跳到主要內容
AlanVaneAI & Software

我做的 AI Agent
與自動化,
業務裡天天在跑。

我是 Alan,20+ 年全端經驗,專注 Cloudflare 全端架構、AI 應用與跨平台開發。我給全球客戶做 AI Agent、工作流程自動化,以及客製的 Web 和行動應用。

全端工程,遠距交付,一人公司,服務全球。

TypeScript、Go 和 Flutter。我一個人開發,你對接的就是寫程式的人,不是客戶經理。

agent-run.log
$agent run triage --inbox enquiries
→讀取昨天以來的 9 則新詢價
→按服務類型與緊急程度分好類
→替其中 6 則清楚的起草了回覆
!留下 3 則——預算和時間都太模糊,無法報價
→給你留了便條,寫明還缺什麼
✓沒有等著你處理的事
Pattern: command → steps → human escalation → completion

“做得出來嗎?”

20+

年軟體交付經驗

“要多久?值不值得?”

1 週

用你自己的資料跑出可用原型

“會不會被轉手?”

0

個客戶經理擋在你和程式碼之間

“會不會被綁定?”

100%

的程式碼交付進你的儲存庫

我做什麼

客製的 AI 方案與軟體,程式碼都是我寫、我測、我交付。如果花一筆訂閱費買個現成工具就能解決你的問題,我會直接這樣建議你。

Cloudflare 全端架構與遷移

把 Next.js / Nuxt 穩穩跑在 Cloudflare 上,告別失控的 Vercel 帳單,成本大幅下降。

  • Next.js / Nuxt 遷移到 Cloudflare Workers,成本大幅下降
  • R2 物件儲存、D1 / Hyperdrive 資料層接入
  • 邊緣快取、KMS、圖片處理等生產級實踐

AI Agent

Agent 在你的系統裡讀資料、做判斷、直接動手,不是只會回答 FAQ 的聊天機器人。給它一件需要判斷的活——處理文件、分揀詢價、做調研、盯監控——它會自己把活做完,拿不準的轉給人。

  • 讀取進來的資訊
  • 判斷任務需要什麼
  • 動手,或轉給人
了解詳情 →

業務自動化

把現有工具之間的重複勞動去掉的 AI 自動化。報價單、發票、資料輸入、報表、文件擷取——這些活現在多半是團隊裡的人在一個個螢幕之間照著抄。

  • 發票進來
  • 欄位被擷取
  • 結果寫進你的記帳系統
了解詳情 →

客製軟體

內部工具、Web 應用、行動應用。TypeScript、React、Go、Flutter。範圍固定,程式碼進你的儲存庫,寫好文件、完整交接。做出來是讓你擁有的,不是租回給你的。

  • 範圍先定死
  • 開發中每週展示
  • 程式碼交付進你自己的儲存庫

跨平台與行動應用

一套 React Native / Expo 程式碼,穩定上架 iOS 與 Android。

  • React Native / Expo 應用開發與上架
  • 原生建置問題排查(如 16KB page size)

美國公司註冊與海外收款

以 $589 一次性方案辦理美國公司註冊、EIN、銀行開戶協助與 Stripe 收款設定。

  • 梳理美國 LLC 註冊與 EIN 申請的文件與流程
  • 協助準備美國商業銀行開戶與 Stripe 申請資料
  • 串接公司主體、收款帳戶與產品支付系統

拿不準需要哪一種?先來一次免費溝通,一起把它弄清楚。

做完,也寫出來

我會把它們的實作寫出來:架構、程式碼,還有第一次沒做對的部分。聯絡我之前,你可以先自己判斷我想得對不對。

Cloud Code (Cloudflare + OpenCode)

一個跑在瀏覽器裡的 AI 程式設計工作區。一個 Cloudflare Worker 在前面頂著,後面是跑 OpenCode 的有狀態容器,可以部署到你自己的 Cloudflare 帳號。

最初的想法很簡單:瀏覽器裡的 AI 程式設計工作區不該是黑盒——要能自己跑、看得懂、還能往上加。我沿著這條線把它做了出來:支援 OpenCode v2、升級容器映像、CI 冒煙測試,還有部署、Cloudflare Access 和本地測試的技術文件。

TypeScriptCloudflare WorkersCloudflare ContainersOpenCodeDocker

自行託管,不是託管產品。支援 HTTP Basic Auth;正式環境建議使用 Cloudflare Access。

運作方式

決策一拖再拖,原因通常只有一個:要拍板的資訊散落在好幾個地方,而沒有人有半天時間把它們湊齊。Agent 定時把這些資訊湊齊、想明白這代表什麼,然後要么直接動手,要么把建議放到你面前。凡是決策要依賴你自己系統看不到的資訊,都是這個套路。

它看起來是什麼樣的

你系統裡的歷史

你手裡那些工具攢下來的歷史:訂單和毛利、工單和報價紀錄、發票和供應商的規律。不只是看什麼賣得最多,還要看什麼漲得越來越快、什麼在悄悄熄火、什麼只有打折才動。

它們看不到的

外部的訊號:競爭對手在做什麼、怎麼定價,大眾需求和搜尋熱度往哪走,還有牽動需求的背景——季節、天氣、近期活動、政策。事後看全是明擺著的,可就是不在你的試算表裡。

  1. 1
    你的系統 — 歷史、紀錄、數字
  2. 2
    外部訊號 — 競品、趨勢、季節
  3. 3
    判斷代表什麼 — 真變化還是雜訊
  4. 4
    決定改什麼 — 庫存、價格、文案
  5. 5
    動手,或排隊 — 按你的規則來

一次定時運行走的路:從你自己的紀錄和外部訊號,一直到一個決策和一個動作。順序是:你的系統,然後外部訊號,然後判斷代表什麼,然後決定改什麼,然後動手或排隊。

從建議到動手

拿回來的是一個帶著動作的決策,不是一塊儀表板。看儀表板是加活,這個是減活。哪些 Agent 可以自己做、哪些要等你拍板,由你定。多數人一開始什麼都設成要審批,看上幾週,確認可靠之後,再把低風險的動作放出去。不可逆的事永遠交給人。至於動作是什麼,取決於活本身:

  • 調個價,或者把壓著資金的庫存標出來。
  • 把跟進郵件或報價單起草好,你只需要過目。
  • 把商品文案改成貼合大家搜尋習慣的說法。

每種步驟配合適的模型

量大、機械的步驟——讀一個頁面、把欄位抽出來——跑在小而快的模型上。真正需要判斷的少數幾步,交給前沿模型。把每個步驟路由給合適的模型,Agent 才跑得起,又不會在要緊的地方變笨。

什麼時候就只是自動化

客製 AI 方案是一個一個做的。如果你要的東西裡沒有真正的判斷,只是在系統之間搬資訊,那就是工作流程自動化,做起來也更便宜。

你好,我是 Alan

遠端 · 服務全球客戶

職業寫軟體,已經二十多年了。

2006 年我從做網站起步,那是純 HTML 的年代。那段經歷教會我:交付這活大多不光鮮——效能、邊界情況,還有最後那 10%,花的時間跟前 90% 一樣多。

之後我轉向全端開發,這些年大部分時間都在做這個。主要是 TypeScript、React 和 Cloudflare,客戶多是 SaaS 產品和背後的團隊——在他們那裡,軟體慢一點、壞一點,直接就是客戶流失和收入損失。其間我也做了自己的產品:一個表單後端、一個線上圖片處理器,還有一些每天在用的小工具。直到現在,碰到需要小巧趁手的傢伙而不是大平台的活,我還是習慣自己做一個。

2024 年初,我開始把 AI 用進日常工作。用它做的第一個東西是個瀏覽器自動化工具:從搜尋關鍵字進去,抓回 YouTube 上與某品牌產品相關的影片——標題、播放次數、按讚數——最後匯出成 Excel 交給營運團隊。

這改變了我對 AI 寫程式碼的感受:從想法到能跑在真實資料上的東西,中間那段距離消失了。標準還是從前那個——AI 寫的程式碼,由我讀過、測過、再上線。

現在,我以「一人公司」的方式工作:從需求溝通、架構設計,到編碼、上線、維運,全部親自負責——沒有中間層,也沒有銷售話術。我習慣遠距協作與非同步溝通,按里程碑推進,按專案範圍報價。我一個人做,是刻意的:專案排期留足餘量,從不需要轉包——所以第一通電話裡跟你聊的人,就是寫程式、做測試、把東西交付給你的人。

這些年,我把精力集中在幾個最常被找上門的方向:

  • Cloudflare 全端架構與遷移 —— 把 Next.js / Nuxt 穩穩跑在 Workers 上,接入 R2、D1、Hyperdrive,幫團隊告別失控的 Vercel 帳單。
  • AI Agent 應用 —— 從 OpenAI / Claude 接入,到 Stripe + Supabase 的用量計費與訂閱,跑通一套真正能收錢的 AI 產品。
  • 跨端與行動應用 —— React Native / Expo 開發與上架 iOS 與 Android。

工作之外,我是一名跑步愛好者,也喜歡和家人一起到處旅行。

如果你有想做的產品,或棘手的工程問題,歡迎 寄信給我 聊聊。

What I build with

TypeScriptReactNext.jsGoNode.jsPostgreSQLCloudflare WorkersDockerOpenCodeClaudeOpenAILocal LLMs

How I work

直接對接

你對接的就是寫程式的人。中間沒有客戶經理,也不會把活轉給什麼離岸團隊。

遠距協作

習慣非同步溝通與跨時區協作,按里程碑推進。

20+ 年全端經驗

從前端到基礎設施,獨立扛下完整產品。

讀過、測過、再上線

AI 大幅加快了開發,但標準還是從前那個——AI 寫的程式碼,由我讀過、測過、再上線。

按需報價

按專案範圍估算,清晰透明,不綁長約。

固定範圍

動工之前先寫清範圍、定好價格。活要是變大了,我們另外商量,而不是盯著小時費率往上跳。

程式碼歸你

程式碼在你的儲存庫、你的帳號下,有文件,有正式交接。不存在只有繼續付我錢才能維護的黑盒。

不綁定維護

需要後續支援,可以有。但它從來不是把活做出來的前提條件。

常見問題

關於 Agent、自動化,以及把它做出來到底涉及什麼,這裡直接說答案。

聊天機器人回答問題,Agent 做事。它接得上工具:你的收件匣、你的資料庫、某個 API。然後它開始迴圈:動手,看結果,決定下一步,直到活做完,或者它覺得該請人來看一眼。你要的是“回答我們 FAQ 裡的問題”,那是聊天機器人,也便宜。你要的是“讀完這個,弄清楚它是什麼,放到該放的地方”,那就是 Agent。

歸你。程式碼在你的儲存庫、你的帳號下,有文件,有正式交接。你可以自己維護,也可以雇別人維護。沒有會過期的授權,你不付我錢了,也不會有什麼東西停擺。

幾乎完全取決於兩件事:有多少系統要互相說話,以及輸入有多亂。兩個都有 API 的系統之間跑一條定義清楚的流程,是個小的固定報價專案。同樣的流程,輸入換成幾十家不同供應商寄來的掃描 PDF,就是個大得多的專案。簡單溝通之後,我按專案報固定價,動工之前你就知道數字。之後的運行成本通常不高,就是 API 用量加託管。

單條流程,一般兩到四週。其中大約一週是可用原型,你可以先拿自己的資料試,再決定剩下的怎麼做。這是刻意安排的——早點發現想法要改,便宜得多。更大的專案分階段做,每個階段結束你都能看到能跑的東西,而不是等到最後。

通常能。現在多數 SaaS 都有 API,這是最順的情況。老一些的、或者自研的內部系統,一般也能透過資料庫連線、檔案投遞,或它僅有的那個介面接上。這是最值得先確認的部分,所以我一上來先看它。

很多活是跑在 Claude 或 OpenAI 上的,對多數業務資料來說沒問題。如果你的資料不能出境、不能離開自己的機房,我可以評估你的場景適不適合用本地模型。這是真取捨,不是銷售話術:本地模型跑起來便宜、資料完全不出門,但能力確實不如前沿模型。往哪邊走要看具體任務,我會直接告訴你我的判斷。

不一定。搜“AI 公司”一抓一大把,如果是很大的工程,找其中一家可能是對的。我是一個開發者。對單個 Agent 或一條自動化流程來說,這通常意味著一小時而不是一週就能拍板,不用為中間層付錢,你交代需求的人就是寫程式的人。如果你的專案真的需要十個人加 7×24 的 SLA,我會直說,並給你指一家公司。

基本都遠距,客戶分布在各個時區。對這類活來說,時區比郵遞區號重要得多。我的主要工作時間是 06:00–21:00(東八區)。

開始你的專案

把你想做的事告訴我,我告訴你值不值得做。不值得的話,我會告訴你該用什麼替代。第一次聊不收錢。

  1. 一個工作日內,你會收到我的回覆。
  2. 我們聊一次你想做的事。電話或郵件,看你方便。
  3. 值得做的話,動工之前你會拿到書面範圍和固定報價。
專案類型 (可多選)
06:00–21:00(東八區)· 一個工作日內回覆