手機語音下指令、審批按鈕推播、多 Agent 分主題並行：優雅使用 AI Agent 的實作心得
目錄
共 16 個章節
為什麼把 AI Agent 的門面放在 Telegram：運算留在主機，介面帶在身上
前四天我們把 Telegram 的官方功能、Premium 方案與各家 Agent 的接法整理過一輪，今天換講我們自己怎麼用。核心做法只有一句話：Agent 跑在主機或雲端，人只帶一支手機出門，Telegram 就是那個門面。指令在對話框下、審批在對話框按，運算不用跟著你跑。
這句話聽起來抽象，拆成畫面就很有感。
三個場景，把「優雅」講成看得見的樣子
- 通勤路上用講的。在捷運上按住麥克風講一段話交代任務，Premium 的語音轉文字把語音變成文字提示詞（Telegram 官方 Premium 說明，2026 年實查），Agent 直接收到。回覆會一段一段長出來，這是 Bot API 10.1 在 2026 年 6 月加入的串流回覆，官方寫的用途就是串流 AI 生成的回覆。
- 要動真東西時按一下就好。Agent 準備改檔案、寄正式信件之前，把一顆審批按鈕推進 Telegram，你按同意它才繼續。按鈕直接長在訊息裡，是 Bot API 10.3 在 2026 年 8 月 24 日支援的能力，人不在電腦前也能審。
- 多個 Agent 各佔一欄。官方支援在私人對話裡開主題，寫文案的、查資料的、盯客服的各佔一個主題平行跑，你要看哪一個就點哪一欄，不用在堆疊訊息裡撈。
自己做一個 App，要多做這三段工
很多人會問，那為什麼不自己做一支 App？答案不是做不出來，是做出來之後還有三段工要養。
第一段是身分。註冊、登入、忘記密碼、換手機重新綁定、擋機器人註冊，全都得自己來。Telegram 直接給你一個 @username 當門牌，2026 年 3 月官方還加了用 Telegram 帳號登入第三方服務的功能。
第二段是推播，也是最多團隊低估的一段。iOS 與 Android 各要一套憑證與流程，改版還要重送審核，推播服務本身也要付費。Telegram Bot API 免費（官方 Bot 功能總覽），這跟 LINE 每月按則數計價是完全不同的成本結構。
第三段是跨裝置同步。手機、桌機、平板各一套介面，還要處理「手機讀過、桌機還顯示未讀」這類問題。Telegram 月活躍超過 10 億（創辦人 Pavel Durov 2025 年 3 月公布，2026 年官方未再更新），多裝置同步本來就是它的本業。
推播對 Agent 又特別關鍵，因為 Agent 的工作本質是非同步的。你下完指令就去做別的事，成果什麼時候好不知道；通知沒送到，你只能自己回頭查，這套自動化就等於白做。通知可靠不是附加功能，是 Telegram 十幾年通訊軟體累積下來的本業。
語音下指令與串流回覆：把打字從流程裡拿掉之後
想到要交代 AI 一件事，卻懶得打一長串字？按住麥克風講一段話、放開，Agent 就開始動工，這是 Telegram 這一年對 AI Agent 最實用的改動。
按住麥克風到 Agent 回話，中間發生什麼事
路徑有四段。你按住麥克風送出的是一則語音訊息，Premium 的「語音轉文字」把它轉成文字，這段文字就是送進 Agent 的提示詞（prompt，你交代給 AI 的那句話）。沒訂閱的人只有語音、不會自動變文字。
接著 Agent 用串流機制生成回覆：Bot 不必等整段答案寫完才送訊息，而是用 sendMessageDraft 持續更新草稿，文字一段一段長出來。這個 API 是 Bot API 9.5 在 2026 年 3 月 1 日加入，官方在 2026 年 5 月 7 日的AI Bot 大改版公告裡列為十一項新功能之一。草稿還空白時，對話顯示 Thinking。
你隨時可以按 Stop 中止，Bot 端會收到 MessageGenerationStopped 事件，據此停掉推論。Agent 會動檔案、跑指令，發現它理解錯方向就馬上按停。
出錯時怎麼補救，以及沒訂 Premium 的替代路線
語音轉文字最常錯在台灣口音與中英夾雜（「這個 prompt 幫我改一下」），以及產品代號、客戶簡稱等內部專有名詞，後者辨識率明顯較差，而 Agent 偏偏最需要它們講對。
補救三招：常用專有名詞整理成替換表，Agent 收到提示詞後先校正；動檔案、發訊息這類有副作用的操作，在 Telegram 推審批按鈕，你按同意才繼續；送出前掃一眼轉出來的文字，錯字自己改。
沒訂 Premium 也有替代做法：手機輸入法內建語音打字，轉成文字貼進對話框，效果接近；或把語音辨識做在 Agent 這端，Hermes Agent 官方文件寫明可收語音訊息，轉文字的責任就從 Telegram 移到自己的主機，代價是多一點設定成本，好處是語音不必經過 Telegram 伺服器。想知道 Premium 還包了什麼，可對照官方十六項功能清單再決定要不要花這筆錢。
審批按鈕推播與多 Agent 分主題並行：把「同意才動」做成一個按鈕
Agent 出錯真的會動手：刪檔、把測試資料寫進正式庫、寄信給客戶。做法是把同意權抽成一顆手機訊息裡的按鈕，運算留在主機，決定權在你手上。
按鈕不用自己刻。Telegram 在 2026-08-25 公告把訊息內按鈕開放給 Bot（telegram.org 官方部落格），Bot API 10.3（2026-08-24）讓按鈕長在富文字訊息裡；按下後 Bot 收到回呼，停住的流程才繼續。CliGate 幫 Codex CLI 補審批橋接；Claude Code 官方 Channels 外掛能推事件到 Telegram，但事件只在 session 開著時送達（Claude Code Channels 文件），長時間待命得跑常駐程序。
哪些動作一定要人工按，哪些可以放行
判斷標準只有一條：做錯能不能三秒內復原，不能就人工。
| 動作類型 | 實際例子 | 建議處理 |
|---|---|---|
| 動到正式環境 | 部署上線、改資料庫結構、重啟服務 | 一律人工按同意 |
| 對外發送 | 寄信給客戶、發社群貼文、發推播 | 一律人工按同意 |
| 刪除或覆寫 | 刪檔、覆蓋既有設定檔 | 人工，但可為暫存目錄設白名單免審 |
| 產生費用 | 呼叫付費 API、下廣告預算 | 人工，並設單筆上限 |
| 唯讀查詢 | 讀內部文件、查詢報表資料庫 | 直接放行 |
| 產生草稿 | 寫提案草稿、寫程式、跑測試 | 直接放行，產出留在對話裡 |
逾時預設視為拒絕，別自動放行。誤按留 30 秒撤回，按鈕文字寫「同意部署」而非「確定」。每個 Agent 用獨立 bot token，只放伺服器端環境變數；CVE-2026-27003 就是把 token 寫進錯誤訊息。按鈕要綁使用者 ID，同群組每分鐘約 20 則，多 Agent 會撞 429。
多 Agent 分主題並行：拆得對才叫並行
私人對話可開分主題，財務、客服、程式 Agent 各放一欄，訊息不交錯、上下文不互染。Bot 平常看不到別的 Bot 訊息，要協作得在 BotFather 開 Bot 對 Bot 模式。
適合拆的是不需共用上下文、可獨立驗收的工作，例如同時查三家競品價格；鏈式工作硬拆只會得到矛盾結果。說不出「你要交出什麼」就是還沒拆對。
替代方案有限公司的內部 Agent 住在 Telegram，每天發業務日報。落地順序：第一週只開唯讀加草稿，第二週開放工作目錄寫入並設白名單，正式環境部署權永遠留在人手；每個 Agent 一個獨立 token、一台主機或容器。
四種 Agent Harness 接上 Telegram 的實測差異：Hermes Agent、Claude Code、Codex、OpenCode
把 Agent 接上 Telegram，就是把運算機器與介面拆開：模型、檔案、終端機留在主機或雲端，你用手機下指令、看結果、按審批。四種 Agent Harness（包住模型、能讀檔與執行指令的外殼）在 2026 年 9 月成熟度差很多。
四種 Harness 的接法與成熟度
| Harness | 接法 | 成熟度（2026-09 實查） |
|---|---|---|
| Hermes Agent（Nous Research） | 內建 Telegram 通道，官方列第一級支援 | MIT 開源、可自架、能收語音，支援表格與粗體排版 |
| Claude Code | 官方 Channels 外掛 | 研究預覽階段，需 Bun，session 開著才收得到事件 |
| Codex CLI | 沒有官方通道，靠社群橋接 | telecodex 41 星、ccgram 264 星 |
| OpenCode | 社群維護的 Telegram 客戶端 | grinev/opencode-telegram-bot 1，152 星，2026-09 仍更新 |
Hermes Agent 最省事：官方文件列第一級通道，填好金鑰就能用，可收語音訊息，回覆支援表格與粗體，MIT 授權可自架，適合資料留自己主機又不想寫程式的團隊。
Claude Code 走官方外掛：/plugin install telegram@claude-plugins-official，官方文件標明仍在研究預覽、需另裝 Bun。事件只在 session 開著時送達，關掉就沒人回話，要長時間待命得跑在背景程序或常駐終端機。
Codex CLI 靠社群橋接，星數低、文件少，出問題得自己翻原始碼；OpenCode 相反，1，152 星的 TypeScript 客戶端 2026 年 9 月仍在更新，想讓多個 Agent 各佔一個對話主題平行跑，這條最現成。
OpenClaw 與 CVE-2026-27003：token 寫進錯誤訊息會怎樣
OpenClaw 以 Telegram 為主要通道，GitHub 星數突破三十萬；2026 年初 Telegram 活躍 Bot 幾週內從約三百萬暴增到八百萬以上。CVE-2026-27003 的成因，就是它把 Telegram bot token 寫進錯誤訊息與堆疊追蹤，token 等於那支 Bot 的密碼，拿到就能接管、燒光模型額度，日誌外流或被截圖貼進群組就等於公開。
- token 只放伺服器端環境變數，不進前端、對話、版控。
- 對外只回錯誤代碼，完整堆疊寫進內部日誌。
- 每個 Agent 用獨立 token，並在模型供應商端設消費上限當第二道防線。
四條路各有適合的人；語音下指令、審批按鈕與多 Agent 分主題，下一章接著講。
替代方案有限公司觀點：台灣企業要這樣用，先想清楚哪幾件事
我們的 AI Agent 就住在 Telegram 裡。它每天固定把業務日報與產業快訊丟進內部群組，同事也能直接對話追問數字。不自己寫 App 的理由很實際：不用上架審核、沒有推播費、通知不會被系統吃掉、手機桌機自動同步，Bot 本身就是一個 API。
我們踩過的三個坑
金鑰管理是第一課。Bot 的 token 就是它的密碼，拿到的人能完整接管。我們只放伺服器端環境變數，不寫進前端、不貼在對話、不進版控，並在模型供應商後台設消費上限當第二道防線。
第二個坑是群組隱私。Bot 在群組預設只看得到指令與被回覆的訊息，關掉才讀得到全部對話。我們的做法是先在群組公告用途與保存範圍，取得同意再開。
第三個坑是期待管理。Agent 的價值是把重複查詢與定時通知自動化，當「多一個不用加班的同事」可以，當「外包一整個部門」一定失望。
台灣使用者的兩個保留，與我們不建議使用的時候
台灣對 Telegram 的兩大顧慮，一是詐騙群組的觀感，二是親友都在 LINE。第一點用可驗證的做法回應：官方帳號連結放公司官網，客戶從官網點進來。第二點我們不叫客戶「改用 Telegram 取代 LINE」，而是當內部工作通道與對外的第二個入口，客戶服務留在原本的地方，混用才是台灣常態。
有些情況我們直接建議不要用。資料依合約不能出內網或出境的，別接雲端 API，該走地端模型或自架伺服器；需要長期記憶與完整歷史脈絡的，訪客模式（Bot 沒被加入群組也能被呼叫）拿不到歷史訊息，只能做半套；只想發一次性活動通知的，既有系統就夠了。
Telegram 對台灣企業的價值不是取代誰，而是用極低的上線成本讓自動化先跑起來。從小範圍、單一用途、可隨時關閉的流程開始，跑順了再擴大。
常見問題 FAQ
Q：我只是想在手機上叫 AI 幫我做事，一定要把 LINE 換掉、改成 Telegram 嗎？
不用換，兩個可以並存。Telegram 對這件事的優勢在成本與門檻：Bot API 免費、不用做 App、不用上架商店，也沒有像 LINE 那樣每月推播則數的上限；對企業來說，通知要發多少則比較不用先算錢。另外 Telegram 在 2026 年 4 月 17 日推出官方繁體中文介面，台灣使用者第一次不用另外裝語言包，在設定裡就能切換。真正要考量的反而是社交成本，身邊親友大多在 LINE，這點不會因為功能比較好就自動消失。
Q：我用語音跟 AI 講話，聲音跟指令會不會被傳到外面？
要先分清楚兩件事。語音轉文字是 Telegram Premium 的功能，它負責把語音變成文字提示詞；至於 AI Agent 本身跑在哪裡，取決於你怎麼接，常見做法是 Agent 跑在自己的主機或雲端，手機只是拿來下指令跟按確認的介面，運算不用跟著你跑。如果客戶要求資料不出境、不出內網，那就不能直接接雲端 API，得改用自架 Bot API Server 或地端模型。另外 Bot 的 token 等於帳號控制權，只能放在伺服器端的環境變數，不進前端、不進對話、也不公開在程式碼庫。
Q：讓 AI 接手我的檔案或工作流程，它會不會自己亂動？
可以設計成要你點頭才動。做法是 Agent 準備動檔案時，把審批按鈕推播到 Telegram，你按下同意它才繼續，等於把關卡留在自己手機上。另外要知道 Bot 在群組裡預設看不到全部訊息，只會看到指令與回覆；如果你把隱私模式關掉，它才會讀到整個群組的對話，這件事要跟群組成員講清楚。想要同時跑好幾件事，也可以用私人對話分主題的方式，讓多個 Agent 各佔一欄平行進行。
📩 有任何問題或需要協助，歡迎聯絡我們：[email protected]
Related
