最近在做一件很有意思的事情：
把原本跑在 AWS 雲端電腦上的 OpenClaw，整個搬到本地端的 Jetson Orin Nano 上。
一開始以為這只是個工程問題，
後來才發現，其實更像是一個「組織交接」的問題。
而且過程真的很像人在換工作。
為什麼想把 OpenClaw 搬到 Jetson Orin Nano
目前 OpenClaw 已經變成我日常系統裡很核心的一個角色。
它在做的事情包括：
- 控管 LINE Business 帳號
- 管理 Google Calendar
- 操作 Google Sheets
- 協助租客報修流程
- 與師傅約時間
- 每天整理待辦事項
基本上，它已經是我「租屋管理流程」中的一個成員。
但一直放在 AWS 上，有幾個現實考量：
- 成本長期累積
- 網路依賴較高
- 我想測試「本地 AI 長期運作」的穩定性
所以就決定，把整個系統搬到
Jetson Orin Nano 上。
這一步，其實也象徵一件事：
AI 不再只是工具，而是開始成為「常駐型基礎設施」。
第一條路：整個系統 Image 搬移（很直覺，但很痛苦）
一開始我走的是最傳統的方式：
整個系統 image → 在新機器還原
理論上很合理：
舊機器有什麼
新機器就複製過去
但現實是：
問題很多。
主要原因其實很單純：
硬體架構不同
AWS 上跑的是 x86
Jetson 是 ARM 架構
這就像：
你把一個人的大腦，
直接塞進另一個身體。
結果一定會出問題。
遇到的狀況包括：
- 部分套件無法執行
- 驅動不相容
- 系統服務無法正常啟動
- 一堆看似正常但其實壞掉的小細節
整體來說：
能跑的部分不少
但不能跑的部分更麻煩
而且很難完全排查。
第二條路：試試 Nvidia 的 sandbox 思路
中間我也試過另一條路：
透過 Nvidia 的工具，
先建立一個 sandbox 環境，
再嘗試把原系統還原進去。
這條路其實很有企業感。
安全性很高，
很多通道都預設是鎖住的。
優點很明顯：
- 很安全
- 架構清楚
- 適合大型團隊
但對我現在這種：
快速迭代 + 個人實驗型系統
來說，有一個現實問題：
設定成本太高。
每一條通道都要開
每一個權限都要設定
如果是在企業內部，
這非常合理。
但在個人實驗環境裡：
時間成本會非常大。
所以這條路也暫時先停下來。
最後找到的方式：不要搬「系統」，而是搬「知識」
真正讓事情順利完成的，
其實是一個很簡單的想法：
不要搬整個人，而是做交接。
這個念頭其實來自一個很直覺的觀察：
每台機器，其實就像每個人。
每個人背景不同
能力不同
環境不同
你不可能直接複製一個人到另一個人身上。
真正可行的方式是：
寫交接文件。
我做的事情其實很像公司交接
我做的流程大概是這樣：
Step 1
請 AWS 上的 Agent
生成完整交接文件
內容包含：
- 系統架構
- 服務啟動順序
- 依賴關係
- API 設定
- 憑證與權限說明
- 日常運作流程
- 已知問題與注意事項
這一步其實非常關鍵。
因為你是在：
把「隱性知識」變成「顯性知識」。
Step 2
在 Jetson 上建立一個全新的 Agent
不是複製舊的。
而是：
重新建立一個新的個體。
環境乾淨
結構清楚
沒有歷史包袱
Step 3
讓新 Agent 依照交接文件，一步一步重建系統
這個過程非常像：
新人接手工作。
不是直接繼承
而是逐步理解
逐步建立能力。
最後成功交接的那一刻，真的很像人在交班
當整個流程順利跑起來時，
有一個很強烈的感覺：
這不像是「搬機器」，
比較像是：
兩個人完成了一次完整交接。
舊 Agent：
負責整理經驗
寫文件
說明細節
新 Agent：
依照文件
建立能力
完成接手
那一刻真的很像：
你把一個角色，
成功交給另一個人。
這次最大的體悟：未來不是複製，而是培養
以前在做系統時，
我們很習慣「複製」。
Clone
Restore
Backup
但在 AI Agent 時代，
我開始覺得：
更重要的不是複製，而是培養。
你培養一個 Agent
讓它學會做事情
當環境改變時：
不是把它整個搬過去，
而是讓另一個 Agent：
透過交接，學會同樣的能力。
這其實非常接近：
人類組織運作的方式。
下一步想做的事：標準化「AI 交接流程」
這次成功之後，
我開始在想一件事情：
能不能把這整套流程：
標準化？
未來如果有：
- 多台 Jetson
- 多個 Agent
- 多個任務角色
是不是可以做到：
像公司一樣：
- 有交接模板
- 有知識文件
- 有角色說明
讓 Agent 可以：
快速上線
快速接手
快速替換
如果這件事成熟，
那未來的系統擴展方式，
可能會完全改變。
最後一個感想：AI 越來越像「組織」，不是工具
這次移機過程，
最大的感受不是技術突破，
而是觀念上的轉變：
AI 開始不像工具，而像組織成員。
它有角色
有責任
有交接
有流程
當你用這種方式看待 AI，
很多事情會變得更自然。
而系統，也會越來越穩定。
Leave a Reply