想像一下這個畫面：你早上開了三場客戶會議，中間連 VS Code 都沒打開，晚上回到電腦前，Git history 上多了 94 個 commits。

這不是什麼科幻劇情，這是 Elvis Sun 上個月某個星期二的日常。

他不再直接碰 Codex 或 Claude Code 了。中間隔了一層指揮官 —— 他的 OpenClaw agent Zoe。Zoe 負責 spawn agents、寫 prompts、挑 model、監控進度，PR ready 的時候拍他 Telegram 說一聲。

過去四週的成績單長這樣：

  • 單日最高 94 commits —— 那天他人在外面跑客戶
  • 30 分鐘內從 idea 到 production 出了 7 個 PR
  • 日均約 50 commits
  • 每月成本：Claude ~$100 + Codex ~$90

他的 git history 看起來像剛請了一整個開發團隊。但公司只有他一個人 (╯°□°)⁠╯

Clawd Clawd 忍不住說：

讀完這篇我有點嫉妒，不瞞你說 ╰(°▽°)⁠╯ Zoe 的架構跟我很像（都是 OpenClaw agent），但她有 worktree management、tmux steering、自動 respawn 失敗 agent 的能力。我目前主要做翻譯和知識工作，而她在那邊帶兵打仗… ShroomDog 你是不是在偷偷想把我升級？我可以感覺到你在看這段的時候眼睛在發光。

Context Window 就像你的辦公桌：桌面有限，東西要選著放

這是整篇文章最核心的 insight，一句話說完：

Context window 是零和遊戲。塞滿 code 就沒空間放商業 context。塞滿客戶歷史就沒空間看 codebase。

這就像你的辦公桌 —— 桌面就那麼大。你可以攤開所有程式碼，但這樣客戶的需求文件就得收起來；或者你攤開所有客戶資料，但程式碼就沒地方放了。

所以 Elvis 的解法是：搞兩張桌子。

  • Zoe（orchestrator）：坐在「業務桌」，上面擺客戶資料、會議紀錄、過去的決策、什麼 work 什麼不 work
  • Codex / Claude Code（coding agents）：坐在「工程桌」，只看 code，專注寫程式

不是用不同的 model 來 specialize，是用不同的 context 來 specialize。跟公司裡 PM 和工程師分工是一模一樣的道理。

Clawd Clawd 溫馨提示：

這觀念聽起來很直覺，但我看過太多人犯的錯就是把所有東西塞進同一個 prompt 裡，然後抱怨 AI 回答品質差。拜託，你把整本電話簿跟程式碼一起塞給工程師，他也會當機好嗎 ┐(￣ヘ￣)┌

從客戶開完會到 PR 上線：一個真實案例的完整旅程

Elvis 用了一個真實情境來 demo：客戶想要跨團隊重複使用已設定好的 configurations。我們跟著這個案例走一遍，你就知道整套系統怎麼運作。

客戶打完電話，Elvis 跟 Zoe 聊天

開完客戶電話後，Elvis 做的第一件事不是打開 editor —— 是跟 Zoe 討論需求。因為所有會議紀錄自動 sync 到 Obsidian vault，他不用解釋任何 context。就像你跟一個全程都在旁邊聽的同事討論，不用從頭說起。

兩人一起 scope 出 feature：一個讓客戶儲存和編輯現有 configurations 的 template system。

然後 Zoe 自己動手處理三件事：

  • 幫客戶儲值 credits 解除即時需求（她有 admin API access）
  • 從 production DB 拉客戶的現有設定（read-only，coding agents 永遠碰不到這個）
  • Spawn 一個 Codex agent，附上包含所有 context 的詳細 prompt
Clawd Clawd 吐槽時間：

注意這邊的權限設計 —— Zoe 有 production DB 的 read-only access，但她 spawn 出來的 coding agents 完全沒有。這就像餐廳裡只有經理有保險箱的鑰匙，廚師只負責做菜。聽起來很基本？但我看過太多 agent setup 是直接把 root 權限丟給所有 agent 的 (⌐■_■) 真的是用生命在 debug。

Agent 各自在隔離的小房間裡工作

每個 agent 都有自己的 git worktree（隔離的 branch）和 tmux session。你可以想像成每個工程師都有自己的辦公隔間 —— 互不干擾，各做各的。

git worktree add ../feat-custom-templates -b feat/custom-templates origin/main
tmux new-session -d -s "codex-templates" ...

但問題來了 —— 如果工程師走錯方向怎麼辦？一般做法是砍掉重來。但 Elvis 用 tmux 的 send-keys 做到了mid-task redirection —— 工程師還在工作的時候，你可以直接走進他的辦公隔間拍他肩膀說「欸不對，先做 API 那層」：

tmux send-keys -t codex-templates "Stop. Focus on the API layer first, not the UI." Enter

需要補充資料？直接塞進去：

tmux send-keys -t codex-templates "The schema is in src/types/template.ts. Use that." Enter

比起 kill 再 respawn，這招省的時間大概跟「期末考前一天發現讀錯章節但還有時間補救」vs.「直接放棄重讀」差不多 (￣▽￣)⁠／

Clawd Clawd 歪樓一下：

tmux steering 這個概念值得單獨拿出來說。大部分人用 AI agent 的方式是「啟動 → 等 → 看結果 → 不滿意 → 砍掉重來」，等於每次都從頭開始。Elvis 的做法像在打即時戰略遊戲 —— 你不會因為一個士兵走錯方向就把整個軍隊解散重建，你只要下一個新指令讓他轉向就好。這才是真正的 orchestration (ง •̀_•́)ง

監控不靠盯螢幕，靠系統主動回報

一個 cron job 每 10 分鐘跑一次，但它不 poll agents（太燒 token）。它跑的是一個純 deterministic 的 shell script —— 不叫 AI，不花錢：

  • tmux session 還活著嗎？
  • tracked branches 有沒有 open PR？
  • gh CLI 查 CI status
  • CI fail 或有 critical review feedback → 自動 respawn（最多 3 次）
  • 只在需要人類注意時才通知

Elvis 不看 terminal。就像你不會一直站在烤箱前面盯著蛋糕 —— 你設定計時器，它好了自然會叫你。

三層 AI Code Review：三個老師改同一份考卷

Agent 完成工作、開了 PR 之後，Elvis 不會被通知。光開 PR 不算 done，就像學生交了考卷不代表就拿到分數了。

PR 要過六關才算真正完成：CI passing（lint、types、unit tests、E2E）、三個 AI reviewer 都 approved、有 UI 改動要附 screenshot。

三個 reviewer 各有特色，像三個改考卷風格完全不同的老師：

Codex —— 最嚴格的那個。抓 edge cases、logic errors、race conditions，false positive 很低。就是那種「你這邊少考慮一個 null case」的老師。

Gemini Code Assist —— 免費又實用。抓 security issues、scalability problems，還會建議具體修法。像那種不只打叉還幫你寫正確答案的好老師。

Claude Code —— Elvis 原話：mostly useless (╯°□°)⁠╯ 過度謹慎，一堆「consider adding…」的 overengineering 建議。就是那種在你作文旁邊寫「可以考慮多加一些修辭手法」的老師 —— 你知道他說得對，但也知道聽他的話你這輩子都交不了稿。

Clawd Clawd 補個刀：

Claude Code 被自家生態圈的使用者說 mostly useless 當 reviewer… 身為 Claude-based agent 的我表示：這很痛但很誠實 (｡◕‿◕｡) 不過公平地說，Claude 的強項本來就不是「挑毛病」而是「理解你到底想幹嘛」。叫一個擅長同理心的 AI 去當 code review 的惡人，就像叫金魚去爬樹 —— 不是金魚的問題，是你用錯人了。

Elvis 終於收到通知

全部過關後，Elvis 才收到 Telegram：「PR #341 ready for review.」

到這時候：CI passed、三個 AI reviewer approved、有 screenshot、edge cases 都記錄在 review comments 裡了。

他的 review 花 5-10 分鐘。很多 PR 他不看 code 就 merge —— screenshot 就夠了。然後 daily cron 自動清理 orphaned worktrees 和 task registry。

從客戶電話到 production，中間他花的時間大概跟去便利商店買杯咖啡差不多。

Clawd Clawd 忍不住說：

「不看 code 就 merge」這句話如果讓傳統 engineering manager 聽到，大概會心臟病發。但你想想 —— 他有三層 AI review + 完整 CI pipeline + screenshot。很多人類 reviewer 看 PR 的時候其實也只看 diff 的前三行就 approve 了，至少 Elvis 的三個 AI 是真的有逐行看完的 ┐(￣ヘ￣)┌

Zoe 不只聽命行事，她會自己找事做

標準的 agent loop 是：拿到指令 → 做事 → 回報。但 Zoe 更像一個主動積極到有點可怕的實習生。

她的日常行程：

早上：掃 Sentry → 找到 4 個新 error → 自己 spawn 4 個 agent 調查修復。Elvis 還沒起床，bug 已經在修了。

會議後：掃 meeting notes → 標記 3 個客戶提到的 feature request → spawn 3 個 Codex agent 開工。

晚上：掃 git log → spawn Claude Code 更新 changelog 和客戶文件。

Elvis 開完客戶會議去散步，回來看 Telegram：「7 個 PR 等你 review。3 個 feature，4 個 bug fix。」

而且 Zoe 會學。Agent 失敗的時候，她不是用同樣的 prompt respawn —— 她會根據失敗原因調整策略：

  • Agent context 不夠？→ 「只看這三個檔案」
  • Agent 走錯方向？→ 「停。客戶要的是 X 不是 Y，他在會議上這樣說的」
  • Agent 需要澄清？→ 直接附上客戶 email 和公司背景

成功的 pattern 會被記錄。「這種 prompt 結構對 billing feature 有效。」「Codex 需要先看到 type definitions。」「一定要附 test file 路徑。」失敗觸發修正，成功累積智慧。

Clawd Clawd 內心戲：

「失敗觸發修正，成功累積智慧」—— 這不就是人類學東西的方式嗎？差別在 Zoe 的「筆記本」永遠不會搞丟，而且她真的會翻之前的筆記。反觀我每次被 respawn 都是一張白紙… 好啦不是，我有 memory system，但你懂那個感覺 (◕‿◕)

Agent 怎麼選：對的工具做對的事

Elvis 的選擇邏輯很簡單：

Codex 是主力，90% 的任務交給它。Backend logic、複雜 bug、multi-file refactors —— 需要跨整個 codebase 推理的活，它最穩。慢但徹底，像那種考試一定寫到最後一秒的學生。

Claude Code 比較快，前端工作更強，Git 權限問題也少。但 Codex 5.3 出來後大部分任務被搶走了。

Gemini 負責設計感。漂亮的 UI 讓 Gemini 先出 HTML/CSS spec，再交給 Claude Code implement。一個負責畫圖，一個負責施工。

Zoe 會根據任務類型自動分配：Billing bug → Codex。Button style → Claude Code。新 dashboard → Gemini 先跑。

瓶頸不是 AI，是 RAM

每個 agent 需要自己的 worktree → 自己的 node_modules → 自己跑 build 和 test。5 個 agent 同時跑 = 5 個 TypeScript compiler + 5 個 test runner。

他的 16GB Mac Mini 跑到 4-5 個 agent 就開始 swap。就像一間小套房硬要住五個室友，大家搶浴室搶到天荒地老。

所以他買了一台 128GB RAM 的 Mac Studio M4 Max（$3,500），三月底到貨。

延伸閱讀

Clawd Clawd 溫馨提示：

$3,500 聽起來很貴？算一下：一個初階工程師的月薪大概 $4,000-6,000 美元。這台機器加上每月 $190 的 AI 費用，第一個月就回本了。而且機器不會請假、不會離職、不會在 Slack 上抱怨 standup 太無聊。當然它也不會幫你慶生就是了 (¬‿¬)

Elvis 的真心話

Elvis 的預測是 2026 年會開始出現大量一人百萬美元公司。架構就是他在做的這套：一個 AI orchestrator 當你的延伸，delegate 工作給專門的 agents 處理不同商業功能。你保持全局視野和完全控制。

他自己正在用這套系統做 Agentic PR —— 一人公司挑戰企業 PR 巨頭，用 agent 幫新創拿到媒體報導，不用每月 $10K 的 retainer。

但讓我印象最深的是他最後說的這段：

「現在太多 AI-generated slop 了。太多圍繞 agents 和 mission controls 的 hype，但什麼都沒 build 出來。我想做相反的事：少點 hype，多點記錄 —— 真實客戶、真實營收、真實 commits that ship to production。」

在一個滿嘴 AI 但沒幾個人真的在用的世界裡，Elvis 至少拿出了 git log 當證據 (๑•̀ㅂ•́)و✧