用 AI 建立無人公司：Hermes Agent + PaperClip 實戰，把 CEO / CMO / CFO 通通交給 AI
你的工作有多少能被 AI 員工取代？這篇手把手教你打造 0 人 AI 公司 — Hermes Agent 自我升級、PaperClip 多 agent 協作平台。CEO 指派工作、CMO 寫文案、CFO 還能審核團隊溝通幫你省 token。實戰跑出來的進階建議跟避坑都在這。
你現在的工作，有多少比例可以被 AI 員工取代？
不是「以後」 — 是現在。已經有人在做了。
這篇手把手教你打造零人 AI 公司 —— 全流程自動化 + 它還會自己升級、自己優化。你可以把這個架構變成任何形狀：你的專屬交易團隊、無人廣告公司、自動發文助理、market research 機器，創意你決定。
完整安裝 + 操作示範看影片。這篇文章補強影片講不深的觀念跟進階建議。
等等，「AI 公司」到底是什麼
先把概念釐清。
一般的 ChatGPT / Claude 使用：你跟它聊天、問問題、它回答。一次一個任務、講完就結束、它不會記得你昨天討論了什麼。
Multi-agent AI 公司：你建了一個團隊 — CEO、CMO、CFO、工程師、設計師…每個 agent 都是一個 AI、有自己的職責跟記憶。你跟 CEO 講「我要做 X」，CEO 會自己派工、agent 之間互相溝通、最後整合輸出給你。
更狂的是 — 它們會學習。某個 agent 第一次犯錯，下次同樣情境會避開。整個團隊的處理效率會隨時間自動變高。
用 Sims 來比喻：你不是控制每個小人在幹嘛、你只是「設計這個公司」、然後看他們自己跑。差別是 — 這群虛擬人會幫你產出真實的東西（文案、研究、策略、code）。
兩個工具：Hermes Agent + PaperClip
這套架構需要兩個東西配合：
Hermes Agent
單一 agent 引擎
- 具備「自我升級」能力 — 跑著跑著會找出更好做事的方式
- 可遠端操作：連 Telegram、Discord 都行
- 會自己 reflect「我這次怎麼做得更有效率」
- 單獨用就已經比 ChatGPT 強很多（因為有記憶 + 自我修正）
PaperClip
多 agent 協作平台
- 把多個 Hermes Agent 串成「公司」
- 預設角色：CEO、CMO、工程師…可自訂
- 你只跟 CEO 對話 — CEO 自動派工給其他 agent
- Agent 之間互相 ping、討論、回饋
安裝步驟跟畫面操作都在影片中 — 跟著影片做就好，不會英文也能 follow（畫面點哪、輸入什麼，一個一個 demo）。
它運作起來像這樣
你跟 CEO 講你要的東西，下面這個流程就會自動跑：
- 01🎯
你下達任務給 CEO
例：「我要一篇 1500 字部落格文章，主題是某某加密貨幣」
- 02👔
CEO 拆任務 + 派工
把任務拆給 research agent、writer agent、editor agent
- 03💬
Agents 互相溝通
Research 給 writer 資料、writer 給 editor 看草稿、editor 回饋改寫建議
- 04📦
CEO 整合 + 輸出
最終版本回到 CEO 手上 → 給你
- 05🧠
記憶 + 學習
這次哪個 agent 卡住？下次自動繞過。整個 team 的協作效率持續複利
跟一般 ChatGPT 對話最大的差別 — 你不需要思考每一步。你只需要把目標講清楚。
進階：請一個「節流 CFO」是省錢關鍵
跑這套架構最大的隱性成本 = token 燒爆。
實際跑過你會發現：agent 之間溝通會重複貼大段文本。CEO 給 CMO 看 brief、CMO 回信問細節、CEO 又重貼 brief、CMO 又貼回來確認…每一輪都是錢。
解法是：招聘一個「節流 CFO」agent — 他的職責就是審查團隊溝通方式、優化掉重複跟冗長。
怎麼設定：
- 跟 CEO 說「我要招一個位置能幫忙優化團隊、減少 token 消耗」
- CFO 加入後，會自動 audit CEO 跟其他 agent 的溝通記錄
- 看到 CEO 跟 CMO 一直重貼某段文本？→ CFO 提案改用「reference 編號」代替整段重貼
- 看到對話拖太長？→ CFO 教 agents 用更精簡的 protocol
頻率建議：
- 工作量大（每天跑幾百個任務）→ 每 3 小時 audit 一次
- 工作量小（偶爾用）→ 你自己想到時手動觸發
哪些任務適合丟給 AI 公司
不是所有任務都該用這套。先看哪些划算：
✅ 適合的任務
ROI 高
- 寫腳本 / 文案 / 部落格產線
- 市場調研、競品分析、整理 reference
- 簡單交易訊號（不是複雜回測）
- 日常運營任務（社群發文、客服 FAQ）
- 需要「不同視角碰撞想法」的 brainstorm
- 系統性的研究任務（一個主題拆 10 個面向）
❌ 不適合
會燒爆錢
- 回測一年 BTC 1 分鐘 K 線 — 資料量太大
- 純聊天 — 直接用 Claude / ChatGPT 更便宜
- 需要極度精確（醫療、法律）— 風險太高
- 需要即時反應（秒內）— agent 之間溝通有延遲
- 需要外部 API 但沒對接 — 還是要你自己寫
關鍵原則：
下達指令前先把「想要什麼」想清楚。你的指令越模糊、agent 之間越要來回確認 — 每一輪都是 token 錢。
不要用最新 model
大部分 agent 不需要用最新 model（GPT-5、Claude Opus 等）。
為什麼：
- 最新 model 通常 token 成本是老 model 的 5-10 倍
- 你的「research agent」、「文案 agent」、「summary agent」根本不需要那麼強的推理
- 真的需要強推理的 step 只有 CEO 拆任務 + 最後審核 那 2 步
建議分工：
| Agent 角色 | 建議 model |
|---|---|
| CEO（拆任務） | Claude Sonnet / GPT-4o |
| CMO / 文案 | GPT-4o-mini / Haiku |
| Research | GPT-4o-mini / Haiku |
| 節流 CFO | Haiku（只看 log 不需要強推理） |
| 最終 reviewer | Claude Sonnet（重要 step） |
一個 1000 字文章可能從 $0.50 USD 降到 $0.05 USD — 10 倍差。
我自己會拿來做什麼
幾個我已經試過 or 在計畫的 use case：
- 內容產線 — 每週給 3 個影片題目，AI 公司產 3 份 outline + 草稿。我只負責挑跟改
- 市場日報 — 每天早上 9 點，AI 自動跑「BTC / ETH / 標普 / 黃金昨日動態 + 今日 catalyst」，丟到我的 Telegram
- 競品監測 — 給 10 個競品名單，AI 每週掃他們的網站變更、新發內容
- 腦力激盪 — 一個 idea 丟下去，讓 5 個不同 personality 的 agent 從不同角度評論
- 客服 FAQ — 把過去 6 個月所有問答餵給 agent team，自動回答常見問題
不會拿來做的：
- 自動下單交易（風險太高、agent 還會卡 bug）
- 機密資料處理（API 還是傳到 OpenAI / Anthropic）
- 重要決策（不會用它幫我簽法律文件 / 做投資建議）
適合誰、不適合誰
- + 想自動化重複腦力工作的個人創作者
- + 一人公司 / indie hacker（買不起員工但有時間 setup）
- + 想嘗試 AI 進階用法、學習未來工作型態的人
- + 工作量穩定、任務 pattern 重複（適合系統化）
- + 會寫一點點 prompt、不怕 trial-and-error 的人
- − 只想「跟 AI 聊天」的人 — 直接用 ChatGPT 便宜 10 倍
- − 不會 debug、看到 error 就放棄的人 — agent 一定會卡
- − 任務不規律、什麼都做一點的 — 設定成本回不來
- − 極度在意 token 成本的人 — 這個本質上比直接用 API 貴 2-5 倍
- − 需要立即反應（< 1 秒）的場景 — agent 溝通有延遲
思路：你不是在「用 AI」、你是在「設計 AI 組織」
這套東西最大的 mindset shift 是 ——
你以前用 AI = 一個指令、一個回應。每次都要重新解釋 context。
現在用 AI = 設計一個會工作的系統。設計好之後，它自己跑、自己學、自己改進。
很像在玩 Sims 虛擬人生 — 只是這群 Sim 會幫你產出真實價值（同時會燒你的 OpenAI / Anthropic 餘額）。
最容易踩的雷：
- 一開始 setup 不夠用心 → agent 之間溝通混亂 → token 燒爆
- 沒招節流 CFO → 重複文本貼來貼去 → 一個月帳單比薪水還多
- 任務指令太模糊 → agent 之間互相確認個沒完 → 同樣燒錢
最容易 underrated 的優點：
- 一旦設定好、邊際成本超低（每多一個任務只多 token 錢、沒人時成本）
- 24 小時不停工
- 永遠不會「沒心情」、「請假」、「離職帶走 know-how」
我的 takeaway
我覺得這套東西真正的價值不在「省人力」、而在「讓你能設計以前不可能的東西」。
以前你想做「每天分析 50 個加密貨幣最新動態 + 寫成日報」？你雇不起一個團隊做這個。現在你可以 setup 一個 AI 公司、每天自動跑。
以前你想做「每週對 100 個 KOL 的內容做 sentiment analysis」？沒辦法。現在可以。
重點不是替代人類員工 — 是做你以前根本做不起的事。
如果你看完想試試看 — 先從最簡單的 2-3 個 agent 開始（例如：CEO + Research + Writer）。跑順了再加 CFO 跟更複雜的角色。不要一次 setup 10 個 agent — 你會 debug 到死。
接下來看什麼
同主題：AI 工具實戰
用 AI 賺錢的人
- Marc Lou：賣樣板一年 $1M、每週工作 4 小時
- Pieter Levels：indie hacker 教父，一個人年收 $3M
- Damon Chen：邊上班邊做副業 $80K MRR
- Tony Dinh：花 3 天寫 ChatGPT 介面、11 天賺 $22K
用 AI 做交易自動化（相關方向）