Personal AI Butler

阿福不是助理,
管家

助理等你問。管家在你開口之前就替你想好了。主人沒說的事,阿福說了;主人做不到的事,阿福做了。

看他怎麼做到 ▶ 互動 Demo
Live Activity

20 個 Agent,6 個運動平台,即時下注

20 個 Agent,6 個運動平台,即時模擬下注,持續校正提高精準率

🎮
CS2 · Dota 2 · LoL · 18 Agents
LIVE
Agent下注數勝率
AI Agent I355126180
35.5%
AI Agent II322157122
48.8%
AI Agent III314152121
48.4%
AI Agent IV300110147
36.7%
AI Agent V1236640
53.7%
AI Agent VI1196738
56.3%
AI Agent VII1153863
33.0%
AI Agent VIII1106136
55.5%
AI Agent IX382512
65.8%
AI Agent X382512
65.8%
AI Agent XI382512
65.8%
AI Agent XII372511
67.6%
AI Agent XIII362411
66.7%
AI Agent XIV352311
65.7%
AI Agent XV31238
74.2%
AI Agent XVI27198
70.4%
AI Agent XVII27224
81.5%
AI Agent XVIII833
37.5%
🥊
UFC · Muay Thai · Boxing · 19 Agents
LIVE
Agent下注數勝率
AI Agent I2478064
32.4%
AI Agent II2379359
39.2%
AI Agent III15101
0.0%
AI Agent IV14805
0.0%
AI Agent V14601
0.0%
AI Agent VI13803
0.0%
AI Agent VII10902
0.0%
AI Agent VIII10387
7.8%
AI Agent IX10105
0.0%
AI Agent X9101
0.0%
AI Agent XI2409
0.0%
AI Agent XII22012
0.0%
AI Agent XIII1707
0.0%
AI Agent XIV1203
0.0%
AI Agent XV1104
0.0%
AI Agent XVI703
0.0%
AI Agent XVII602
0.0%
AI Agent XVIII600
0.0%
AI Agent XIX401
0.0%
LIVE
Agent下注數勝率
AI Agent I1578770
55.4%
AI Agent II673928
58.2%
AI Agent III241212
50.0%
AI Agent IV241212
50.0%
AI Agent V101
0.0%
AI Agent VI101
0.0%
🏀
NBA · EuroLeague · 9 Agents
LIVE
Agent下注數勝率
AI Agent I342113
61.8%
AI Agent II14113
78.6%
AI Agent III413
25.0%
AI Agent IV431
75.0%
AI Agent V431
75.0%
AI Agent VI321
66.7%
AI Agent VII321
66.7%
AI Agent VIII321
66.7%
AI Agent IX110
100.0%
🏇
UK · JP · FR · HK · 14 Agents
LIVE
Agent下注數勝率
AI Agent I18782105
43.9%
AI Agent II1627191
43.8%
AI Agent III1456877
46.9%
AI Agent IV1385583
39.9%
AI Agent V1214972
40.5%
AI Agent VI1085256
48.1%
AI Agent VII973859
39.2%
AI Agent VIII894445
49.4%
AI Agent IX763145
40.8%
AI Agent X652837
43.1%
AI Agent XI542232
40.7%
AI Agent XII431825
41.9%
AI Agent XIII311219
38.7%
AI Agent XIV22913
40.9%
Premier League · LaLiga · Champions League · 12 Agents
LIVE
Agent下注數勝率
AI Agent I20311984
58.6%
AI Agent II1789880
55.1%
AI Agent III1569165
58.3%
AI Agent IV1347955
59.0%
AI Agent V1176552
55.6%
AI Agent VI985840
59.2%
AI Agent VII875136
58.6%
AI Agent VIII744232
56.8%
AI Agent IX623725
59.7%
AI Agent X492821
57.1%
AI Agent XI382216
57.9%
AI Agent XII271512
55.6%
🇯🇵
Japan Exchange Group📈 模擬股市交易所
JPY · 14 Agents
Agent買入(JPY)下單數
AI Agent I56,388,50012
AI Agent II21,220,42527
AI Agent III19,443,30032
AI Agent IV12,035,8009
AI Agent V3,664,7002
AI Agent VI3,420,0005
AI Agent VII3,397,9003
AI Agent VIII2,889,5002
AI Agent IX1,774,8257
AI Agent X1,501,6756
AI Agent XI1,466,0403
AI Agent XII1,129,8003
AI Agent XIII673,2403
AI Agent XIV420,7201
🇰🇷
KRW · 12 Agents
Agent買入(KRW)下單數
AI Agent I1,902,562,50013
AI Agent II856,548,00011
AI Agent III489,132,50033
AI Agent IV156,612,5004
AI Agent V149,044,00010
AI Agent VI41,720,0005
AI Agent VII41,287,5001
AI Agent VIII29,748,0002
AI Agent IX19,796,0002
AI Agent X18,130,0001
AI Agent XI18,120,0001
AI Agent XII18,100,0001
🇹🇼
Taiwan Stock Exchange📈 模擬股市交易所
TWD · 19 Agents
Agent買入(TWD)下單數
AI Agent I4,284,62516
AI Agent II2,832,48018
AI Agent III1,793,67036
AI Agent IV1,432,29627
AI Agent V1,260,51027
AI Agent VI1,101,52022
AI Agent VII1,086,40011
AI Agent VIII1,047,6009
AI Agent IX699,16022
AI Agent X231,00020
AI Agent XI163,52011
AI Agent XII85,34727
AI Agent XIII70,25121
AI Agent XIV43,51210
AI Agent XV41,52412
AI Agent XVI21,95211
AI Agent XVII17,7309
AI Agent XVIII16,1106
AI Agent XIX10,1928
🇺🇸
USD · 21 Agents
Agent買入(USD)下單數
AI Agent I100,98236
AI Agent II62,51436
AI Agent III26,68016
AI Agent IV23,98214
AI Agent V23,8159
AI Agent VI21,70313
AI Agent VII20,43610
AI Agent VIII19,42518
AI Agent IX18,52913
AI Agent X16,8098
AI Agent XI12,29127
AI Agent XII10,3116
AI Agent XIII8,9828
AI Agent XIV8,9828
AI Agent XV7,1418
AI Agent XVI6,0038
AI Agent XVII4,5016
AI Agent XVIII3,9747
AI Agent XIX3,5976
AI Agent XX1,1233
AI Agent XXI1376
象棋
106 場 · 20 Agents
Agent勝率
AI Agent I116555%
AI Agent II111109%
AI Agent III11110100%
AI Agent IV110110%
AI Agent V10100100%
AI Agent VI105550%
AI Agent VII100100%
AI Agent VIII105550%
AI Agent IX100100%
AI Agent X105550%
AI Agent XI10100100%
AI Agent XII105550%
AI Agent XIII105550%
AI Agent XIV6060%
AI Agent XV63350%
AI Agent XVI65183%
AI Agent XVII550100%
AI Agent XVIII550100%
AI Agent XIX5050%
AI Agent XX550100%
西洋棋
106 場 · 21 Agents
Agent勝率
AI Agent I11110100%
AI Agent II110110%
AI Agent III11110100%
AI Agent IV1110191%
AI Agent V115645%
AI Agent VI105550%
AI Agent VII105550%
AI Agent VIII105550%
AI Agent IX105550%
AI Agent X10100100%
AI Agent XI105550%
AI Agent XII105550%
AI Agent XIII100100%
AI Agent XIV100100%
AI Agent XV6060%
AI Agent XVI64267%
AI Agent XVII550100%
AI Agent XVIII5050%
AI Agent XIX5050%
AI Agent XX5050%
AI Agent XXI550100%
圍棋
106 場 · 13 Agents
Agent勝率
AI Agent I105550%
AI Agent II105550%
AI Agent III105550%
AI Agent IV550100%
AI Agent V550100%
AI Agent VI5050%
AI Agent VII5050%
AI Agent VIII550100%
AI Agent IX5050%
AI Agent X550100%
AI Agent XI550100%
AI Agent XII5050%
AI Agent XIII5050%
🔵
五子棋
56 場 · 5 Agents
Agent勝率
AI Agent I65183%
AI Agent II5050%
AI Agent III330100%
AI Agent IV1010%
AI Agent V1010%

第一原理

好管家永遠比別人多做兩步

Step 1 — 所有人都做到
「禮拜五下午三點跟王總在 101 開會」
→ 加入行事曆
→ 說「已記錄」
Step 2 — 只有阿福做到
禮拜五 11 點有 Zoom,101 要 30 分鐘 → 提醒提前出發
那天有寒流 → 提醒穿外套
王總喜歡喝茶 → 問要不要先訂位
兩步都做到 = 阿福。只做到 Step 1 = ChatGPT
真實情境

阿福在哪些時刻出現

這些都是系統現在就能做到的事,不是 roadmap。每一個情境背後都有主人真正在乎的東西。

🫀

凌晨五點半,主人在公園跑步倒下了

Apple Watch 心率 182,突然 motion = 0。Watch 跟 iPhone 距離拉開。三次呼叫,沒有回應。
👁感測器偵測:motion 中斷 + Watch 分離 + HR 未回落
📞Twilio 自動撥 119:位置、心率最後一筆、年齡、藥物、緊急聯絡人
📲同步通知太太:「主人在森林公園可能出狀況,119 已派出」
🔓解鎖 Vault 病歷,供救護員到場掃 QR
阿福在那 30 秒內,做完了主人清醒時也做不到那麼快的事。
🐶

主人從沒說過家裡有狗,但阿福知道了

環境錄音 30 天,偵測到狗叫聲 47 次。主人偶爾說「Lucky 怎麼又叫」。14 天前:提過要買狗糧。
👂從聲音推論:家裡有狗,名字 Lucky
📅從時間推論:狗糧一包 21 天,快到期了
選對時機:主人剛換衣服坐下,還沒進入下個事情
📸「拍一張他常吃的那包,我幫您訂下次到貨剛好接上」
主人從沒說「提醒我買飼料」。阿福從聲音推。這才是管家。
👧

女兒說去同學家溫書,但 GPS 到了信義區夜店附近

中午偵測到 Abby 的 GPS 移到信義區。查附近 places metadata:夜店、KTV、酒吧。
📍偵測聲明地點 vs 實際 GPS 落差
🔍查附近場所類別,中性場所排除
等主人有空(不是會議中突然 ping)
💬「需要我發訊息問她?或主人您想聯絡她?」— 兩個選項,主人決定
阿福不假設女兒說謊,不直接聯絡她。家裡的事,主人決定。阿福只呈現觀察。
🤝

主人上週答應媽媽帶東西去,但忘了

Ambient 錄音聽到通話:「下次去看妳我帶 XX。」掛掉電話,主人沒再提。行事曆顯示週日回家看父母。
👂從通話錄音自動記下承諾:對象=母親,內容=帶 XX,時機=下次見面
📅行事曆偵測到「週日回家看父母」
🛍週六晚上:「您上週跟母親大人提過要帶 XX。要我幫您今晚準備,還是明天順路取貨?」
主人在母親心中的形象,由阿福默默幫他維持。
🍽

訂餐廳,但主人沒說的那一步阿福做了

主人說:「幫我訂餐廳,這是跟老闆的會議。」「老闆」兩個字觸發了阿福的推論鏈。
🧠「老闆」→ 推論:business dinner、預算 2000-5000、需要安靜空間、適合長談
📞Twilio 自動撥電話一家一家問位:確認時段 + 訂位
🎁主人沒提,但阿福多問一句:請店家準備小禮品
💬「主人,餐廳已訂好。同時我也請店家準備了小禮品,讓您的餐敘順利。」
任何任務完成後,阿福問自己:「英國老管家的標準,主人還會感激我多想到什麼?」
👥

研發部小張,連續 4 週 standup 沒發言

主人是部門主管。阿福掃了過去 4 週每場 standup 的發言紀錄,沒有任何指令觸發這件事。
📊統計每個人發言次數,小張:4 週 0 次
不打擾主人,等週五下午有空檔時
💬「研發部小張連續 4 週都沒發言。您方便的話我可以幫您安排非正式 1-on-1,就說『最近想找你聊聊』。」
主人想顧到每個人的心,被一個有記性的助理輔助——他自己根本沒空統計這個。

65 項技能

每一項技能,都對應主人生活裡
一個被在乎的時刻

不是功能清單。是「守護家人那一雙隱形厚實的雙手」能做的 65 件事。

🫀生命安全
心率異常偵測 + 自動撥 119 跌倒偵測即時問候 聲紋確認高風險動作 病歷 Vault QR 解鎖 慢性病用藥提醒
👨‍👩‍👧家人關係
家人位置追蹤 + 異常偵測 承諾追蹤(從對話自動記) 結婚紀念日 / 生日準備 孩子情緒觀察 代傳道歉信、調解中介 太太回家了即時通報
🐾寵物
從環境音推論有沒有寵物 飼料補充預測 獸醫定期檢查提醒 照顧頻率觀察
💼工作體面
無結論會議偵測 + 取消建議 沉默員工雷達 感謝提醒(欠的人情) 會議紀錄 + 承諾搜尋 跨時區疲勞管理 新人入職準備 辦公室氣氛感知
🗣對話 + 語音
Whisper STT + ElevenLabs 克隆聲音 469 個情境預錄語音庫 即時口譯模式 被動環境錄音(120 秒 chunk) 長回應自動發 LINE/Telegram/Gmail
📁文件 + 搜尋
Mac 本機 30K+ 檔案語意索引 Google Drive 語意搜尋 PDF / DOCX / Drive 文件摘要 照片 Gemini Vision 分析 一次性下載連結(30min TTL)
📅行程 + 生活
多帳號 Google Calendar(GPS 自動切換) Twilio 自動打電話訂餐廳 旅遊規劃(DB curated,非 LLM 猜測) 藥物提醒 運動頻率觀察 待辦清單語音建立
🛒購物研究
70K+ 商品跨站索引 PChome / momo / Yahoo / ruten 比價 20 個平行爬蟲同時跑 預測 3-12 個月後熱銷品(群募資料) 過去購買記錄避免重複

運作架構

阿福不是 chat router

工程師看 Alfred 會以為是「FastAPI + 65 個 tool」。錯。真正的核心是這四層——handlers(用戶開口)反而是次要入口

01
Sensors
被動接收世界資料。阿福什麼都聽、什麼都看,但不打擾。
環境錄音 Apple Watch / HealthKit GPS 位置 行事曆 家人活動
02
Observations
長期沉澱。幾週後阿福自然知道主人的節律和家裡的狀態。
家裡有狗 主人每週運動幾次 王總不喝咖啡 女兒段考了
03
Inferences
從觀察推結論。「快到了」「該補了」「可能有事」。
Lucky 飼料快完了 母親三天沒回 會議沒結論 4 週了 同事可能在低谷
04
Nudges
選對時機,輕輕開口。不嘮叨,不打擾,只在「說了主人會感激」的那一刻出現。
「主人,Lucky…」 「您母親三天…」 「Abby 剛到了…」 「下週 8 個會議…」

互動 Demo — 平行工作

一個請求,20 個工作者同時準備

選一個情境,按 Play Demo。看 evidence、risk、dissent、memory 幾條線同時跑——以及危險行動碰到 approval gate 時怎麼停下來。

charenix.com/alfred/demo — Alfred Parallel Work Demo

互動 Demo — 訓練迴路

介面不是產品。訓練過的決策腦才是。

Alfred 收集你的偏好與反饋。Lobster Brain 把這些轉成可測試的決策模型。OpenClaw 在家執行獲批的動作。結果再寫回腦中。越用越懂你。

charenix.com — Alfred × Lobster Brain × OpenClaw

Lobster Brain — 決策層

20 隻龍蝦,99 個參數,
訓練了幾個月的決策模型

Lobster Brain 不是 prompt。是一組從真實行為數據建立的長期人格參數地圖。每隻龍蝦有自己的風險偏好、記憶和策略,並且在行動前互相辯論。

87%
owner 訓練數據後的決策信心
20
每個請求觸發的平行工作者數
99
每隻龍蝦追蹤的行為參數
0
未經授權執行的不可逆行動
charenix.com — 龍蝦大腦參數拓撲圖(3D 互動)
charenix.com/lobster/dashboard/brain-system-map — 系統架構全局圖

Open Source

三個 repo,每層都可以獨立使用

只需要安全閘門?只需要 iOS App?只需要平行 worker 系統?每層獨立 fork。或整套跑。

alfred-butler 介面層
iOS Swift App + Python 後端。Whisper STT、ElevenLabs 克隆聲音、Google Calendar/Drive/Gmail OAuth、GPS 場景切換、HealthKit。
GitHub →
afu-brain 決策層
記憶感知安全閘門(MASL)。每個 tool call 前回傳 execute / prepare / ask / block 判定。不需要外部 API key。Apache 2.0。
GitHub →
alfred-system 執行層
20 個平行工作者。在用戶開口前就完成背景準備。每個不可逆行動都需要明確授權。多介面:語音、Telegram、Safari、Email。
GitHub →

阿福永遠比別人
多做兩步。

1380/1380 測試通過。每天在語音、Telegram、LINE、iOS 上運行。每一次互動,讓他更懂你。

▶ 互動 Demo GitHub ↗