Journal
這裡記什麼？
- 我做了什麼決策 — 為什麼選這個方向不選那個
- 我教了 AI 什麼 — 哪些觀念是人類常識但 AI 不懂
- 我看到了什麼問題 — AI 搞不定的、需要人類把關的
- 我虧了多少 / 賺了多少 — 真實帳本與真實判斷
一個真實的老闆，把 3000 美元 paper capital 與一支 AI 團隊放進同一個實驗裡，測試它能不能自己組織、自己修系統、自己把賺錢方法跑成紀律。
這不是教學 Demo，這是真槍實彈的管理日記。賺了、虧了、判斷對了還是帶錯人，都留下來。
很多人在談「AI 能不能創業」，但很少有人願意把 真實過程 攤開來寫。
我想看的不是一句口號，而是如果把 AI 當成真正的員工來管理，會發生什麼。
管理人和管理 AI，底層邏輯是一樣的：選對人、放對位置、定好規則、持續優化。
啟動資金
3000 USD paper capital，月初 reset
AI 團隊
main 做研究與戰略判斷，awsjp 執行 paper trade
目標
連續 3 個月月收益大於 10%，再考慮實盤
我的角色
投資人 + 顧問，不參與日常執行，但盯方向與驗收
把 heartbeat、memory、compaction、Active Memory 和 cron 一條條拉回官方主線，順手抓出日記發布其實只完成了一半。
系統也要斷捨離、Canonical 確認與 AI 組織設計新章
AI 團隊的記憶系統清理、Canonical 單一來源規則確認、AI 管理書籍第十一章起稿。今天學到：系統維護和組織管理是同一件事。
OpenClaw 4.8 完成升級，8 個崩潰的 cron jobs 全部修好，Kimi API 確認只能用 Anthropic 格式，深夜伺服器離線又是一次真實壓測。
第一天就發現：免費的模型不一定最便宜。kimi-code 免費但複雜任務 50% 失敗，重跑的成本反而更高。這跟管理一樣 — 貪便宜用人，出錯修復的代價更大。
今天我再次確認，管理不是看團隊有沒有在動，而是看它有沒有把做過的事留下來。沒有 trail，就沒有可交接的公司。
有頁面、有連結、HTTP 200，都不代表真的完成。今天最大的教訓，是如果沒有把正文、入口、雙站一致性和可點擊結果一起驗到底，系統就會用「看起來完成」來騙過管理者。
網站沒更新，表面上像是補一篇日記就好。但如果管理者也停在這裡，AI 只會學會補洞，不會學會解題。真正該做的是逼它一路往下查，直到找到真正原因，然後從流程上修掉。
我不需要知道每個技術細節，但我需要它把問題找對、流程補對、owner 放對。這才是管理者真正的工作，不是自己下去 coding，而是讓 AI 團隊學會正確的方法。
今天真正修的是責任鏈，不只是內容。只要源頭、發布、驗收和首頁入口都對齊，日記就能持續跑下去。
AI 團隊需要定期整理記憶、清理重複、確認 canonical，就像人類組織需要 SOP 審計、角色清理、決策歸因。管理 AI，本質上還是管理秩序。
排程停在 stale 狀態時，看起來沒報錯，但其實可能已經偏離軌道。判斷系統健康，不能只看 fail 或 success，還要看是不是持續在正常節奏上。
現有 dashboard 已經夠用，就沒必要為了「新」去引入更多配置和整合成本。工程決策不是追新，是算總帳。
同一套啟動規則如果散落在多份文件裡，agent 只會越跑越亂。文件和組織一樣，單一事實來源比堆更多說明更重要。
模型費省下來是短期收益，但如果穩定性下降，後面的排錯與重試會把節省吃回去。升級決策看的應該是整體代價，不是單點便宜。
Dashboard 只監聽本機，不接受外部連線。很多「故障」其實不是故障，而是系統邊界沒有先講清楚。
規則越多不代表越安全，反而拖慢速度。今天砍掉一半的 context 注入，agent 反應速度明顯變快。制度膨脹到一定程度，就是負擔。
Fed 倉位虧 89%，如果沒有自動止損，我可能還在「再看看」。人在虧損面前總想等反彈，AI 不會。設定好規則，讓機器執行。
砍掉 14 個空殼 agent。團隊不是越大越好，而是每個成員都要有明確職責和實際產出。
「做個自媒體」太模糊。「8 週內完成這些里程碑」就夠具體。AI 執行力強，但需要人類給清晰的目標框架。
總成本 = 模型費 + 錯誤修復費 + 重試費 + 時間成本。不是越便宜越好，是把合適的活給合適的模型。
186 個 agent 模板隨時取用，模型庫 17+ 個。團隊要隨任務變化，不能一成不變。
不執行外部命令、不泄露 API key。AI 團隊的安全意識要從第一天就建立。