Article
自己做 AI Agent 值得嗎?我從 700 小時做到上千小時的真實心得
自己做 AI Agent 值不值得,我的判斷是看你有沒有每天固定在跑的工作。ChatGPT、Claude Code 這類現成工具開箱就能做事,夠用就先用;等到流程固定、模型也選定了,自己做一隻只掛需要工具的 Agent,就不用每次改版都重調工作流。我從 2026 年 8 月的 700 多小時做到現在上千小時,10 月底算過九天就交辦給它超過 750 件事。
這篇是「自己做 AI Agent」的主文,講我為什麼要自建、什麼時候值得。還不確定 AI Agent 是什麼,可以先看 AI Agent 是什麼;想讓自己的 Agent 跟 Claude、ChatGPT 互相借工具,看 用 MCP 雙向擴充自己的 Agent;擔心越改越亂,看 主幹+外掛的模組化做法。
為什麼 ChatGPT 能做事,自己接的模型卻不行
常有人問我,明明用了大家推薦的模型,為什麼連解壓縮、跑自動化都做不到。
原因是模型本身只會文字進、文字出。你丟一段文字,它算完機率回你下一段文字,沒有作業系統權限,也碰不到你電腦裡的檔案。
ChatGPT、Claude 能做事,是官方在背後掛了一整套工具。模型負責看懂需求、決定用哪個工具,系統去跑程式、讀壓縮檔、把結果整理回來。連把程式碼排整齊、把圖顯示給你看,都是工具在做。
所以「讓 AI 會做事」這件事,重點在幫模型接上手腳。
擁有會做事的 AI,我走過三個階段
| 階段 | 用什麼 | 好處 | 代價 |
|---|---|---|---|
| 一、用本家工具 | ChatGPT、Codex 電腦版、Claude、Claude Code、Cowork、Gemini、Antigravity | 不用設定,開箱即用 | 綁定該家模型,難自己換 |
| 二、用第三方通用工具 | OpenClaw、OpenCode、Hermes 這類開源工具 | 能自由換模型,也能接地端開源模型 | 塞了很多用不到的功能,一更新原本順的流程可能要大改 |
| 三、自己做 | 拿開源專案當起點改成自己的 | 只掛自己要的工具,節奏自己掌握 | 入門比較難,網路上深入的教學很少 |
剛接觸的話,我建議從第一階段開始。Codex、Claude Code 其實也能接第三方模型,有需要可以自己研究。
會走到第三階段,是因為我每天跑的流程其實很固定,模型選好之後也不會天天換。既然如此,只針對常用的模型調校、只掛真正用得到的幾個工具,架構最精簡,也比較穩。
我會自己做,是被改版和校正磨累了
第二階段我用的是 OpenClaw。為了配合別人做好的系統,我只能用 Skill 和記憶去校正 AI 的行為,成功率時好時壞。如果是全地端,開源模型沒有雲端大模型聰明,更容易出錯。
更累的是,某次更新後,辛苦調好的工作流程又被打亂。
自己做之後,需要什麼功能、想加什麼防呆、想改哪段流程,跟 Claude、Codex 或 Gemini 講一聲就能改,改不好就再改,改到可以為止。
我煩惱了一年多不知道怎麼開始,後來拿開源的 pi 來改才順起來。pi 是 Mario Zechner 做的極簡程式開發 Agent,核心只有讀檔、寫檔、改檔、執行指令幾個工具,其他功能靠擴充加上去,很適合當自己 Agent 的起點。我後面的上千小時,都是從那裡長出來的。
從 700 小時到上千小時,我學到的四件事
這篇最早寫在 2026 年 8 月,那時我做了 700 多小時。到了 10 月,我把開發上千小時的舊 Agent 退役,資料整理好整份封存,一共 21G,留了兩處備份;新的那隻只花三週密集開發就正式接手。
重做一次,讓我看清楚哪些事真的重要。
只做用得到的
舊的那隻是邊做邊實驗,想到可能有用就做。學到很多,但很多系統只用過一次。雖然是模組化設計,這些用不到的東西還是潛在風險。新的那隻只做會用到的。
讓 AI 自己測
Agent 很多東西要真的用才知道好不好。新的這隻,我讓開發的 AI 改完自己測介面操作、做交叉和批量測試,有錯自己修,測過才交給我,速度快了不少。前提是測試資料要隔離,不能動到自己的真實數據。
指令和報錯寫到 AI 不用猜
哪裡錯、為什麼錯,報錯一看就懂,AI 就能靠重複試錯慢慢修好,不用去賭模型夠不夠聰明。這些訊息我自己除錯時也看得懂。
上下文省下來,開源模型也跑得動
工具和說明盡量精簡,用得到才載入。這是我在舊的那隻做到後期才學會的,也是我希望新手用低成本模型也能學的原因。
現在我每天怎麼用它
2026 年 10 月底,我算過最近九天交辦給 AI Agent 的事超過 750 件,一天開 20 個左右的對話,常常六到十個同時在跑。
幾乎隨時都有一個對話在改我自己的 Agent。用起來卡卡的、想到新功能,就開票丟給它,它自己分組開發、測試、上線,有一天一次做完 28 項修改,隔天又上線 29 項。我負責看結果、做決定。
我手上的設備有 4060 筆電、128GB 的 GB10、MacBook M5 Max 128GB 和一台 N200 小主機。GB10 閒著我會覺得浪費,所以看到新模型,就讓 Agent 下載下來跟舊的比。
一年半前我還在領失業補助、從零自學 AI,那時連 AI 怎麼運作都不知道。這些能力是從只會問問題,到先搭好工作流,再到一次交辦一整件事,一點一點累積來的。
什麼情況我會建議你先別自己做
你主要用 AI 問問題、寫幾段文字,現有平台已經符合需要,繼續用它就很好。
自己做會多出設定、維護、確認結果的工作,這些成本要一起算進去。真的值得自己做的,通常是資料分散在好幾個工具、某些事每週都要做、而且有固定規矩的人。
從一件每週重複的事開始
先寫下這週重複做過的一件事,再寫它會用到的資料,和完成後應該看到的結果。能把一件事說清楚,第一隻 Agent 就有起點了。
我把上千小時的經驗整理成 AI Agent 自學網,免費實作課就是拿 pi 改成自己的 Agent,附一份企劃書讓你交給開發 AI 照著做。我實測用 20 美金方案的 Codex 也能開發。做出來之後要接 MCP,步驟可以看 Claude Code 接 MCP 教學。
常見問題 FAQ
已經有 ChatGPT 和 Claude Code,還需要自己做 AI Agent 嗎?
看你的工作有沒有固定流程。只是問問題、寫幾段文字,現成工具夠用就繼續用。等到每天都在跑同一套流程、模型也選定了,自己做一隻只掛需要工具的 Agent,比較不會被別人的改版打亂節奏。
自己做 AI Agent 要從零寫程式嗎?
我沒有從零寫,也沒有自己訓練模型。我是拿開源的 pi 當起點,再用 Codex、Claude Code 這類開發 AI 照我的需求一點一點改。你要花心思的是講清楚想要什麼、怎樣算做完,程式交給開發 AI 寫。
做到能每天用,大概要花多少時間?
我自己累積上千小時,但那包含大量試錯。第一版能動的 Agent 不用那麼久,我在 AI Agent 自學網的免費實作課約 15 分鐘影片,跟著做就能先做出一隻。之後花多少時間,看你想讓它幫你做多少事。