Claude CLI 來處理所有的 AI 推理。一開始很陽春，但它代表了一個重要的轉變：從「我去找 AI」變成「AI 來找我」。
第一週結束時，系統已經能跨設備同步記憶（Mac mini + MacBook 透過 iCloud），Bot 也穩定在跑一些自動化任務了—— 例如早報彙整消息、晚報復盤今日工作學習。
第二週：從自動化到生活整合（2/15 — 2/21）
這一週是爆發期。系統有了記憶和主動推送之後，我開始把各種生活和工作流程接進來。
Gmail 自動化信箱助理
身為一個內容創作者，每天要處理大量的合作邀約、學員客服、講座邀請。以前全部手動處理，每天花 30-60 分鐘在信箱裡。
現在的流程是：
Gmail 收信 → n8n 自動分類 → 寫入 Notion CRM
→ AI 產生回信草稿 → 我只需要審核、潤飾 + 送出
（對 n8n 自動化工作流不熟的話，可以先看這篇入門系列。）
關鍵的踩坑經驗是：回信的模式（回覆/忽略/轉交）必須由 Gmail 標籤決定，絕對不能讓 AI 猜。一開始我讓 AI 判斷要不要回信，結果它把幾封重要的合作信分類成「不需回覆」。後來改成用 Gmail 標籤作為 single source of truth，AI 只負責「依照我過去回信的標準」來生成 80% 的草稿內容，最後優化＆寄出在我手上。
Home Assistant 智能家庭
這是我完全沒預期到的副產品。
某天晚上我在設定 HomePod 的 AirPlay，怎麼都配對不成功。我就順手問 Claude Code 能不能幫我查（給了它我家的 HA API 還有 NAS 權限），結果它不只幫我找到問題，還順便幫我重寫了 5 個自動化腳本：
- 離家自動化：偵測所有人離開 → 關燈 + 關電視 + 調整空調
- 回家歡迎：開門 → 玄關燈亮 → 客廳燈漸亮 → 播放音樂 → 玄關燈關
- 廚房人在偵測：mmWave 感測器偵測到人 → 開燈；離開 → 關燈
- 夜間色溫鎖定：18:00 後全屋鎖定 3500K 暖色溫
- OpenAI TTS 語音播報：用 GPT-4o-mini-tts 語音合成，透過 HomePod 播放通知
一週之內，從「每次要自己進 HA，覺得很麻煩就一直提不起進去做」，變成了「只要出嘴」的智能家庭助理幫我調查、排錯、設定。這件事讓我深刻體會到，有了 AI 協作之後，很多「以前覺得太麻煩所以一直沒做」的事情，突然變得可以做了。
家庭財務管理 Dashboard
另一個「終於做了」的專案。我也把家庭財務的記帳、資產系統建立起來了。
目前只有現金又沒發票的情況下，打開 Discord 跟它說聲：「金園排骨午餐 260 元」，它就會自動幫我記帳、分類，不用打開 APP，不用選分類，還會跟我說「金園排骨，懷念的選擇，我記下來了！」
因為每個月底我只要到雲端發票一次下載 csv，匯入，我們家的所有消費就全部出來，一眼就能看到分類和定期扣款的訂閱費用。
雖然叫他怎麼對帳、去重、分類的機制花了不少時間，但未來完全不用再記帳和財務管理上開一堆 APP，10 幾年累積省下的時間一定更可觀。
目前還整合了美股，除了能看到 Interactivebrokers 盈透證券、Firstrade、台股、支出的整合視圖。以前覺得太複雜就一直擱置，但有了 Claude Code 之後，我只需要描述需求，它就能幫我把 API 串接、資料管道、前端介面全部做好。
最後做出來的版本包含：多平台持倉總覽 + USD/TWD 即時匯率 + 分類支出追蹤 + 週期性付款管理 + 物品到期提醒。
※ 以下截圖的數字為 Demo（還特別做了假資料來展示 😆）
第三週：系統自我演化（2/22 — 2/28）
到了第三週，一個有趣的事情發生了：系統開始優化自己。
透過每週自動跑的 /insight 回顧功能，AI 會分析過去一週的所有 session 紀錄，找出重複的摩擦點和可以優化的地方。這讓系統有了「自我反省」的能力。
CLAUDE.md 瘦身：從 768 行到 120 行
CLAUDE.md 是 Claude Code 每次對話都會載入的核心指令檔。隨著功能越加越多，它從最初的幾十行膨脹到了 768 行。問題是：太長的指令會佔用 context window，降低 AI 的表現。
我花了幾天時間做「知識正確分層」：
- 核心規則留在 CLAUDE.md（120 行）
- 領域知識搬進 15 個獨立的 Skills（按需載入）
- 動態記憶放在 MEMORY.md（200 行以內）
- 一次性決策只記在 daily log
這個過程本身就很像在做人腦的「記憶整理」——不是什麼都要隨時記住，而是建立一個好的索引系統，需要的時候知道去哪裡找。
Skill 品質保證：AI 審 AI
當 Skills 數量到了 15 個，品質控制變成一個問題。我做了一個有點 meta 的東西：用 AI 來審核 AI 的 Skills 品質。
skill-creator v2.0 有 4 個 eval agents：reviewer（逐行審查）、grader（評分）、comparator（跟標準對比）、analyzer（統計分析）。每次建立或更新 Skill，都會自動跑一輪品質檢查。
截圖合成 + AI 配圖
寫教學文的時候，配圖一直是痛點。我做了兩個工具：
- screenshot-composite：自動截圖 + 品牌背景合成。踩了一個大坑——Playwright Extension 模式的 DPR 永遠是 1，怎麼設都拿不到 Retina 解析度。最後改用 Chrome CDP 模式才解決。
- Gemini 配圖生成工作流：輸入概念描述，自動生成 2K 解析度的資訊圖表。用於教學文的概念圖配圖。例如在「【迷你課】24 小時開始成為遠距工作者」裡的配圖，很有品牌感就是我直接把網址給 AI 說：「看一下這產品介紹頁，有什麼建議配圖嗎？直接生成」，就出現了：
基礎設施：那些不起眼但很關鍵的事
除了大型專案，二月也做了大量的基礎設施優化：
- iCloud + Obsidian 效能手術：Vault 從 14GB 瘦到 900MB（用
.nosync把 node_modules、venv 等開發產物隔離在 iCloud 同步之外） - Python 全面升級：3.9 → 3.13，淘汰了 EOL 的舊版本
- Ghost 託管成本降 40%：$20/月 → $11-12/月（Cloudflare CDN + 關閉多餘服務）
- Zeabur 專屬主機：從共享升級到 Linode Tokyo 專屬（$12/月）2
- HappyCoder 退役：原本用第三方工具遠端操作 Claude Code，後來 Anthropic 出了官方的 Remote Control，直接換掉
- 權限模式升到 Bypass：讓 AI 完全自主操作，搭配安全防護（rm → trash、Git 保護規則）
- Bot Watchdog：crontab 每 15 分鐘自動檢查 Bot 是否存活
內容產出
在做這些系統建設的同時，也沒有停下內容產出。事實上，很多文章就是在建系統的過程中順手寫的——踩了坑就記錄、學到新東西就寫教學。
- 雷蒙週報 #173、#174 完成發送
- Vibe Coding 學習筆記：為什麼要重複造輪子？我做了一個實用小工具網站
- Claude Code 是什麼？非工程師也能上手的完整入門教學
- Zeabur 應用案例：網站部署、AI Hub、龍蝦 OpenClaw、VPS 虛擬主機
- 建立社群版本日記 workflow，並發出「我的 AI 分身上班記錄」系列
- Toolbox 品牌浮水印工具上線
回頭看：這 21 天到底改變了什麼？
如果要用一句話總結，我會說：AI 從「工具」變成了「夥伴」。
具體來說，有五個本質性的改變：
- 記憶從零到完整：以前每次對話都要重新解釋背景。現在 AI 記得我的偏好、我的專案進度、我上次做到哪裡、甚至我踩過什麼坑。
- 從被動到主動：以前是我需要的時候才打開 AI。現在 Kairos Bot 每天主動推送資訊、信箱自動分類產生草稿、智慧家庭自動運作。
- 從單機到多設備：Mac mini 24/7 運行所有自動化、MacBook 外出工作無縫接續、iPhone 透過 SSH 遠端操作。整個系統不再依賴單一裝置。
- 從零散到系統化：15 個 Skills、12 個觸發詞 Workflow、Git 規範、檔案歸檔——每個重複性的工作都有了 SOP。不是「每次想辦法」，而是「系統自動跑」。
- 從指令執行到 AI 分身：最後一個，也是最微妙的變化。到了月底，AI 的權限升到 Bypass，它會主動提議記錄知識、建議寫教學文、發現可複用模式時主動問要不要建 Skill。它不再只是執行指令，而是在共同思考。
寫在最後
這套系統還遠遠不是完成品。但 21 天的密集建設之後，它已經在真實地改變我每一天的工作方式了。
你可能會覺得我很厲害，我有工程背景？但其實都不是，只是因為 AI 已經成熟到「出錯率大幅下降」。
一年前的 AI，你可能寫一段程式碼，或是提一段需求要它做一個工具、幫你設計一個工作流，可能每 10 次會有 5 次需要修正。但因為大部分人，沒有比較完善的程式碼或是資訊知識，所以讓你修 5 個錯誤你也不知道怎麼修，最後就打結了，這也是為什麼大家覺得不好用。
但現在你可能跟他提 30 個需求，可能只會有 1 個會遇到錯誤，而且這個錯誤，只要你有方法地跟他來回提問、引導，它就會自己把錯誤解決掉。我現在不需要自己寫每一行程式碼。我需要的是：清楚知道自己要什麼、能判斷 AI 給的方案好不好、以及願意花時間把系統磨到堪用。
也就是說，2026 年的 AI 讓「描述需求 → 創造 something」的門檻大幅降低了。
但但但，這一切的前提，我發現有兩個：
第一是，你對自己的工作和生活極度熱愛。只有熱愛了，你才會更想把時間精力專注在這些重要的事情上，把其他一切瑣事排開。
第二是，你會願意拋棄過往習慣的方式，甚至擁抱「變差」這件事。因為在一開始投入、養它的這三週，基本上工作量是 200% 在起飛，帶來的成效也不明顯。但你得相信做這件事，是有意義的，是會讓你跟它都更好的。
雖然我還沒養過小孩，但我相信 5 歲以前的半獸人都是最辛苦的，所有好的爸媽，也是因為相信這回事，所以變成更好的人。
如果你也在想「AI 到底能不能真的幫到日常生活和工作」？
歡迎持續關注我，我盡量每天排些時間，把一些囤積的筆記發出來，或許對你有些幫助。
如果你也在想「AI 到底能不能真的幫到日常生活和工作」？
我的經驗是：能。但你得從記憶系統開始蓋，當作買一塊土地，按照自己的需求慢慢蓋房子，不要直接去買已經被蓋好的房子，你裝修起來限制會很多，也可能很多功能用不上。雖然打造起來會比較久，但你能 100% 掌握，自己理想的空間、協作的 AI 夥伴。
新時代的電子雞，不只好玩，而且有用。
📍 AI Agent（Claude Code、Codex）系列教學文章
- Vibe Coding 學習筆記：為什麼要重複造輪子？
- Claude Code 是什麼？從 Claude Cowork 到 Code，非工程師也能上手的完整入門教學
- 21 天，我用 Claude Code 打造了一整套 AI 分身助理記錄
▍文章註腳
