PhD_fleet：透過Slack管理虛擬AI博士生研究實驗室

PhD_fleet 是一個面向研究人員的Python工具包，旨在透過Slack平臺管理一個由AI代理組成的虛擬研究實驗室。該工具允許單一研究人員（稱為“導師”）生成多個Claude Code代理，每個代理模擬一名博士生，在獨立的工作區內進行科研活動。代理之間透過Slack訊息進行互動，每個訊息驅動一個回合（turn），而檔案系統則充當長期記憶，確保工作狀態在機器人重啟後仍然保留。

每個AI學生代理擁有自己的工作目錄，其中包含個人資料、專案簡介、研究日誌（JOURNAL.md）和筆記。導師可以透過Slack向特定代理傳送訊息，代理將以研究方向相關的回覆進行互動。代理的工作狀態和檔案系統會持續儲存，即使機器人重啟也不會丟失。此外，每個代理的配置檔案中包含許可權黑名單，防止訪問敏感路徑（如.env、.ssh）或執行特權命令（如sudo、chmod），從而增強安全性。機器人僅接受配置中指定的單一使用者ID傳送的訊息，進一步降低風險。

除了學生代理，PhD_fleet 還配備了一個“教練”代理。教練代理監控導師與學生的互動，並基於教育學理論（如GROW模型、SBI模型、Vygotsky最近發展區等）提供反饋，幫助導師提升指導技能。教練代理僅在收到命令時響應，不會自動介入。導師可以透過/coach-review命令請求對特定學生的指導進行回顧，教練會分析過去一段時間內的互動，指出優點和改進點，並維護一個縱向觀察檔案。

該工具提供三個主要的Slash命令：/new-student 用於建立新學生代理，它會自動搭建工作區、建立Slack頻道並啟動第一個回合；/coach-review [天數] 用於請求教練對特定學生的指導進行回顧；/claude-status 用於快速檢視所有代理的狀態摘要，包括回合數、上下文大小、累積令牌數、模型、成本和GitHub連結（如果有）。此外，每個代理的工作區可以透過配置自動提交到GitHub分支，便於審閱。如果未配置GitHub源，此步驟會靜默跳過。

安裝相對簡單：首先克隆倉庫，安裝依賴（推薦使用虛擬環境），然後配置Slack應用令牌和使用者ID，最後執行bot.py即可。工具支援Socket Mode，無需開放入站埠，適合在NAT或私有子網中執行。要求Python 3.11及以上版本，並需要Claude Code CLI和Claude.ai訂閱或Anthropic API金鑰。設定過程包括建立Slack應用、獲取令牌、配置環境變數、設定Claude認證（推薦使用訂閱方式）等步驟。對於長期執行，建議使用程序管理器如tmux或systemd。

工作原理方面，每個學生代理位於students/<name>/目錄下，包含CLAUDE.md（角色和專案簡介）、JOURNAL.md（只追加的研究日誌）、notes/（私人筆記）以及實際工作成果。共享論文庫library/位於專案根目錄，所有代理都可以讀取和寫入：第一個閱讀者寫入規範摘要，後續閱讀者新增單獨的筆記檔案，索引由機器人在每個回合後自動重新生成。引用鍵衝突透過字母后綴解決。如果配置了GitHub源，機器人在每個回合後會將代理的工作區強制推送到一個分支，Slack訊息中包含審查連結。

安全模型採用縱深防禦，但並非沙箱。每個代理的.claude/settings.json包含許可權黑名單，禁止讀取敏感路徑（如.env、.ssh）和執行特權命令（如sudo、chmod）。然而，這並不能完全防範提示注入攻擊。因此，建議僅在可接受風險的主機上執行，並只允許單個配置的導師使用者。

侷限性包括：僅支援單導師模式，無團隊或多導師功能；代理僅是被動響應，不會主動提議或提問。此外，機器人在短暫斷開時能重新連線，但程序退出後無法自行恢復。

總體而言，PhD_fleet 為獨立研究人員提供了一個有趣且實用的工具，透過AI代理模擬研究團隊，既促進科研產出，又幫助培養指導能力。其模組化設計和清晰的文件降低了使用門檻，但需注意當前僅支援單一導師模式，且代理的響應完全被動。