【2026 最新】Cron Job × Kanban Board 怎麼用？讓 AI agent 自動化排班、自己上工（零基礎白話）

最後更新：2026年6月16日 · Terry Chen

你大概已經用過 ChatGPT 或 Claude 幫你寫東西了。但你有沒有想過一個更貪心的問題：能不能讓 AI 不用你盯著、不用你一句一句下指令，自己半夜上工，把待辦清單上的事一件一件做完，等你早上起床時，工作已經默默推進了一大段？

2026 年，這件事正在從「科幻」變成「有人真的在做」。背後最常被提到的一組搭配，就是兩個聽起來很老派、其實超好懂的東西：Cron Job（排程） 加上 Kanban Board（看板）。一個負責「什麼時候叫 AI 起來做事」，一個負責「AI 該做哪些事、做到哪了」。把這兩塊拼起來，就是讓 AI agent 自己領任務、自己跑、跑完回報 的最小骨架。

這篇文章專為完全沒有技術背景的讀者寫。我不會丟一行你看不懂的程式碼給你，只用最白話的方式，帶你從零搞懂「AI agent 自動化」這套玩法：Cron 是什麼、Kanban 是什麼、為什麼要把它們綁在一起、市面上有哪些現成工具、新手該怎麼安全地開始，以及——最重要的——放著 AI 自己跑，會出什麼包、會不會燒掉你一大筆錢。本文無業配內容。

Table of Contents

一句話結論：Cron 是 AI 的鬧鐘，Kanban 是 AI 的待辦清單

如果你只想記住一句話，就記這個：

👉 Cron（排程）＝ AI 的鬧鐘：時間一到就把 AI「叫醒」上工。
👉 Kanban（看板）＝ AI 的待辦清單：上面排著一張張任務卡，AI 一次抽一張來做，做完把卡片從「待辦」搬到「完成」。

兩個合起來，就是一台 AI 的自動排班台：鬧鐘響 → AI 看板上抽下一張卡 → 動手做 → 把成果回報、卡片移到完成 → 繼續睡，等下一次鬧鐘。這就是 2026 年「讓 AI 自己做事」最核心的循環。下面這張圖先讓你看懂整個流程，後面再一塊一塊拆開講。

Cron Job 加 Kanban Board 的 AI agent 自動化循環圖：鬧鐘觸發、看板領卡、Agent 執行、回報完成 — AI 自動排班循環：① Cron 鬧鐘響 → ② 從 Kanban 看板抽下一張任務卡 → ③ AI agent 動手做 → ④ 跑完回報、卡片移到「完成」，再等下一次鬧鐘。

為什麼需要 AI agent 自動化？AI 很強，但你不可能一直盯著它

現在的 AI coding agent（會自己讀檔、寫程式、跑指令的 AI，例如 Claude Code）已經很能幹了。問題是它預設是「對話式」的：你下一句指令，它做一步，停下來等你；你再下一句，它再做一步。這代表只要你離開電腦，AI 就跟著停擺。

「AI agent 自動化」要解的就是這個痛點：把「你一直在旁邊」這個前提拿掉。一旦做到，下面這些事就變得可能：

過夜清待辦：把一堆零碎的小任務排進看板，讓 AI 整晚一張一張慢慢磨，早上起來驗收。
定期維護 / 巡檢：每天早上 9 點自動檢查專案、跑測試、整理報告，像請了一個準時上班的助理。
排程產出：每週一自動把上週數據整理成週報，等你進辦公室就放在桌上。
背景跑、你做別的：把耗時的大任務丟給 AI 在背景跑，你的注意力留給更重要的事。

⚠️ 先講在前面，免得你太興奮：「自動」是雙面刃。沒有上限的迴圈，等於沒有上限的帳單；沒有人複核，AI 可能整晚做了一堆沒用甚至有害的事。這篇後半段會用一整節談這些坑——但要先看懂機制，才知道坑在哪。

先搞懂兩個零件：Cron 與 Kanban

零件一：Cron Job ＝電腦版的鬧鐘

Cron 是 Unix／Linux 系統裡一個「時間到了就自動幫你執行某件事」的排程工具，1975 年就誕生在貝爾實驗室，名字來自希臘文的「時間（Chronos）」。被它排好的那件事，就叫一個 cron job。白話講：它就是一個你設定好「幾點幾分做什麼」的鬧鐘，只是它叫醒的不是你，而是電腦去跑一個指令。

Cron 的時間設定長得有點像密碼，其實只有五個欄位，由左到右是：分、時、日、月、星期。每個欄位填數字，或填一個星號 * 代表「每一個都算」。看幾個例子就懂了：

0 9 * * * ＝每天早上 9:00（第 1、2 欄是 0 分 9 時，後面全 * 代表不限哪天）
0 9 * * 1-5 ＝每個週一到週五早上 9:00（最後一欄 1-5 是星期一到五）
*/15 * * * * ＝ 每 15 分鐘一次（/ 代表「每隔多少」）
0 0 1 * * ＝每月 1 號午夜

不用背。網路上有個叫 crontab.guru 的小工具，你把一串設定貼上去，它就用白話告訴你「這是每天幾點跑」。你只要記住一件事：Cron 就是那個「時間一到就按下開關」的鬧鐘。

零件二：Kanban Board ＝看得到進度的待辦清單

Kanban（看板）是日文「看板（かんばん）」的意思，最早是豐田汽車的工程師大野耐一在 1950 年代發明的生產管理法，靈感據說來自超市——客人只拿自己需要的量，貨架空了才補貨。這就是 Kanban 的精神：不是用力推，而是按需求拉動（pull），需要才做，做完才補下一件。

到了現代的知識工作與軟體團隊，Kanban 被簡化成一塊大家都看過的板子，通常分三欄：

To Do（待辦）：還沒開始的任務卡，照優先順序排好。
Doing（進行中）：正在做的卡片。
Done（完成）：做完的卡片。

還有一個關鍵設計叫 WIP 限制（Work In Progress，在製品上限）：限制「進行中」這一欄最多放幾張卡，逼你一次只專心做有限的事，避免什麼都開頭、什麼都沒做完。記住：Kanban 就是那張「事情排隊、抽一張做一張、看得到進度」的待辦清單。下面這張圖把兩個零件並排放給你對照。

Cron 五欄位排程與 Kanban 三欄看板的白話對照圖 — 左：Cron 五欄位＝分、時、日、月、星期，決定「何時叫 AI 上工」。右：Kanban 三欄看板＝待辦／進行中／完成，決定「AI 該做哪些事、做到哪」。

把兩個合起來：AI 怎麼「自己」做事？

光有鬧鐘和待辦清單還不夠，中間那個會動手的「AI agent」要怎麼在沒人盯的情況下做事？這靠三個現成的能力，我用 Claude Code（Anthropic 官方的 AI 寫程式工具）當例子，因為它的相關功能最齊全、文件也最清楚：

無頭模式（headless）＝不開對話視窗也能跑。一般人用 Claude Code 是開一個互動畫面慢慢聊；但它也支援「下一句、跑完就結束」的模式，指令長得像 claude -p "你的任務"（-p 是 print／印出結果的意思）。這就是讓 cron 能「按一下開關」叫醒它的關鍵——cron 排程要執行的，就是這一行。
自動授權＝不用一直按「同意」。預設情況下，AI 每次要改檔案、跑指令都會停下來問你同不同意（這是保護機制）。要無人值守，就得讓它在受控範圍內自動放行。Claude Code 有自動模式與略過權限詢問的選項（其中最猛的 --dangerously-skip-permissions，光看名字就知道「危險、會拿掉所有護欄」，別亂用）。
迴圈＝做完一件，自己接下一件。把「抽卡 → 做 → 標記完成 → 抽下一張」包成一個會重複的迴圈，AI 就能一張一張往下做。工程師 Geoffrey Huntley 在 2025 年提出的「Ralph」技巧，最精簡的形式就是把同一份任務說明反覆餵給 AI、讓它一直跑下去；任務的進度則寫在檔案或 git 紀錄裡，這樣每一輪都接得上。

把這三個能力套進開頭那張循環圖，整個故事就完整了：Cron 在約定的時間執行 claude -p（鬧鐘響）→ AI 讀看板抽出優先度最高的待辦卡 → 在自動授權下動手做、跑測試 → 通過就提交、把卡片移到完成 → 結束本輪，等下一次鬧鐘。

如果你想更深入理解「AI agent 為什麼能自己跑迴圈」這件事，它背後的觀念叫 Agent Harness（執行層）——簡單講就是 Agent ＝ Model（模型）＋ Harness（執行層），我們在《Agent Harness 是什麼》跟《動手拆解一個 Agent Harness》兩篇有完整白話拆解，這篇的「迴圈」正是 harness 的核心。

不用自己寫：現成的「AI 看板」工具盤點

好消息是，你不必自己拼這些零件。2026 年已經有一批工具，把「Kanban 看板 + 多個 AI agent 並行」做成現成的介面：你在板子上開任務卡、指派給 AI，工具就讓多個 agent 各自在獨立的環境裡同時開工，做完讓你檢視、合併。下面這張表整理了幾個目前能查證到的代表性工具。

AI agent 看板編排工具比較表：Vibe Kanban、Conductor、Claude Squad、Sculptor、Claude Code Routines — 幾個可查證的 AI agent 編排工具對照（截至 2026 年 6 月）。實際功能與維護狀態請以各官方頁面為準。

Vibe Kanban（Bloop AI）：最像「教科書範例」的一個——用 Kanban 板把工作拆成卡片，走「規劃 → 下指令 → 審查」三步，每張任務卡都在獨立的 git worktree 裡執行。開源（Apache-2.0），支援 Claude Code、Codex、Gemini CLI、Copilot 等多種 agent。⚠️ 但要注意：官方已宣布結束營運、轉為社群維護，所以把它當「理解這個品類」的範例就好，別當成長期穩定的選擇。
Conductor：一款 Mac App，讓 Claude Code、Codex 等 agent 在你的 Mac 上並行跑，每個工作區都是你 repo 的獨立副本與分支。
Claude Squad：終端機介面的工具，用 tmux + git worktree 同時管理多個 Claude Code／Codex／Gemini 等本機 agent，各自在自己的分支上。開源（AGPL-3.0）。
Sculptor（Imbue）：走的路線不同——它用 Docker 容器而非 git worktree 來隔離每個 agent，好處是把你的本機環境保護得更乾淨。

你會發現一個共通點：這些工具大多用 git worktree 來隔離平行的 agent。git worktree 是 git 官方的功能，讓你「在同一個專案裡同時簽出多個分支、各有各的工作目錄」，這樣多個 AI 同時改東西才不會互相踩到。這也是為什麼「一個 agent 一張任務卡一個分支」會變成這類工具的標準做法。

那「Cron 排程」這一半，工具有內建嗎？

這裡要誠實說清楚，因為這正是最容易講錯的地方。上面那幾個看板工具，大多沒有內建「定時自動跑」的排程功能（以 Vibe Kanban 官方文件為例，它是純手動觸發），排程通常是另外靠 OS 的 cron、或 GitHub Actions 的 schedule 之類外掛上去的。

但「排程」這一半，Claude Code 本身就有官方支援，這點千萬別搞反：

Routines（例行任務，研究預覽階段）：Claude Code 官方的排程功能，可以設定「定時觸發」（每小時／每天／每週）、「API 觸發」或「GitHub 事件觸發」，在 Anthropic 託管的環境自動跑，不需要你按同意。可以用 /schedule 指令建立。因為還是研究預覽，穩定度請自行斟酌。
GitHub Actions 官方整合（anthropics/claude-code-action）：可以讓 Claude Code 在 GitHub 事件或排程工作流程裡自動跑。
Claude Agent SDK：官方的程式套件（TypeScript 與 Python 版），讓你用程式碼把整套自動化流程包起來，做更進階的編排。

換句話說：要組「Cron + Kanban」這套，你可以「看板工具 + 外部 cron」，也可以直接用 Claude Code 的 Routines 把排程那一半官方化。想知道 Claude Code 到底是什麼、跟 Claude、Claude Cowork 差在哪，可以先讀《Claude vs Claude Code vs Claude Cowork》打底。

AI agent 自動化新手怎麼安全地開始？四個步驟

別一上來就讓 AI 整晚無人看管地亂跑。照這個順序，從「有人在旁邊」慢慢畢業到「敢放它自己跑」：

先把任務切小、寫清楚。一張卡只裝「一件事」，而且要有明確的「做完的標準」（例如「這個測試要通過」），不要寫「把整個專案做好」這種大到 AI 會迷路的卡。
先全程盯著跑一次。用互動模式（不是無頭、不是自動授權）親眼看 AI 怎麼做一張卡，確認它的行為符合預期。這一步是建立信任。
設好「停損」再放手。這是最重要的安全閥：設定每輪最多幾步、最多花多少錢、最多跑多久。例如 continuous-claude 這類工具就提供 --max-runs（最多跑幾輪）、--max-cost（花費上限）、--max-duration（時間上限）。沒設上限＝沒有底線的帳單。
最後才接上排程、加上審查關卡。確認小範圍跑得穩，再用 cron 或 Routines 定時觸發，並保留「成果一定要人類複核才合併」的關卡。能跑測試、CI 當品質門檻就更好——只有通過才提交。

順帶一提，自動化跑久了最有感的成本就是 token（你可以想成「AI 的字數計費」）。Anthropic 自己的數據顯示，agent 用的 token 大約是單純聊天的 4 倍，多 agent 系統甚至到 15 倍。想壓成本，先讀《Claude 怎麼省 token》，那 10 招在自動化情境下省下來的是真金白銀。

放著 AI 自己跑，會出什麼包？（這節最重要）

「自動化」聽起來很爽，但無人值守的 AI 出包起來也特別安靜、特別貴。以下是真實會發生、而且要先知道的風險：

失控的帳單（最危險）：沒有「停止條件」的迴圈，可能讓 AI 自己跟自己無限往返。網路上流傳一個被廣泛引用的案例描述——兩個 agent 互相呼叫、11 天燒掉約 4.7 萬美元，而且儀表板全程看起來一切正常。⚠️ 要說清楚：這個數字來自 2026 年初的部落格敘述，沒有具名公司、沒有可稽核的帳單，請當成「警世故事」而不是已證實的事件。但它指出的機制是真的：沒有上限的迴圈＝沒有上限的成本。
「表面成功、其實在空轉」：這是最陰險的一種。API 每次都回傳正常、格式也漂亮，所以延遲、錯誤率這些常規監控全是綠燈，但 AI 其實什麼有用的事都沒產出。光看系統指標，你不會發現它在原地打轉。
半夜把專案跑壞：Ralph 技巧的作者就直說過，AI 的不確定性是它的「罩門」，「有時你早上起來會發現程式庫壞掉、無法編譯」。他本人也明講不會在現有的大型程式庫上用這招（這是作者自己畫的使用邊界，不是說 AI 不能碰舊程式）。
自動執行程式碼的安全風險：讓 AI 在無人看管下自動跑指令，本身就有風險。Anthropic 官方對 Claude Code「自動模式」的說法很坦白：它不能取代高風險環境下的人工審查，並坦承安全分類器有約 17% 的「漏判率」（偶爾會放過危險動作），官方建議在隔離環境裡跑。
常見但較難量化的擔憂：多個自動 PR 之間的合併衝突、跑到一半撞到流量限制、agent 卡住不動……這些在道理上都站得住腳，但較難找到精確的數據佐證，當成「該留意的常識」即可。

講這些不是要嚇你不要用，而是要你帶著安全閥用：硬性上限（步數／花費／時間）、小而明確的任務、跑測試當品質門檻、人類審查關卡、隔離沙箱、以及異常成本的警報。把這些備齊，自動化才是助力而不是地雷。

常見問題 FAQ

Q1：完全不會寫程式，我也能玩 Cron + Kanban 這套嗎？
可以入門，但要誠實。看懂概念、用現成工具（如上面那幾個看板 App）開卡、指派 agent，沒有技術背景也做得到。但要真正穩定、安全地無人值守跑，會碰到設定排程、權限、停損上限這些偏技術的環節，建議從有人盯著的小任務開始，邊做邊學。

Q2：Claude Code 到底有沒有內建排程？
有。Claude Code 官方的 Routines（研究預覽） 就支援定時／API／GitHub 事件觸發，不必另外接 OS 的 cron。反倒是多數「看板型」的第三方工具沒有內建排程，要靠外部 cron 或 CI 補上。

Q3：一定要用 cron 嗎？用別的可以嗎？
不一定。cron 只是最經典的「時間觸發器」。你也可以用 GitHub Actions 的排程、雲端排程服務，或 Claude Code 的 Routines。重點是「時間到了自動觸發」這個角色，誰來扮演都行。

Q4：放 AI 自己跑，真的會燒掉超多錢嗎？
會，如果你不設上限。那個 4.7 萬美元的故事雖然無法查證，但機制是真的：沒有停止條件的迴圈成本無上限。務必設定每輪步數上限、花費上限、時間上限，並開啟成本異常警報。

Q5：git worktree 是什麼？為什麼這些工具都在用？
它是 git 官方功能，讓你在同一個專案裡同時簽出多個分支、各有獨立的工作目錄。這樣多個 AI agent 才能同時改東西而不互相干擾——所以成了「一 agent 一卡一分支」的標準隔離方式。

Q6：Kanban 的「WIP 限制」對 AI 也有用嗎？
有用。限制「進行中」的卡片數量，等於限制同時開工的 agent 數量。這能控制成本、降低混亂，也讓你比較看得住每張卡的進度——別讓十個 agent 同時亂跑。

Q7：這算是已經成熟的標準做法了嗎？
還不算。截至 2026 年中，「Cron + Kanban 給 AI agent」比較像一個正在成形的實務模式，而不是有正式規範的標準——是由 Ralph loop、continuous-claude 等真實工具各自拼出兩個半邊。觀念清楚、工具也真的存在，但別期待有一份官方「標準手冊」。

Q8：用哪個 AI 模型跑這套比較好？
截至 2026 年 6 月，Claude Code 預設的旗艦模型是 Claude Opus 4.8（claude-opus-4-8）；要應付最難、最長時間的任務，Anthropic 也提供更強的 Fable 5。模型版本與定價更新很快，實際請以官方為準。

給新手的 5 個重點

記住那句話：AI agent 自動化的核心就是 Cron ＝ AI 的鬧鐘，Kanban ＝ AI 的待辦清單，合起來＝ AI 的自動排班台。
機制是三件事：無頭模式（不開視窗也能跑）＋自動授權（不用一直按同意）＋迴圈（做完接下一件）。
排程那一半，Claude Code 有官方支援（Routines）；看板那一半，多用 Vibe Kanban、Conductor 等現成工具。
先小、先盯、先設停損、最後才排程——這個順序能擋掉九成的災難。
最大的風險是失控的帳單與無聲的空轉：硬性上限＋人類審查關卡＋隔離沙箱，缺一不可。

📚 延伸閱讀

《Agent Harness 是什麼？》——本篇「迴圈」背後的核心觀念：Agent ＝ Model ＋ Harness，先懂這個再看自動化會更通。
《動手拆解一個 Agent Harness》——用最白話的偽代碼，把「讓 AI 自己跑迴圈」拆給你看。
《Claude 怎麼省 token？10 招實戰》——自動化最直接的成本就是 token，這篇幫你把帳單壓下來。
《Claude vs Claude Code vs Claude Cowork》——搞清楚這篇一直提到的 Claude Code 到底是什麼。
《Claude Opus 4.8 完整解析》——跑這套用的旗艦模型，升級了什麼、要花多少錢。
AlphaLab AI 教學總覽——更多零基礎也看得懂的 AI 主題。
想把 AI 工作流學得更系統，可參考我們的線上課程。

結語

「讓 AI 自己排班上工」聽起來像未來，但拆開來看，它其實只是兩個老觀念的聰明組合：一個負責「何時做」的鬧鐘，一個負責「做什麼、做到哪」的待辦清單。把這兩塊接上一個會跑迴圈的 AI agent，你就擁有了一台會在你睡覺時默默推進工作的自動排班台。

真正的門檻不在「怎麼讓它跑」，而在「怎麼讓它安全地跑」。先從一張小卡、有人盯著開始，設好停損、留好人類審查的關卡，再慢慢把韁繩放長。等你第一次早上起床，看到 AI 已經默默把昨晚那張卡做完、靜靜躺在「完成」欄裡時，你就會懂這套玩法的魔力了。

免責聲明

本文為教育與資訊分享用途，撰寫於 2026 年 6 月，內容會隨工具與模型更新而變動，實際功能、定價與維護狀態請以各官方頁面為準。文中模型名稱、定價、功能可用性（如 Claude Opus 4.8、Fable 5、Claude Code Routines 等）均依撰文當下查證；AI 具有輸出錯誤資訊的可能，重要決策請由人類複核。讓 AI 無人值守自動執行程式有實際風險（失控成本、安全、錯誤累積），請務必設定上限、保留審查關卡並在隔離環境測試。本文無業配內容。

主要參考來源：Claude Code 官方文件（code.claude.com，含 CLI、Routines、Agent SDK、GitHub Actions、Auto Mode）、Anthropic 工程部落格（multi-agent 系統、Auto Mode）、git 官方文件（git worktree）、Vibe Kanban／Conductor／Claude Squad／Sculptor 官方頁面、Geoffrey Huntley「Ralph」一文、Wikipedia（Cron、Kanban）。