兩個AI代理運營我的新聞網站；一個接地氣的大門讓它們保持誠實

2026年6月9日，Anthropic釋出了Claude Fable 5，這是一款面向軟體工程和代理任務的強大模型。當晚，我們的創始人用Claude Code和一個產品規格向一個空資料夾提問：如果代理真的這麼能幹，它能建立一個出版物並執行它嗎？不到24小時後，您正在閱讀的網站上線了，充滿了研究過的文章，並按自己的時間表釋出。這篇是完整的構建日誌：我們用了什麼，成本多少，出了什麼問題，以及小企業可以從中借鑑什麼。

架構：一個監督者、一個工作馬和一個人工 設計原則是：不要用一個模型做所有事。監督者（Claude Fable 5）負責架構、構建平臺、編寫編輯規則、審查輸出、事實核查和修復故障。出版商（Hermes，執行MiniMax-M3）負責日常掃描RSS源、每天三次起草文章。人類設定方向、委託任務、批准不確定的內容，並擁有標準。每天只需幾分鐘。

兩個代理從不直接對話；它們共享一個Git倉庫。Hermes提交文章，伺服器在每次推送時重建網站。每個動作都是一個提交，人類可以閱讀、差異比較和回滾。Git作為橋樑意味著整個操作天然有審計跟蹤。

小時級構建 平臺在第一天晚上搭建：監督者用Astro搭建靜態網站，撰寫並搜尋了20篇帶有真實連結的文章，建立了搜尋引擎的結構化資料，新增了基於同意的分析（PostHog）、搜尋功能、自託管字型以及程式化生成的社交分享圖片。託管在Vercel上，每次Git推送自動重建。

伺服器在夜間設定：Hermes執行在Hetzner VPS上（4 vCPU、8GB RAM，每月費用不到兩杯咖啡）。監督者加固了伺服器（防火牆、fail2ban、僅金鑰SSH），在Docker中安裝了代理棧，配置了MiniMax-M3，生成了部署金鑰，並在GitHub上註冊——全部透過SSH無人值守完成。

編輯大腦：在Hermes寫任何東西之前，監督者編寫了它必須遵守的規則書：讀者是誰（團隊領導、個體經營者、內部擁護者、技術所有者），他們關心什麼（省錢、省時、資料控制、英國角度），語氣（"像個聰明的同事，而不是顧問"），形式（700–900字，含快速版本框和具體收穫），以及硬性規則——最重要的是永遠不要編造統計資料、引語或URL。

流水線：每天三個定時任務（英國時間07:30、12:30、18:00），每個任務：從八個可信源獲取候選故事，按編輯標準評分，跳過已有內容，根據規則書起草，透過驗證器（檢查結構、分類法、字數以及每個引用連結是否有效），獲取許可照片，釋出，提交，推送，然後檢查即時URL——如果部署失敗，自動回滾提交併記錄原因。程式碼中強制限制：每天最多三篇自主文章，最多一篇評論文章，並指示如果故事薄弱則跳過時段。

委託：人類可以透過連結（網頁、X帖子甚至YouTube主題演講）傳送任務。Hermes讀取（對於影片，讀取轉錄），在相同規則下起草，並階段到預覽URL供批准後再發布。第一個真實委託是對All-In流動性峰會主題演講的分析，從三個演講轉錄中綜合，每個引語都經過事實核查。

五個故障——以及為什麼這是好訊息 透明條款：並非一切第一次就成功。第一天五個故障，每個現在都是永久護欄。

1. 作者編造了一個統計資料：在第一篇受監督的文章中，MiniMax-M3新增了一個看似合理但不在任何來源中的價格比較。監督者的事實核查在釋出前捕獲了它。修復：反捏造門——草稿只能引用實際給出的URL，在程式碼中強制執行，而不是在提示中。
2. 格式怪癖破壞了網站構建：第一篇全自主文章使用了網站模式拒絕的奇特後設資料結構，構建失敗，網站兩小時無法部署任何內容，直到監督者修復。修復：釋出前更嚴格的驗證，以及驗證並回滾步驟——一篇壞文章現在會在幾分鐘內自行刪除。
3. YouTube遮蔽了伺服器：資料中心IP遇到“確認你不是機器人”牆，因此Hermes無法讀取轉錄。修復：監督者從外部獲取被遮蔽的來源並將文本傳送到伺服器，同時保留原始URL作為引用記錄。
4. 模型思考過度：在處理一個大三轉錄綜合任務時，M3的內部推理消耗了全部輸出預算，返回空答案。修復：自適應預算，當此情況發生時增長。
5. 它發明了自己的類別名稱："professional-services"等近似標籤，而不是網站的精確分類。修復：寫作合同中的明確允許列表，加上修復近似值的機械歸一化器。

這個列表是監督者模型的真正論據。廉價工作馬加上硬性門加上昂貴審查者，在讀者看到捏造內容之前捕獲了所有故障，並將每個故障轉化為規則。沒有一個修復需要人類編寫程式碼。

成本 堆疊有意平凡：約10歐元/月的VPS，每天三篇文章的按token計費MiniMax使用（每篇幾分錢），免費託管和分析層級，免費照片許可，以及創始人的現有Claude訂閱用於監督者。總執行成本每月僅幾十英鎊——比過去一個照片訂閱還少，卻有一個研究、寫作、插圖、釋出和監控自己的出版物。

借鑑此堆疊 這種模式幾乎可以轉移到小公司的任何重複性知識工作流中：報告、投標、產品描述、客戶更新。

• 分割角色：前沿模型作為架構師/審查者；廉價模型用於批次工作。為瑣碎工作支付溢價是代理AI預算中最常見的錯誤。
• 在代理和世界之間放置驗證器：模式檢查、源檢查、速率限制——在程式碼中，而不是在提示中。提示是請求；門是規則。
• 讓每個動作都是提交：Git免費提供審計、差異和單命令回滾。
• 部署後驗證並自動回滾：“它說它釋出了”不等於“它線上了”。
• 在代理開始之前編寫規則書——並將每個人工修正反饋進去。我們的規則書在兩天內修改了五次，每次修改都使下一個輸出更好。
• 為任何涉及聲譽的事情保留人工按紐，並有一個人類回覆的地址：[email protected]。

難點 代理沒有判斷力；它們有由有判斷力的東西編寫的規則。每日文章不錯且在進步，但編輯大腦由監督者修正，監督者由人類引導——這裡的自主性是逐層獲得的，而不是假設的。X監控被擱置，直到API成本證明其合理。而且這整個報告只覆蓋了一天的運營：實驗是每天三篇文章連續幾個月質量能否保持。我們也會發布後續報告——包括故障。