不用買三台 Mac，也能打造 24×7 AI Agent 工作站！Herdr × Claude Code × Tailscale 完整實戰教學

最近看到一位開發者分享自己的 AI 工作流，讓我覺得很有意思。

依照那則分享，他買了三台 Mac，使用兩個 Claude Code 高階訂閱帳號，總共執行八個 AI Agents。每個 Agent 都有自己的 Tart 虛擬機，再透過 Herdr、Tailscale 和 Claude Code Remote Control，讓整套系統可以遠端操作、長時間執行。

他的工作包含開發、寫書、製作講義、簡報、研究新技術，甚至整理郵件與 AI 新聞。這些工作逐漸從自己動手，變成由 AI Agent 負責。

而且不只是坐在電腦前操作，出差在外也能透過手機或筆電，接手原本正在執行的工作。

看到這裡，我開始思考：我們真的需要三台 Mac、八個 Agent，才能打造自己的 24 小時 AI 團隊嗎？

研究之後，我發現答案是不一定。真正值得學習的，是這套架構背後的設計思維。

這篇就來拆解核心技術、實際安裝方法、成本，以及如何利用現有設備，打造自己的 24×7 AI Agent 工作站。

閱讀範圍：開場的設備數量、訂閱數量與工作內容，是作者轉述的開發者分享；本文未取得原始分享連結，並非本文實測紀錄。以下安裝步驟供讀者實作驗證；Dispatcher 與跨設備接力流程屬於延伸設計，不是安裝工具後就會自動具備的功能。

一、24×7 AI Agent 和一般 AI 助手差在哪裡？

我們平常使用 ChatGPT、Claude、Gemini，大部分都是這樣：

1. 打開聊天介面。
2. 輸入問題或交代工作。
3. 等待 AI 回答。
4. 自己檢查結果。
5. 再交代下一件事。

這種模式比較像是「AI 助手」。24×7 AI Agent 則像是一個隨時待命的數位工作團隊，例如可以規劃這樣的工作日：

你不需要一直坐在電腦前面盯著它們。不過，24×7 在線，不等於 AI 真的會自動工作。

要做到真正的自動化，至少需要五個部分：

• 持續運作的電腦或伺服器。
• 能執行工作的 AI Agent。
• 排程或事件觸發機制。
• 任務管理與失敗重試機制。
• 遠端監控及通知機制。

少了其中幾個，可能只是讓 AI 一直開著，卻沒有真正提高工作效率。

二、先認識五個核心工具，各自解決什麼問題？

1. Claude Code：負責工作的 AI 員工

Claude Code 是 Anthropic 推出的 AI Coding Agent。雖然名字裡有 Code，但它不只能寫程式。

只要工作能透過檔案、指令、API 或其他支援的工具完成，就有機會交給它處理，例如：

• 開發網站與應用程式、修改 GitHub 專案。
• 撰寫 Markdown 教材、整理研究資料及產生簡報內容。
• 執行 Python 程式、批次處理文件。
• 操作已設定且支援的外部工具。

與一般聊天式 AI 最大的差別，是 Claude Code 可以直接在工作環境中執行操作。例如你交代：

幫我檢查這個網站專案，把錯誤修好，測試通過後整理修改報告。

它可以讀取程式碼、修改檔案、執行測試，再回報結果；前提是你已提供適當的工作環境、工具與權限。

2. Herdr：集中管理整隊 Agent 的工作階段

如果你同時開啟好幾個 Claude Code、Codex 或 OpenCode，可能會遇到這種情況：一個視窗正在寫程式、另一個跑測試、第三個等待回答，第四個則不知道什麼時候已經失敗。最後，你花很多時間切換視窗、檢查進度。

Herdr 就是想改善這類問題。它能集中管理多個 Agent 的終端機工作階段；但必須先分清楚目前官方的兩條產品路線：

• Herdr TUI：終端機介面，使用自己的背景 server；本文的 herdr 指令與 herdrdev/herdr repo 屬於這條路線。
• Herdr App、手機 App 與 Herdr Core：另一套以 Core 管理工作階段的架構，須依對應文件設定。官方首頁說明，TUI 與 App 不共用 Agent，不能假設 TUI 開出的工作階段會直接出現在 App。

Herdr TUI 的主要能力包括：

這些介面讓另一個 AI Agent 有機會參與協調工作。不過，Herdr 的工作階段管理不能直接取代完整的任務排程、持久化佇列、重試、權限審核與成果驗收。

功能與指令請以安裝版本的 TUI 文件及 Socket API 文件為準。

3. Tailscale：讓不同電腦建立私人連線

假設你有家裡的 Mac、辦公室的 Windows，以及 Oracle Cloud 上的 Linux VM。這三台設備可能位於不同網路。

傳統做法可能需要處理固定 IP、Port Forwarding、防火牆與 VPN。Tailscale 利用 WireGuard 技術簡化私人加密網路的建立。設備加入同一個 Tailnet，並符合存取權限設定後，就能透過私人網路連線。

你可以人在外面用筆電連回家裡的 Mac，或讓雲端 Linux 連接辦公室的 Windows。不過，Tailscale 負責的是網路連線，Agent 的啟動與派工仍要另外設定。

4. Tart：在有需要時提供獨立虛擬機

Tart 是針對 Apple Silicon 設計的虛擬機管理工具，可以執行 macOS 與 Linux VM；原始碼位於 cirruslabs/tart。

開場分享採用的方式，是讓不同 Agent 在各自的 Tart VM 工作。這能減少環境衝突，例如 Agent A 安裝 Node.js 套件、Agent B 修改 Python 環境、Agent C 更新系統設定時，不必全部共用同一套作業系統環境。

但虛擬機需要額外 CPU、記憶體與磁碟空間。如果 Mac 只有 16GB RAM，我不建議一開始就替每個 Agent 建立一台 VM。

比較實際的方式，是先用不同工作目錄搭配 Git Worktree；確實需要隔離作業系統或相依套件時，再考慮 Tart。使用前也應確認所選版本的授權與使用條件，不把「可查看原始碼」直接當成所有用途都免費或無限制。

5. Claude Code Remote Control：人在外面也能接手

假設 Claude Code 正在家裡的 Mac 工作，而你已經出門。當它需要確認下一步時，可以透過 Remote Control，從支援的 Claude 網頁或手機介面接續本機工作階段。

在 Claude Code 裡可以輸入：

1

/remote-control

實際執行的仍是原本的電腦，電腦必須保持開機、Claude 程序持續運作且能連網。休眠或網路中斷時會影響可用性，恢復後的重新連線行為也要實測。

可用性受到訂閱、登入方式、組織政策與版本影響；目前官方文件說明 API key 不支援 Remote Control，使用前應查看最新需求。它與透過 Tailscale 建立 SSH 連線是兩條不同的遠端操作路徑，啟用 Remote Control 本身不要求先安裝 Tailscale。

三、如何把五個工具整合成工作系統？

我會把延伸架構分成五層：

例如任務管理層可以記錄：Task-001 研究 AI 新聞、Task-002 撰寫教學文章、Task-003 更新課程網站、Task-004 執行 GitHub 測試。

完整流程是：

1
2

使用者交代工作 → AI 幕僚長分析 → 建立任務 → 指派 Agent
→ 執行工作 → 驗收成果 → 通知使用者

這才是一套比較完整的 AI Agent 工作系統。以下先建立能遠端管理的基礎環境，再說明派工設計。

四、實戰第一步：安裝 Tailscale 並確認設備連線

這裡假設你有一台 Mac、一台 Windows，以及一台 Linux 雲端 VM。沒有三台設備也沒關係，只用 Mac 就可以先測試本機工作階段；跨設備連線則需要另一台已加入網路的設備。

Step 1：下載並登入同一個 Tailnet

前往 Tailscale 下載頁，依照作業系統安裝。Mac 與 Windows 都有圖形介面版本；安裝完成後，登入同一個帳號或受邀加入組織的 Tailnet。

Step 2：檢查設備狀態與 IP

在已安裝且可使用 Tailscale CLI 的 Mac 終端機輸入：

1
2

tailscale status
tailscale ip -4

Tailscale IPv4 通常位於 100.64.0.0/10 範圍。再確認另一台設備：

1

tailscale ping <另一台設備名稱或IP>

若要使用 SSH 遠端操作，還需要在目標設備啟用 SSH 服務、設定帳號驗證及存取權限。Tailscale 連線成功，不代表 SSH 已開啟。

五、實戰第二步：安裝 Herdr TUI 並測試工作階段恢復

本文這一步安裝的是 Herdr TUI。官方提供的一行安裝方式是：

1

curl -fsSL https://herdr.dev/install.sh | sh

這會直接下載並執行遠端腳本。實作時，我建議先下載、閱讀內容，再決定是否安裝：

1
2

curl -fsSL https://herdr.dev/install.sh -o herdr-install.sh
less herdr-install.sh

確認來源、腳本內容、下載項目、寫入路徑與權限需求，並接受安裝行為後，再執行已檢查的本機檔案：

1

sh herdr-install.sh

以上是文章教學指令；安裝方式可能隨版本調整，請對照 Herdr 官方安裝說明。安裝完成後，在工作目錄啟動：

1

herdr

先建立少量窗格或工作區，例如 Claude Code 開發、Codex 文件整理與 OpenCode 研究工作，觀察狀態回報是否符合實際情況。

可先依官方方式按 Ctrl+B，再按 Q，脫離 TUI；重新執行 herdr 接回。確認後，再以低風險測試任務檢查終端機關閉、SSH 中斷與重新連線的結果。

依 Herdr 持續運作與遠端連線文件，背景 server 是工作階段得以持續的關鍵。關閉 client、停止 server、主機重開機是不同情況；恢復版面也不代表原本程序完整恢復。

如果目標是手機管理 Herdr，請改查 App／Core 的安裝與手機連線文件；TUI 工作階段不會自動出現在 Herdr App。

六、實戰第三步：設定 Claude Code 遠端操作

先依 Claude Code 安裝說明完成安裝與登入。進入你的專案：

1
2

cd ~/projects/my-project
claude

在 Claude Code 工作階段中輸入：

1

/remote-control

依畫面指示完成設定，也可以查看 /config 中是否提供預設啟用的選項。接著從支援的 Claude 網頁或手機介面連接原本的工作階段。

建議驗證三件事：

1. 電腦保持喚醒時，能否從手機接續操作？
2. 網路短暫中斷後，能否重新連線？
3. Claude Code 等待使用者確認時，能否在遠端完成確認？

這些測試比單純看到連線成功更重要。測試請使用不涉及正式部署或刪除資料的任務。

七、如何讓 Agent 長時間執行？分開處理三個問題

很多人以為只要開著 Claude Code，就等於有一個 24 小時 Agent。其實電腦休眠、程序結束、卡在權限確認，都可能讓工作中斷或停滯。

1. 讓電腦保持運作

MacBook 長時間工作時，需要妥善設定電源管理。可以使用 macOS 的 caffeinate，在特定工作期間避免系統閒置休眠：

1

caffeinate -i claude

這個例子適用於直接啟動 claude 的情境；如果 Agent 由 Herdr 等背景服務啟動，應另確認該服務存續期間的電源設定。

這也不能保證 MacBook 合蓋後仍持續執行。真正長期運作時，桌上型電腦或雲端伺服器通常更合適。

2. 讓工作階段持續存在

可以使用 Herdr、tmux 等工具。以已安裝 tmux 的 Linux 為例：

1

tmux new -s ai-agent

在工作階段內執行：

1

claude

按 Ctrl+B，再按 D，可脫離 tmux 而不主動終止工作階段。重新連線後接回：

1

tmux attach -t ai-agent

tmux 能保護工作階段，但主機關機仍會終止執行程序。

3. 加入排程與自動恢復

每天固定執行任務，可以依設備選擇：

Claude Code 也有排程能力，但不同模式的持續性與執行環境不同。本機 /loop 適合工作階段內的循環任務；即使某些版本可恢復排程，也不能直接把它視為獨立、永久的背景服務。詳細限制見 Claude Code 排程文件。

真正長期執行的工作，我更建議由外部排程器或適合的雲端排程服務啟動 Agent。無人值守時還要設計非互動輸入、最低必要權限、逾時與結果回收，避免停在確認畫面。

八、進階設計：建立自己的 AI 幕僚長與接力流程

前面的設定主要解決「讓 AI Agent 可以遠端執行」。接下來，才是讓 AI 分配工作的延伸設計。

假設有四個 Agent：

再建立 Dispatcher 負責派工。例如你交代：

研究最近一週值得教學的 AI Agent 開源專案，選出三個，產生教學文章，最後更新課程網站。

Dispatcher 可以拆成三個有依賴關係的任務：

1. 任務 A：研究。 交給 Research Agent，產出 research.md。
2. **任務 B：撰寫教材。**等待 A 通過檢查後，交給 Writer Agent，產出 tutorial.md。
3. **任務 C：更新網站。**等待 B 完成後，交給 Developer Agent 修改專案並執行測試；正式部署仍依權限與審核流程處理。

這就是多 Agent 接力工作流。但要做到這件事，還需要真正的任務管理系統，可以使用 SQLite、PostgreSQL、Redis 或適合的持久化佇列方案。

最基本的任務資料可以長這樣：

1
2
3
4
5
6
7
8
9
10
11
12
13

{
  "task_id": "TASK-001",
  "title": "研究 AI Agent 開源專案",
  "agent": "research",
  "status": "pending",
  "input": {
    "topic": "AI Agent",
    "days": 7
  },
  "retry_count": 0,
  "max_retries": 3,
  "requires_approval": false
}

這筆 JSON 不會自己執行工作。還需要 Dispatcher 讀取任務、選擇可用 Agent、透過已驗證的介面啟動工作，並接收結果。範例中的 requires_approval 只是任務欄位，不能取代工具或執行環境的權限控管。

Herdr CLI 或 Socket API 可以是其中一種整合方式，但指令、權限、認證與連線方式必須對照實際版本。跨設備還要安排成果傳遞，例如受控的 Git repo、檔案傳輸或共用儲存；只有 research.md 這個檔名，Writer 不一定就能取得內容。

Dot、Grok Bot 能否直接觸發，也要看支援哪些工具、Webhook 或外部整合。不能因為 Herdr 有 API，就認為所有雲端 Agent 都能直接操作它。

九、為什麼不建議一開始就跑八個 Agent？

因為 Agent 數量不等於生產力。

假設同時啟動八個 Agent，其中三個等待權限確認、兩個修改相同檔案、一個測試失敗，另外兩個完成卻沒有回報。最後你可能比自己做還累。

真正重要的，是任務有沒有被管理。我建議先建立以下狀態：

每個任務都應留下執行紀錄、成果位置與錯誤資訊，再依工作類型設計驗收：

• 程式開發： 自動化測試與程式碼審查。
• 教材製作： 文件完整性、範例能否執行、來源連結與內容是否正確。
• 影音工作： 長度、解析度、音軌及輸出格式，另保留必要的觀看與聆聽審核。

這些驗收機制，比多開幾個 Agent 更有價值。

十、硬體怎麼選？一定要買 Mac 嗎？

不一定。Claude Code、Codex 或其他 CLI Agent 的許多工作，可以在支援的 Linux 或 Windows 環境完成；安裝方式仍要對照各工具的系統需求。

Mac 的優勢在 macOS 開發工具、生態系，以及只能在 macOS 執行的工作。Tart 適合需要 Apple Silicon 上 macOS／Linux VM 的情況，但一般網站開發、Python 自動化與文件處理，未必需要每個 Agent 都有 macOS VM。

以一台 16GB RAM 的 MacBook 為例，我會依序考慮：

我的建議是先從 A、B 開始。真的遇到環境衝突，再考慮 C、D。Worktree 的使用方式可參考 Git 官方文件。

十一、成本怎麼算？別把訂閱當成無限額度

先不計算原本已購買的 AI 訂閱。如果已經有設備，第一階段可以用較低的新增成本開始，但仍須確認服務資格與用途限制。

Tailscale 的用途區分請查 官方方案頁；雲端免費資源請查 Oracle Cloud Free Tier。

即使是高階 AI 訂閱，仍可能受到使用額度、公平使用政策或其他服務限制影響。

開場分享還提到，每月 200 美元訂閱可以使用相當於 1 萬美元 API 的工作量。這應視為分享者的個人估算，本文未取得原始計算方法，也不是官方固定換算比例。訂閱與 API 的條款、額度算法不同，不能直接相除就當成實際節省金額。

真正需要衡量的是：每月完成多少工作、每件平均成本、人工介入次數、失敗重試耗用額度，以及產出是否符合需求。

十二、從兩個 Agent 開始，分三階段擴充

第一階段：建立遠端 AI 工作站

先完成這五件事：

1. Mac 與 Windows 安裝 Tailscale，確認連線與存取權限。
2. 安裝適合需求的 Herdr TUI 或 App／Core 路線。
3. 設定 Claude Code 與 Codex。
4. 測試 Claude Code Remote Control。
5. 驗證遠端連線與工作階段恢復。

這個階段不需要複雜的多 Agent 系統。人在外面也能掌握家裡或辦公室的 AI 工作階段，就已經很實用。

第二階段：加入自動派工

建立簡單 Dispatcher，先管理兩個 Agent：Research 負責研究，Writer 負責撰寫。

每天固定時間蒐集新技術，研究成果通過檢查後交給 Writer 產生文章草稿，最後通知你審核。這是一個適合練習的接力流程，也能逐步驗證成果交接與失敗處理。

第三階段：擴充成完整 AI 團隊

等前兩個 Agent 穩定後，再增加 Developer 維護網站、Media 處理多媒體、Supervisor 負責監控、驗收與異常通知。

此時再深入考慮工作佇列、跨設備派工、資源分配及成本管理，比一開始就堆滿 Agent 更容易找到瓶頸。

十三、上線前還有哪些實務問題？

1. 不要讓所有 Agent 共用最高權限

Agent 可以執行 Shell、存取檔案與連接內部系統時，需要做好權限分離。研究 Agent 不需要修改正式網站，教材 Agent 不需要存取公司財務資料。

刪除資料、部署正式環境、寄送對外郵件等操作，建議保留人工確認；研究、修改、驗收與發布也應有清楚邊界。

2. 避免多個 Agent 同時修改同一份檔案

透過 Git Worktree、不同工作目錄及任務鎖定降低衝突。程式碼整合時，再以 Pull Request 與測試驗收。

3. 每個 Agent 都必須有停止條件

無限制重試可能浪費大量額度。每個任務都應設定：

• 最長執行時間。
• 最大重試次數。
• Token 或費用預算。
• 失敗通知。
• 人工介入條件。

真正可靠的自動化，是知道什麼時候應該停止。

十四、未來如何從使用 AI，走向管理 AI 團隊？

以前使用 AI，是一個問題、一個回答；後來 Coding Agent 可以連續完成多個步驟。現在更進一步，我們開始讓不同 Agent 分工：研究、開發、寫教材、檢查成果。

人的角色也逐漸轉為規劃、決策與驗收。我認為，這才是 24×7 AI Agent 真正值得研究的地方。

把八個 Claude Code 開著，還需要加上工作分配、追蹤、驗收、恢復與通知，才能形成能持續產生成果的團隊。

AI Agent 的下一個階段，是讓 AI 能夠持續把事情做好。

如果手上已經有 Mac 或 Windows 電腦，不妨先從 Herdr、Tailscale 和 Claude Code 開始。先讓兩個 Agent 穩定合作、遠端管理、自動回報，再逐步擴充，比一次投入大量硬體與訂閱費，更容易建立能長期使用的工作系統。

參考資料與工具連結

• Herdr 官方網站
• Herdr TUI GitHub
• Herdr TUI 快速入門
• Herdr TUI 持續運作與遠端連線
• Tailscale
• Tailscale 下載
• Tailscale 方案與用途限制
• Tart
• Tart GitHub
• Claude Code 官方文件
• Claude Code 安裝說明
• Claude Code Remote Control
• Claude Code 排程說明
• Git Worktree
• Oracle Cloud Free Tier

本文根據開發者分享的工作流進行技術拆解，並提出適合一般使用者的實作架構。各項工具功能、授權、訂閱限制及安裝方式可能隨版本更新，實際操作請以官方文件為準。

常見問答 (FAQ)

Q1：打造 24×7 AI Agent 工作站，一定要買多台 Mac 嗎？

不需要。可以先用現有 Mac、Windows 或 Linux 設備，建立少量 Agent 工作階段，搭配不同工作目錄與 Git Worktree 分工。需要 macOS 專屬工具或完整環境隔離時，再評估 Apple Silicon 與 Tart VM；電腦持續供電、避免休眠及服務可恢復，比先增加設備更重要。

Q2：Herdr、Tailscale 與 Claude Code Remote Control 有什麼差別？

Herdr 管理 Agent 的終端機與工作階段，Tailscale 提供設備之間的私人網路連線，Remote Control 則讓支援的 Claude 網頁或手機介面接續本機 Claude Code。三者的功能互補，但 Remote Control 本身不要求 Tailscale；另外，Herdr TUI 與 App／Core 不共用工作階段，手機管理須選對產品路線。

Q3：安裝這些工具後，AI 就能每天自動完成工作嗎？

還不能。遠端連線與持續存在的工作階段只是基礎，仍須設定排程或事件觸發、Dispatcher、任務狀態、成果交接、驗收、重試上限及通知。建議先讓研究與寫作兩個 Agent 完成小型接力流程，產出草稿後交由人工審核，再逐步擴充。