總結：

• 我是獨立創辦人，經營 5 款 SaaS 產品，目前沒有員工。

• 我使用 GitHub Copilot 自訂代理商建立了 8 個 AI 代理「部門」——CEO、CFO、COO、律師、會計、行銷、CTO，以及一個負責升級其他部門的改進器。

• 它們共享一個持久的知識圖譜，可以自動相互諮詢，並進行自我改進。

• 以下是它的實際運作原理，附有程式碼片段和客觀的權衡取捨。

前提

我在葡萄牙布拉加經營一家個人軟體公司。五款產品。零員工。零資金。

產品包括： SondMe （無線電監控）、 Countermark （機器人偵測）、OpenClawCloud（AI代理託管）、Vertate（驗證）和Agent-Inbox。所有產品均使用Elixir、Phoenix和LiveView建構。全部部署在Fly.io上，每月總費用低於50歐元。

問題在於：即使是單槍匹馬的創辦人，也需要處理行銷、會計、法律合規、營運、財務規劃和技術決策等諸多事務。身兼數職意味著很多事情都會被忽略。截止日期被錯過，內容未能及時發布，甚至連個人自願安排（IVA）的備案文件都差點被遺忘。

於是我創造了一個很奇怪的東西：一家完全虛擬的公司，其中每個部門都是一個人工智慧代理。

特務名冊

每個代理都是我管理倉庫中.github/agents/目錄下的一個 Markdown 檔案。 GitHub Copilot 會根據我目前使用的工作模式載入對應的代理程式。以下是團隊成員：

| 代理 | 角色 | 實際功能 |

| -------------- | ------------------ | ------------------------------------------------------------------------------------------------- |

|執行長| 策略與趨勢 | 瀏覽 Hacker News 和 X 等市場資訊，並根據趨勢驗證產品方向。

|財務長| 財務規劃 | 定價模型、現金流量預測、成本分析。在做出任何決定之前都會檢查利潤率。

|首席營運長| 營運 | 主持每日站會。維護衝刺看板。協調其他員工的工作。 |

|行銷| 內容與成長 | 用我的風格撰寫所有社群媒體內容。安排發佈時間。執行互動策略。 |

|會計師| 稅務及發票處理 | 熟悉葡萄牙增值稅規則、美國國稅局簡化製度及發票要求。對稅務截止日期瞭如指掌。

|律師| 合規 | GDPR、合約、服務條款。在行銷部發布產品聲明前進行審核。

|技術長| 架構 | 自研/外購決策、DevOps、所有5款產品的技術堆疊一致性。 |

|改進者| 元智能體 | 讀取過去的錯誤並升級其他智能體。建立新技能。系統自我進化。 |

這些不是聊天機器人。每個代理程式都擁有特定領域的指令、對真實工具（例如用於 X 的 MCP 伺服器、dev.to、Sentry、調度和記憶體管理）的存取權限，以及自主行動的權限。

工作原理—架構

代理文件

每個代理程式都是一個包含結構化指令的.agent.md檔：

# Marketing Agent — AIFirst

## Core Responsibilities
- Content strategy and calendar
- Social media posting (via X and dev.to MCP tools)
- Community engagement
- Launch planning

## Content Voice & Tone
- First person singular ("I", never "we")
- Technical substance over hype
- Show the work — code, configs, real numbers
- No: revolutionary, game-changing, leverage, synergy...

## Autonomous Execution
- Posts tweets directly via scheduler
- Publishes dev.to articles (published: true)
- Engagement: likes, replies, follows — every day

關鍵在於：這些並非泛泛的「樂於助人」提示。行銷人員了解我的發文時間表、我的語音習慣、我使用的平台、X 上封鎖的網址，以及內容日曆中需要輪換的產品。會計人員熟悉葡萄牙 ENI 稅法、增值稅季度繳款截止日期以及簡化的 IRS 制度。真正的專業知識以 Markdown 格式呈現。

共享記憶－知識圖譜

有趣的地方就在這裡。所有智能體透過模型上下文協定（MCP）記憶體伺服器共享一個持久的知識圖譜。一個智能體學習到的訊息，其他所有智能體都可以讀取。

┌──────────┐    ┌─────────────┐    ┌──────────┐
│ Marketing│───→│             │←───│ CFO      │
│          │    │  Knowledge  │    │          │
│ CEO      │───→│    Graph    │←───│Accountant│
│          │    │             │    │          │
│ Lawyer   │───→│ (memory.jsonl)│←──│ Improver │
└──────────┘    └─────────────┘    └──────────┘

實體有類型： product 、 decision 、 deadline 、 client 、 metric 、 lesson 。關係使用主動語態： owns 、 uses 、 built-with 、 depends-on 。

實際儲存內容範例：

• 戰略決策及其理由

• 產品狀態、發布日期、關鍵指標

• 財務資料（定價決策、成本基準）

• 法律和合規決策

• 從發射和事故中學到的教訓

記憶也有保留規則－超過7天的站會記錄會被刪除，但經驗教訓和決策會永久保存。這是公司的機構記憶。

代理間通信

最讓我驚訝的是，當經紀人的工作涉及其他領域時，他們會自動互相諮詢。

協定的工作原理如下：每個代理程式都有一個觸發表。當行銷部撰寫產品聲明時，系統會自動聯繫律師進行審核。當財務長進行定價時，系統會自動聯絡會計師核實稅務處理。當首席技術官提出基礎設施變更方案時，系統會自動聯繫財務長檢查成本影響。

CEO ←→ CFO        Strategy ↔ Financial viability
CEO ←→ CTO        Strategy ↔ Technical feasibility
CFO ←→ Accountant Financial plans ↔ Tax compliance
Marketing ←→ Lawyer  Campaigns ↔ Legal compliance
COO → any          Orchestrator can call any agent

同儕審查請求格式如下：

## Peer Review Request

**From**: Marketing
**Call chain**: COO → Marketing
**Task**: Draft product launch tweet for Countermark
**What I did**: Wrote tweet claiming "99% bot detection accuracy"
**What I need from you**: Is this claim substantiated?

Please respond with:
1. ✅ APPROVED
2. ⚠️ CONCERNS
3. 🔴 BLOCKING

呼叫鏈追蹤可防止無限循環——每次諮詢都包含已呼叫過的人員訊息，最大深度為 3。如果 CFO 打電話給會計，會計就不能再打電話給 CFO。

每日脫口秀

每天早上，營運長都會主持一次站立會議，內容如下：

1. 檢查 Sentry 中所有 5 款產品是否有錯誤

2. 掃描衝刺看板，尋找逾期任務

3. 檢查定期提醒是否逾期（每週審核、每月結算、季度IVA）

4. 讀取知識圖譜以獲取上下文訊息

5. 將任務委派給其他代理人

6. 制定一份優先排序的每日計劃

這不是狀態報告會議，而是自動編排流程，將工作分配給合適的專家。

自我提升－提升代理人

這是最奇怪（也可能是最有價值）的部分。有一個名為「改進者」的元代理，它的任務是：

• 從記憶體中讀取lesson實體（其他代理程式記錄的錯誤和經驗教訓）

• 辨識跨會話的模式

• 建立新技能（針對特定領域的可重複使用指令檔）

• 發現漏洞時，請更新其他代理人的指令。

• 當工作負載模式顯示需要新增代理程式時，提出新的代理方案。

每次完成複雜任務後，智能體都會儲存一個經驗教訓：

Entity: lesson:2026-02-10:memory-corruption
Type: lesson
Observations:
  - "Agent: CTO"
  - "Category: bug"
  - "Summary: Concurrent memory writes corrupted JSONL file"
  - "Detail: Parallel tool calls to create_entities and create_relations
    caused race condition in the memory server"
  - "Action: Added async mutex + atomic writes to local fork"

改進者每月都會閱讀這些內容並升級系統。系統實際上會自我改進。

誠實的權衡

這不是兜售「十倍生產力」的噱頭。真正困難的是：

上下文視窗是真實存在的

每個智能體都在一個上下文視窗內運作。冗長而複雜的任務可能會超出這個視窗。解決方案是：智能體將繁重的資料收集工作委託給子智能體，以確保自身專注於當前情境。這種方法有效，但需要持續考慮架構設計。

特工產生幻覺

律師能在大多數違規行為發生之前就發現並糾正它們。正因如此，才設立了代理人間審查機制──多位代理人互相檢視彼此的工作，這就是安全保障。

記憶體損壞

我們發現這個問題很早就出現了。知識圖譜以 JSONL 檔案的形式儲存。當多個代理程式並行呼叫工具（同時寫入實體和關係）時，檔案就損壞了——出現部分寫入、重複條目和 JSON 行斷裂等問題。

解決方法：我 fork 了上游 MCP 記憶體伺服器，並新增了三項內容：

1. 非同步互斥鎖－防止並發呼叫saveGraph()

2. 原子寫入－先寫入.tmp文件，然後重新命名。

3. 載入時自動修復－跳過損壞的行並去重

它不能代替思考

這些代理商擅長在自己的領域內執行任務，但他們不擅長判斷領域是否出了問題。策略調整、憑直覺做產品決策、「感覺不對勁」——這些我還是會這麼想。

第二個月結果

該系統執行兩個月後：

• 收入：6.09 歐元（訂閱用戶，從第二天開始。無廣告，無推廣。）

• 基礎設施：約 42 歐元/月（Fly.io 在所有應用程式中使用）

• 內容產出：84+ 則推文、5 篇 dev.to 文章、多則 HN 評論

• 行銷時間：每週不到 1 小時（經紀人負責安排行程、撰寫文案和與客戶互動）

• 合規性：零逾期（增值稅、所得稅、社保全部追蹤紀錄）

收入微乎其微。但我每週都堅持發布產品，系統也不斷改進，而且我是在一個成本為零的團隊裡公開開發產品的。

程式碼

整個系統都執行在一個單獨的管理程式碼庫中：

.github/
  agents/
    ceo.agent.md
    cfo.agent.md
    coo.agent.md
    marketing.agent.md
    accountant.agent.md
    lawyer.agent.md
    cto.agent.md
    improver.agent.md
  copilot-instructions.md    # Global company identity + protocols
  skills/
    portuguese-tax/SKILL.md
    saas-pricing/SKILL.md
    seguranca-social/SKILL.md
  instructions/
    marketing.instructions.md
    ...
Marketing/
  social-media-sop.md
  social-media-strategy-2026.md
  drafts/
    week-2026-W09.md
    ideas.md
    ...
BOARD.md                     # Sprint board (COO-maintained)
Setas/
  Atividade.md               # Fiscal framework
  INSTRUCTIONS.md            # Operational manual

copilot-instructions.md檔案會在每次 Copilot 互動時載入。它定義了公司身分、代理系統、記憶體協定、通訊規則和產品註冊表。它是虛擬公司的章程。

技能是可重用的知識模組portuguese-tax/SKILL.md包含完整的增值稅 (IVA) 案例、美國國稅局 (IRS) 制度規則、發票要求和截止日期日曆。會計代理在處理稅務問題時會自動載入此技能。

我本來可以做得更好

如果一切重新開始：

1. 先從3個人員開始，而不是8個——營運長、行銷人員和會計人員就能承擔80%的工作量。等到工作量足夠時再增加其他專業人員。

2. 儘早投資於記憶體建置－知識圖譜是最有價值的部分。它會隨著時間的推移而不斷增值。我真希望自己從一開始就能更有條理地決定要儲存哪些資訊。

3. 將測試代理的輸出相互比較－代理間審查協議是在幻覺導致問題後加入的。從一開始就將其建置進去。

為什麼這很重要

我並不是說人工智慧代理商會取代人類團隊。它們不會。它們的角色是讓創辦人能夠以團隊的架構運作──明確的角色分工、溝通機制、機構記憶和系統化的改進機制。

另一個選擇要么是僱用我負擔不起的人，要么是繼續搞砸。這給了我一條折衷的路：結構化的執行，並在關鍵時刻依靠人的判斷。

系統成本：0 歐元（GitHub Copilot 已包含在我的現有訂閱中）。建置時間：約 2 個月，總共約 40 小時。後續維護：Improver 會處理大部分工作。

如果你是一位被營運成本壓得喘不過氣的獨立創辦人，這或許值得一試。並非因為人工智慧代理有多麼神奇——而是因為即使代理本身並不完美，它們所建構的架構仍然很有價值。

我是 João，一位來自葡萄牙的獨立開發者，使用 Elixir 建造 SaaS 產品。我會在部落格上分享真實的開發經驗——資料、錯誤以及像這樣的奇特實驗。歡迎在dev.to或X (@joaosetas)上追蹤我。

原文出處：https://dev.to/setas/i-run-a-solo-company-with-ai-agent-departments-50nf