讓不穩定的單次對話助手，變成真的能掌控的工作層。
換工具不會斷。乖乖照工作流走。壞了自己會救回來。日常聊天就能操作。
3–5
個專案同時開
∞
session 接得起來
0
次手動重開
100%
Discord 直接操作
問題在哪
一開始 AI agent 能力是有，但用起來超不穩。每次換工具、重開 session、甚至只是重開電腦，都要從頭再解釋一次現在做到哪。輸出常常對不上要的修改風格、回報格式或工作流規矩。壞了就是當下手動修一修，沒有真正解決，下次照樣再壞一次。最難的一段是記憶系統：一開始用 RAG 查記憶，中文語意抓取常常抓不到重點，agent 會拿錯記憶去做事；後來改成用 Graph 方式做記憶的 embedding，才真正解決跨使用者、跨部門的權限分權跟記憶精準度問題。
每次換工具 = 從頭再解釋一遍
以前
- 01
從 Claude Code 換到 Codex 再換到 Antigravity，每次都要把整個專案脈絡重講一遍。
- 02
Agent 常常不理輸出格式、修改風格、回報慣例這些要求。
- 03
出錯都是被動處理——壞了手動修，修完下次再壞再修一次，沒完沒了。
- 04
多 agent 的 tunnel 跟 profile 設定常常綁錯、互相打架。
- 05
沒有靠得住的記憶機制，每次 session 都從零開始，之前做到哪全部忘光。
現在
- 01
新開的 session 直接接手正在做的事，完全不用重新解釋。
- 02
修改、回報、輸出都穩定照著要的工作流跟格式走。
- 03
出錯會自己觸發診斷跟修正，不用我自己跳下去救火。
- 04
Profile 路由在不同 agent、gateway、Discord 頻道跟服務商之間都跑得穩。
- 05
記憶靠整合的記憶中樞，跨工具、跨 session、跨平台都接得起來。
在 Discord 丟一句話就好。
Wayne 在 Discord 丟一句話。系統會自動去查記憶或抓相關上下文、把任務做掉、檢查輸出有沒有符合要求的格式，需要的話自己修正，最後用指定的格式把結果交回來。
agents
wayne09:24
幫我重構 auth 模組，照現有風格走。
OpenClawAPP09:24
run · auth refactor
- ✓01提需求
- ✓02抓上下文
- ✓03動手做
- ✓04自己檢查
- ✓05修正
- ✓06交件
完成。3 個檔案、12 行變更，已照 PR 模板回報——不用再追問。
01
提需求
在 Discord 打一句自然語言的話
02
抓上下文
記憶系統自動把相關的專案狀態帶出來
03
動手做
Agent 在明確範圍內做事，不亂碰旁邊的東西
04
自己檢查
看輸出是否符合要的格式跟風格
05
修正
發現不對就回頭修，修好才回覆
06
交件
用指定格式把最終結果交回來——不用再追問
- git merge✓ pass · approved
- gateway restart✓ pass · warned + approved
- edit · adjacent file✗ blocked · out of scope
- placeholder code✗ blocked · no AI debt
沒核准不合併
任何變更沒明確確認過，就不會被合併。
沒講就不重啟 gateway
要先通知、拿到核准才能動。
不亂改不相關的東西
Agent 只在明確範圍內動手，旁邊的不碰。
不留 AI 搞出來的技術債
走捷徑、放佔位程式碼，這些都明確禁止。
不用過期的記憶
靠回憶做事之前，先確認現在實際狀態是什麼。
結果怎樣
在哪都能工作
用手機就能同時管 3 到 5 個專案。工作介面是聊天視窗，不是 IDE。
Agent 全天候在線
不在工作時段，agent 還是會繼續處理任務、排程、自我檢討跟規劃。
交接無縫接軌
新 session 接手正在做的事不會丟上下文，不用重講一遍，不用重新設定。
自己會修復
出錯會觸發診斷流程跟自我修正，不用我自己手動救火。
AI 協作治理
OpenClaw 的價值不是「有個 Discord 介面能操作 AI」，而是我把 AI 那些會出事的行為——記錯、越權、各團隊資料混在一起——變成架構與規則管起來。這頁記錄的是那些治理。
治理案例
點開看一手證據
AI 的慣性盲點
記憶系統一開始用 RAG 查記憶，但中文語意抓取能力不夠好，常常抓不到重點、抓錯段落，agent 就拿著錯的記憶去做事——跨 session 的連續性建立在不可靠的召回上。
我建立的治理機制
把記憶的 embedding 改用 Graph 方式做，重建召回機制，讓中文語境下的記憶檢索能對準真正相關的專案狀態，而不是靠模糊的向量相似度。
協作解鎖的價值
新 session 能真的無縫接手正在做的事，不用重講脈絡；記憶從「可能召回」變成「可靠召回」，這是整套跨工具連續性的地基。
AI 的慣性盲點
最難做的一段就是記憶的權限分權：不同使用者、部門、公司的上下文若沒有邊界，AI 會把 A 的記憶用到 B 的任務上，在多方協作場景是嚴重的資料外洩與混淆風險。
我建立的治理機制
設計多租戶隔離的分權架構，並把新電腦／新 agent 的 onboarding 流程標準化，讓每個 agent 只能存取被授權的記憶範圍。
協作解鎖的價值
讓這套系統能安全地跨使用者、跨部門協作——記憶共享的同時守住隔離邊界，而不是一鍋端。
AI 的慣性盲點
Agent 有能力後會傾向「先做了再說」：沒核准就合併、沒講就重啟 gateway、順手改不相關的地方、走捷徑留下 placeholder 技術債——能跑但不受控。
我建立的治理機制
每個動作執行前都先過一遍規則閘門：沒核准不合併、沒通知不重啟、不碰範圍外的東西、不留 AI 技術債、不用過期記憶——把「不能放任的行為」寫成硬規則。
協作解鎖的價值
讓我敢把 3–5 個專案同時交給多個 agent 自主跑，甚至夜間自我反思改良，因為越權這條線有閘門守著——自主是被治理的自主。
現在工作起來幾乎就像在聊天。以前花在重講脈絡、追格式錯誤、手動修壞掉流程的時間，現在都拿去規劃跟做更重要的決定了。
Wayne Tien，談每天跟這套系統一起工作的感覺