這個案子的客戶，是我們自己
川輝是一家做 AI 系統、幫企業數位轉型的公司。
那就有一個問題逃不掉：如果連我們自己，都不是真的用 AI Native 在運營——我們憑什麼叫客戶這樣做？
所以川輝從第一天起，就把自己當成這個案子的客戶。我以身入局——整間公司，真的跑在 AI Agent 上。不是裝幾個 AI 工具，是整套運營邏輯都建在上面。
不是「人少所以用 AI」，順序是反的
先講一個常被誤會的事實：川輝的核心，其實是一人公司——一個創辦人核心，加上分潤夥伴、外包、全遠端。沒有一個 20 人的行政團隊。
但這不是「我請不起人，所以用 AI 頂著」。順序剛好相反。
人少，第一層意義是減少管理、減少無效率的溝通。但更深的意義是——當一間公司人這麼少還能正常運營，代表它整個系統的 Input、Output，和中間的 Qualification（判斷與把關），已經能夠真正無人、或低人力運作。
而這，就是 AI 時代每一間公司最終會走到的狀態。
所以川輝不是「一家用 AI 的公司」。川輝是這個終極狀態的活體原型——它現在就在運轉，證明那個未來不是簡報上的願景。
川輝的 AI Agent，覆蓋了什麼
川輝的 AI Agent 不是只做單點任務，它覆蓋幾乎整條營運鏈：
業務鏈：客戶第一次接洽 → AI 自動產 needs analysis → 草擬報價單 → 合約草稿審查 → SOW 拆 PRD → 排程 → 工程規格產出。傳統需要 2-3 個業務 + PM + Lead 的角色，AI Agent 串成 4-6 小時可完成的 pipeline。
工程鏈：規格進來 → AI 生 schema migration → 寫 model + service + controller skeleton → 生 unit test → 寫 README → 自動 commit message。我們的 RallyWork 等內部產品光去年就累積了 200+ 個 PR，多數都是 human-in-the-loop AI 完成。
營運鏈：合約審查、PRD 撰寫、客戶需求整理、財務分析、SOP 產生、官網內容、廣告文案、會議紀錄、業務話術——
以及最關鍵的一條：公司所有決策的更新鏈路。一個決策做出來，AI 自動把它串到該被更新的每一個地方（pricing 表 / 客戶 brief / 報價模板 / 員工 SOP / 官網 / 行銷文案）。這代表 AI Agent 不只是替每個人加速，它讓整間公司像一個系統一樣同步思考。
我們怎麼設計 AI Agent 的成本控制
跑 AI Agent 跑爆 API 費是很多公司的痛點。我們自己也踩過——DCDC 級客戶月吃 NT$ 16K token、訂閱費卻只收 $10K。
我們做了一份 RFC 把它系統化（內部代號 AI_AGENT_COST_CONTROL），用 6 種 lever 把 AI 成本壓下來：cache 重用、限縮工具範圍、簡單問題走小模型、對話歷史智能壓縮、結果壓縮、客戶級每日 quota。
實測後 cost 從 NT$ 2.16/query → NT$ 0.05-0.10/query，降幅 30-50 倍。DCDC 月 cost 從 16K 降到 525——從月虧 $6K 翻成月利 $9.5K。這套 stack 也輸出給客戶。
結果
| 項目 | 內容 |
|---|---|
| 行政工作量 | -90% |
| 報價單 | 幾小時人工 → 一鍵產出 |
| 分潤計算 | 原本要人力＋會計 → 系統秒算 |
| AI cost per query | NT$ 2.16 → NT$ 0.05-0.10（降 30-50 倍） |
| 團隊規模 | 一人公司核心 + 分潤夥伴 + 全遠端 |
| 營運成果 | 10 個月，營收破千萬 |
熊董的話
AI Native 不是「我們有在用 ChatGPT」。AI Native 是我整間公司都依靠這套在 running——我以身入局，玩真的，站在最前線。這才是新時代真正的 AI Native Startup。
我沒辦法賣一個我自己都不敢全押的東西。川輝就是證據：這個未來不是願景，是我每天在過的日子。如果你想知道 AI 時代的公司長什麼樣——它不在簡報裡，它在這。