自製「類龍蝦」AI Agent 系統實戰
title: "自製「類龍蝦」AI Agent 系統實戰" status: published
自製「類龍蝦」AI Agent 系統實戰
來源：@cab_late
發布時間：2026-02-26
觀看數：4K
互動：133 讚 | 45 留言 | 4 分享
🎯 專案目標
用 Claude 100 美金方案 + 21 天，做出一個：
- ✅ 有遊戲化界面
- ✅ 有強大對話工作功能
- ✅ 的「類龍蝦」AI Agent 系統
🛠️ 技術架構
核心技術（超簡潔）
- Claude Agent SDK
- NanoBanana Pro MCP
「沒了，老實說最基礎核心的部分有規劃好的話可能 1 天就能做完了」
💡 設計原則
核心原則
「有輪子可以用，就不要重複，把造輪的力氣花在個人化」
不重複造輪：
- 用現成的 Claude Agent SDK
- 用現成的 NanoBanana Pro MCP
- 專注機制設計，而非底層實作
🎯 解決的問題
問題 1：Agent 管理具體化
需求：
- Agent 的單位要具體、好管理
- 不想依賴看不到實體的程式流程
解決方案：
- Claude Code 的 pwd 機制完美解決
- Agent 變成可見、可管理的實體單位
問題 2：專注機制與引導
需求：
- 專注在機制與引導設計
- 規則釐清後由 Agent 自動設定
- 培養系統主管 Agent
解決方案：
- 用「管理員 Agent」透過對話方式設定
- 以此類推建立層級結構
🚧 最大挑戰
「最麻煩的其實是怎麼建構一個有效的記錄機制，確保資料的保留並且有辦法析出有效的分析報告」
為什麼重要？
這是讓龍蝦越來越了解自己的重點
解決方式
「多虧了用 Agent SDK，我只要專注在機制就好」
Agent SDK 的好處：
- 底層已處理好
- 開發者專注機制設計
- 不用從頭寫底層邏輯
🤔 為什麼選 Claude Agent SDK？
Q&A 對話（@hsnugavin 提問）
Q：為什麼用 Claude Agent SDK 而不是 OpenAI Agent SDK？
A：
「主要是機制完善，Claude Code 的底層就是這套，所以使用經驗 & 設定檔什麼的通通可以無痛繼承過去」
關鍵優勢：
- ✅ 機制完善
- ✅ Claude Code 底層就是這套
- ✅ 使用經驗無痛繼承
- ✅ 設定檔無痛繼承
😤 開發踩坑
坑 1：Claude Code 愛用 Message API（@frankchen.tw）
問題：
「CC 不知道為什麼很愛用 Claude Message API」
解決：
「受不了直接下強制令在文件裡」
作者回應：
「幹真的，我一開始在做這套時 CC 一直跑去 claude-ai，氣死我」
原因（Claude Code 的回答）：
「因為記憶裡 API 的資料最齊全」
教訓：
- AI 會優先選擇記憶中最熟悉的方案
- 需要明確的「強制令」來覆蓋預設行為
- 文件中的明確指示很重要
🎨 架構設計理念
層級結構
管理員 Agent（對話式設定）
↓
系統主管 Agent（規則執行）
↓
工作 Agent（具體任務）
關鍵特色
-
對話式設定
- 不用寫程式碼
- 自然語言配置
- 培養 Agent 能力
-
規則釐清
- 先定義規則
- 再讓 Agent 執行
- 逐步建立系統
-
層級管理
- 以此類推
- 建立組織結構
- 數字員工機制
📊 開發時程
| 階段 | 時間 | 內容 |
|---|---|---|
| 核心功能 | ~1 天 | Agent SDK + MCP 整合 |
| 記錄機制 | ~20 天 | 資料保留、分析報告 |
| 總計 | 21 天 | 完整系統 |
關鍵洞察：
- 技術整合很快（1 天）
- 機制設計最花時間（20 天）
- 機制 > 技術
💰 成本
- Claude 100 美金方案
- 21 天開發時間
投資報酬：
- 可複製給多人使用
- 已協助好幾個人自製龍蝦
- 建立「數字員工」機制
🚀 實際成果
「我協助好幾個人自製龍蝦了🤣」
應用場景：
- 個人助理系統
- 數字員工機制
- 可客製化的 AI Agent
開放合作：
「有想建立這種數字員工機制的，歡迎來找我聊聊～」
💡 關鍵洞察
1️⃣ 不要重複造輪
- 用現成 SDK
- 用現成 MCP
- 專注個人化
2️⃣ 機制 > 技術
- 核心功能 1 天
- 機制設計 20 天
- 真正價值在機制
3️⃣ Agent 要具體可管理
- 不依賴看不見的流程
- pwd 機制讓 Agent 實體化
- 對話式設定降低門檻
4️⃣ 記憶與學習
- 有效的記錄機制
- 析出分析報告
- 讓龍蝦了解自己
🔧 技術棧詳解
Claude Agent SDK
- Claude Code 底層技術
- 機制完善
- 設定檔可繼承
NanoBanana Pro MCP
- Model Context Protocol
- 多模型協作
- 專業版功能
Claude Code pwd 機制
- Agent 實體化
- 工作目錄管理
- 狀態持久化
🎭 與 OpenClaw 對比
| 特性 | 類龍蝦（cab_late） | OpenClaw |
|---|---|---|
| 核心 | Claude Agent SDK | 自建框架 |
| 定位 | 個人化數字員工 | 跨平台自動化 |
| 管理 | pwd 機制 | Session 管理 |
| 設定 | 對話式 | 設定檔 + 技能 |
| 焦點 | 記錄與學習機制 | 工具整合 |
共通點：
- 都是 AI Agent 系統
- 都強調機制設計
- 都可客製化
差異點：
- 類龍蝦：專注個人化、遊戲化
- OpenClaw：專注自動化、整合
🎮 遊戲化界面
雖然原文沒有詳細描述，但提到「遊戲化界面」：
可能包含：
- 任務系統
- 成就系統
- 進度視覺化
- 互動體驗
目的：
- 提升使用體驗
- 增加參與感
- 建立情感連結
🤝 社群互動
使用者反應
@cecelove1209：
「超想要！！」
作者回應：
「玩龍蝦就好了啦🤣」
@frankchen.tw：
「Claude Agent SDK 讚讚！」
洞察：
- 有實際需求市場
- 技術選型獲認同
- 社群樂於分享經驗
🔮 未來可能
個人化方向
- 每個人的龍蝦都不同
- 根據需求客製化
- 培養獨特個性
數字員工
- 不只是工具
- 有記憶、會學習
- 越來越了解使用者
生態系統
- 協助他人自製
- 知識分享
- 社群成長
📚 學習重點
1. 選對工具
- Claude Agent SDK（底層穩固）
- NanoBanana Pro MCP（專業功能）
- 站在巨人肩膀上
2. 專注價值
- 不重複造輪
- 機制 > 技術
- 個人化才是核心
3. 實體化管理
- Agent 要具體可見
- pwd 機制很關鍵
- 降低管理複雜度
4. 對話式配置
- 自然語言設定
- 培養管理員 Agent
- 層級結構自然成長
🎯 總結
核心公式：
類龍蝦系統 = Claude Agent SDK + NanoBanana Pro MCP + 有效記錄機制 + 21 天
關鍵成功因素：
- ✅ 不重複造輪（用現成工具）
- ✅ 專注個人化（機制設計）
- ✅ Agent 實體化（pwd 機制）
- ✅ 對話式設定（降低門檻）
- ✅ 記憶與學習（長期價值）
最重要的洞察：
「把造輪的力氣花在個人化」
標籤：#AI Agent #Claude #AgentSDK #NanoBanana #MCP #數字員工 #遊戲化 #個人化 #自動化