OpenClaw + Codex/ClaudeCode Agent Swarm: ทีมพัฒนาคนเดียวที่ทรงพลัง [คู่มือการตั้งค่าฉบับเต็ม]

ฉันไม่ได้ใช้ Codex หรือ Claude Code โดยตรงอีกต่อไปแล้ว

ฉันใช้ OpenClaw เป็นเลเยอร์การประสานงานของฉัน Zoe ผู้จัดการระบบของฉัน จะสร้างเอเจนต์ เขียนพรอมต์ เลือกโมเดลที่เหมาะสมสำหรับแต่ละงาน ติดตามความคืบหน้า และส่งข้อความถึงฉันทาง Telegram เมื่อ PR พร้อมที่จะรวม

หลักฐานจาก 4 สัปดาห์ที่ผ่านมา:

• 94 คอมมิตในวันเดียว วันที่ฉันมีประสิทธิภาพมากที่สุด - ฉันมีการประชุมกับลูกค้า 3 ครั้ง และไม่ได้เปิดโปรแกรมแก้ไขโค้ดเลยแม้แต่ครั้งเดียว โดยเฉลี่ยแล้วประมาณ 50 คอมมิตต่อวัน

• 7 PR ใน 30 นาที จากไอเดียสู่การผลิตนั้นรวดเร็วมาก เพราะการเขียนโค้ดและการตรวจสอบความถูกต้องเป็นระบบอัตโนมัติเป็นส่วนใหญ่

• คอมมิต → MRR: ฉันใช้สิ่งนี้สำหรับ B2B SaaS จริงที่ฉันกำลังสร้างอยู่ — รวมเข้ากับการขายที่นำโดยผู้ก่อตั้งเพื่อส่งมอบคำขอฟีเจอร์ส่วนใหญ่ภายในวันเดียว ความเร็วเปลี่ยนผู้สนใจเป็นลูกค้าที่จ่ายเงิน

ประวัติ git ของฉันดูเหมือนว่าฉันเพิ่งจ้างทีมนักพัฒนา แต่ในความเป็นจริงแล้ว มันเป็นแค่ฉันที่เปลี่ยนจากการจัดการ claude code มาเป็นการจัดการเอเจนต์ OpenClaw ที่จัดการฝูงเอเจนต์ claude code และ codex อื่นๆ

อัตราความสำเร็จ: ระบบจัดการงานเล็กถึงกลางเกือบทั้งหมดได้ในครั้งเดียวโดยไม่ต้องมีการแทรกแซงใดๆ

ค่าใช้จ่าย: ~$100/เดือนสำหรับ Claude และ $90/เดือนสำหรับ Codex แต่คุณสามารถเริ่มต้นด้วย $20

นี่คือเหตุผลว่าทำไมวิธีนี้ถึงดีกว่าการใช้ Codex หรือ Claude Code โดยตรง:

>Codex และ Claude Code มีบริบทเกี่ยวกับธุรกิจของคุณน้อยมาก

พวกมันเห็นโค้ด พวกมันไม่เห็นภาพรวมทั้งหมดของธุรกิจของคุณ

OpenClaw เปลี่ยนสมการนี้ มันทำหน้าที่เป็นเลเยอร์การประสานงานระหว่างคุณและเอเจนต์ทั้งหมด — มันเก็บบริบททางธุรกิจทั้งหมดของฉัน (ข้อมูลลูกค้า บันทึกการประชุม การตัดสินใจในอดีต สิ่งที่ได้ผล สิ่งที่ล้มเหลว) ไว้ใน Obsidian vault ของฉัน และแปลบริบททางประวัติศาสตร์เป็นพรอมต์ที่แม่นยำสำหรับเอเจนต์เขียนโค้ดแต่ละตัว เอเจนต์ยังคงจดจ่ออยู่กับโค้ด ตัวประสานงานยังคงอยู่ในระดับกลยุทธ์ระดับสูง

นี่คือวิธีการทำงานของระบบในระดับสูง:

สัปดาห์ที่แล้ว Stripe เขียนเกี่ยวกับระบบเอเจนต์พื้นหลังของพวกเขาที่เรียกว่า "Minions" — เอเจนต์เขียนโค้ดแบบขนานที่ backed โดยเลเยอร์การประสานงานแบบรวมศูนย์ ฉันสร้างสิ่งเดียวกันโดยบังเอิญ แต่มันทำงานในเครื่องบน Mac mini ของฉัน

ก่อนที่ฉันจะบอกคุณถึงวิธีการตั้งค่านี้ คุณควรรู้ว่าทำไมคุณถึงต้องการตัวประสานงานเอเจนต์

ทำไม AI ตัวเดียวถึงทำทั้งสองอย่างไม่ได้

หน้าต่างบริบทเป็น ศูนย์รวม คุณต้องเลือกว่าอะไรจะเข้าไป

ใส่โค้ดเข้าไป → ไม่มีที่ว่างสำหรับบริบททางธุรกิจ ใส่ประวัติลูกค้าเข้าไป → ไม่มีที่ว่างสำหรับฐานโค้ด นี่คือเหตุผลที่ระบบสองชั้นทำงานได้: AI แต่ละตัวถูกโหลดด้วยสิ่งที่มันต้องการอย่างแม่นยำ

OpenClaw และ Codex มีบริบทที่แตกต่างกันอย่างมาก:

ความเชี่ยวชาญผ่านบริบท ไม่ใช่ผ่านโมเดลที่แตกต่างกัน

ขั้นตอนการทำงาน 8 ขั้นตอนเต็ม

ให้ฉันยกตัวอย่างจริงจากสัปดาห์ที่แล้ว

ขั้นตอนที่ 1: คำขอของลูกค้า → การกำหนดขอบเขตกับ Zoe

ฉันมีการโทรกับลูกค้าที่เป็นเอเจนซี่ พวกเขาต้องการนำการกำหนดค่าที่ตั้งค่าไว้แล้วกลับมาใช้ใหม่ทั่วทั้งทีม

หลังจากการโทร ฉันได้พูดคุยเกี่ยวกับคำขอกับ Zoe เนื่องจากบันทึกการประชุมทั้งหมดของฉันซิงค์ไปยัง obsidian vault โดยอัตโนมัติ จึงไม่จำเป็นต้องอธิบายอะไรจากฝั่งฉันเลย เรากำหนดขอบเขตฟีเจอร์ร่วมกัน — และลงเอยด้วยระบบเทมเพลตที่ช่วยให้พวกเขาสามารถบันทึกและแก้ไขการกำหนดค่าที่มีอยู่ได้

จากนั้น Zoe ทำสามสิ่ง:

1. เติมเครดิต เพื่อปลดล็อกลูกค้าทันที — เธอมีสิทธิ์เข้าถึง API ของผู้ดูแลระบบ
2. ดึงการกำหนดค่าของลูกค้าจากฐานข้อมูลโปรดักชั่น — เธอมีสิทธิ์เข้าถึงฐานข้อมูลโปรดักชั่นแบบอ่านอย่างเดียว (เอเจนต์ codex ของฉันจะไม่มีสิทธิ์นี้) เพื่อดึงการตั้งค่าที่มีอยู่ของพวกเขา ซึ่งจะรวมอยู่ในพรอมต์
3. สร้างเอเจนต์ Codex — พร้อมพรอมต์โดยละเอียดที่มีบริบททั้งหมด

ขั้นตอนที่ 2: สร้างเอเจนต์

เอเจนต์แต่ละตัวจะได้รับ worktree (สาขาที่แยกออกมา) และเซสชัน tmux ของตัวเอง:

1# สร้าง worktree + สร้างเอเจนต์
2git worktree add ../feat-custom-templates -b feat/custom-templates origin/main
3cd ../feat-custom-templates && pnpm install
4
5tmux new-session -d -s "codex-templates" \
6  -c "/Users/elvis/Documents/GitHub/medialyst-worktrees/feat-custom-templates" \
7  "$HOME/.codex-agent/run-agent.sh templates gpt-5.3-codex high"

เอเจนต์ทำงานในเซสชัน tmux พร้อมการบันทึกเทอร์มินัลแบบเต็มผ่านสคริปต์

นี่คือวิธีที่เราเปิดใช้เอเจนต์:

1# Codex
2codex --model gpt-5.3-codex \
3  -c "model_reasoning_effort=high" \
4  --dangerously-bypass-approvals-and-sandbox \
5  "พรอมต์ของคุณที่นี่"
6
7# Claude Code
8claude --model claude-opus-4.5 \
9  --dangerously-skip-permissions \
10  -p "พรอมต์ของคุณที่นี่"

เมื่อก่อนฉันใช้ codex exec หรือ claude -p แต่เพิ่งเปลี่ยนมาใช้ tmux เมื่อเร็วๆ นี้:

tmux ดีกว่ามากเพราะ การเปลี่ยนทิศทางระหว่างงาน มีประสิทธิภาพ เอเจนต์กำลังไปผิดทาง? อย่าฆ่ามัน:

1# วิธีที่ผิด:
2tmux send-keys -t codex-templates "หยุด. โฟกัสที่เลเยอร์ API ก่อน ไม่ใช่ UI" Enter
3
4# ต้องการบริบทเพิ่มเติม:
5tmux send-keys -t codex-templates "สคีมาอยู่ใน src/types/template.ts ใช้อันนั้น" Enter

งานจะถูกติดตามใน .clawdbot/active-tasks.json:

1{
2  "id": "feat-custom-templates",
3  "tmuxSession": "codex-templates",
4  "agent": "codex",
5  "description": "เทมเพลตอีเมลแบบกำหนดเองสำหรับลูกค้าเอเจนซี่",
6  "repo": "medialyst",
7  "worktree": "feat-custom-templates",
8  "branch": "feat/custom-templates",
9  "startedAt": 1740268800000,
10  "status": "running",
11  "notifyOnComplete": true
12}

เมื่อเสร็จสมบูรณ์ มันจะอัปเดตด้วยหมายเลข PR และการตรวจสอบ (เพิ่มเติมในขั้นตอนที่ 5)

1{
2  "status": "done",
3  "pr": 341,
4  "completedAt": 1740275400000,
5  "checks": {
6    "prCreated": true,
7    "ciPassed": true,
8    "claudeReviewPassed": true,
9    "geminiReviewPassed": true
10  },
11  "note": "การตรวจสอบทั้งหมดผ่าน พร้อมที่จะรวม"
12}

ขั้นตอนที่ 3: การตรวจสอบในลูป

งาน cron ทำงานทุก 10 นาทีเพื่อดูแลเอเจนต์ทั้งหมด โดยพื้นฐานแล้วมันทำหน้าที่เป็น Ralph Loop ที่ปรับปรุงแล้ว จะพูดถึงเพิ่มเติมในภายหลัง

แต่มันไม่ได้สอบถามเอเจนต์โดยตรง — ซึ่งจะมีค่าใช้จ่ายสูง แต่จะรันสคริปต์ที่อ่าน JSON registry และตรวจสอบ:

1.clawdbot/check-agents.sh

สคริปต์เป็นแบบกำหนดได้ 100% และประหยัดโทเค็นอย่างมาก:

• ตรวจสอบว่าเซสชัน tmux ยังทำงานอยู่หรือไม่
• ตรวจสอบ PR ที่เปิดอยู่ในสาขาที่ติดตาม
• ตรวจสอบสถานะ CI ผ่าน gh cli
• เริ่มเอเจนต์ที่ล้มเหลวใหม่โดยอัตโนมัติ (สูงสุด 3 ครั้ง) หาก CI ล้มเหลวหรือมีข้อเสนอแนะจากการตรวจสอบที่สำคัญ
• แจ้งเตือนเฉพาะเมื่อมีบางอย่างที่ต้องการความสนใจจากมนุษย์

ฉันไม่ได้ดูเทอร์มินัล ระบบจะบอกฉันเมื่อต้องดู

ขั้นตอนที่ 4: เอเจนต์สร้าง PR

เอเจนต์คอมมิต ผลัก และเปิด PR ผ่าน \gh pr create --fill\ ณ จุดนี้ฉัน ไม่ ได้รับการแจ้งเตือน — PR เพียงอย่างเดียวไม่ใช่สิ่งที่เสร็จสมบูรณ์

คำจำกัดความของความสำเร็จ (สำคัญมากที่เอเจนต์ของคุณต้องรู้สิ่งนี้):

• สร้าง PR แล้ว
• สาขาซิงค์กับ main (ไม่มีข้อขัดแย้งในการรวม)
• CI ผ่าน (lint, types, unit tests, E2E)
• การตรวจสอบ Codex ผ่าน
• การตรวจสอบ Claude Code ผ่าน
• การตรวจสอบ Gemini ผ่าน
• รวมภาพหน้าจอ (หากมีการเปลี่ยนแปลง UI)

ขั้นตอนที่ 5: การตรวจสอบโค้ดอัตโนมัติ

ทุก PR จะได้รับการตรวจสอบโดยโมเดล AI สามตัว พวกมันจับสิ่งที่แตกต่างกัน:

• Codex Reviewer — ยอดเยี่ยมในการจัดการกรณีขอบ ทำการตรวจสอบที่ละเอียดที่สุด จับข้อผิดพลาดทางตรรกะ การจัดการข้อผิดพลาดที่ขาดหายไป สภาพการแข่งขัน อัตราผลบวกลวงต่ำมาก
• Gemini Code Assist Reviewer — ฟรีและมีประโยชน์อย่างมาก จับปัญหาด้านความปลอดภัย ปัญหาความสามารถในการปรับขนาดที่เอเจนต์อื่นพลาด และแนะนำการแก้ไขเฉพาะ เป็นตัวเลือกที่ไม่มีข้อเสียในการติดตั้ง
• Claude Code Reviewer — ส่วนใหญ่ไม่มีประโยชน์ - มักจะระมัดระวังเกินไป มีคำแนะนำ "ลองพิจารณาเพิ่ม..." มากมายที่มักจะเป็นการออกแบบเกินความจำเป็น ฉันข้ามทุกอย่างเว้นแต่จะถูกทำเครื่องหมายว่าสำคัญ มันไม่ค่อยพบปัญหาสำคัญด้วยตัวเอง แต่จะตรวจสอบสิ่งที่ผู้ตรวจสอบคนอื่นๆ แจ้งไว้

ทั้งสามโพสต์ความคิดเห็นโดยตรงบน PR

ขั้นตอนที่ 6: การทดสอบอัตโนมัติ

ไปป์ไลน์ CI ของเราทำการทดสอบอัตโนมัติจำนวนมาก:

• การตรวจสอบ Lint และ TypeScript
• การทดสอบหน่วย
• การทดสอบ E2E
• การทดสอบ Playwright กับสภาพแวดล้อมตัวอย่าง (เหมือนกับโปรดักชั่น)

ฉันเพิ่มกฎใหม่เมื่อสัปดาห์ที่แล้ว: หาก PR เปลี่ยนแปลง UI ใดๆ จะต้องรวมภาพหน้าจอในคำอธิบาย PR มิฉะนั้น CI จะล้มเหลว ซึ่งช่วยลดเวลาในการตรวจสอบได้อย่างมาก — ฉันสามารถเห็นสิ่งที่เปลี่ยนแปลงได้อย่างชัดเจนโดยไม่ต้องคลิกผ่านตัวอย่าง

ขั้นตอนที่ 7: การตรวจสอบโดยมนุษย์

ตอนนี้ฉันได้รับการแจ้งเตือนทาง Telegram: "PR #341 พร้อมสำหรับการตรวจสอบ"

ณ จุดนี้:

• CI ผ่านแล้ว
• ผู้ตรวจสอบ AI สามคนอนุมัติโค้ดแล้ว
• ภาพหน้าจอแสดงการเปลี่ยนแปลง UI
• กรณีขอบทั้งหมดถูกบันทึกไว้ในความคิดเห็นการตรวจสอบ

การตรวจสอบของฉันใช้เวลา 5-10 นาที หลาย PR ที่ฉันรวมโดยไม่อ่านโค้ด — ภาพหน้าจอแสดงทุกสิ่งที่ฉันต้องการ

ขั้นตอนที่ 8: รวม

PR ถูกรวม งาน cron รายวันจะทำความสะอาด worktree ที่ถูกทิ้งและ JSON registry ของงาน

Ralph Loop V2

โดยพื้นฐานแล้วนี่คือ Ralph Loop แต่ดีกว่า

Ralph Loop ดึงบริบทจากหน่วยความจำ สร้างเอาต์พุต ประเมินผลลัพธ์ บันทึกการเรียนรู้ แต่การใช้งานส่วนใหญ่จะรันพรอมต์เดียวกันในแต่ละรอบ การเรียนรู้ที่กลั่นกรองจะช่วยปรับปรุงการดึงข้อมูลในอนาคต แต่พรอมต์เองยังคงคงที่

ระบบของเราแตกต่างกัน เมื่อเอเจนต์ล้มเหลว Zoe ไม่เพียงแค่สร้างมันขึ้นมาใหม่ด้วยพรอมต์เดียวกัน เธอดูที่ความล้มเหลวด้วยบริบททางธุรกิจที่สมบูรณ์และหาวิธีปลดล็อกมัน:

• เอเจนต์หมดบริบท? "โฟกัสเฉพาะสามไฟล์นี้"
• เอเจนต์ไปผิดทาง? "หยุด. ลูกค้าต้องการ X ไม่ใช่ Y นี่คือสิ่งที่พวกเขาพูดในการประชุม"
• เอเจนต์ต้องการคำชี้แจง? "นี่คืออีเมลของลูกค้าและสิ่งที่บริษัทของพวกเขาทำ"

Zoe ดูแลเอเจนต์จนกว่าจะเสร็จสมบูรณ์ เธอมีบริบทที่เอเจนต์ไม่มี — ประวัติลูกค้า บันทึกการประชุม สิ่งที่เราลองมาก่อน เหตุผลที่มันล้มเหลว เธอใช้บริบทนั้นเพื่อเขียนพรอมต์ที่ดีขึ้นในการลองแต่ละครั้ง

แต่เธอก็ไม่รอให้ฉันมอบหมายงานเช่นกัน เธอหางานทำในเชิงรุก:

• ตอนเช้า: สแกน Sentry → พบข้อผิดพลาดใหม่ 4 รายการ → สร้างเอเจนต์ 4 ตัวเพื่อตรวจสอบและแก้ไข
• หลังการประชุม: สแกนบันทึกการประชุม → ทำเครื่องหมายคำขอฟีเจอร์ 3 รายการที่ลูกค้ากล่าวถึง → สร้างเอเจนต์ Codex 3 ตัว
• ตอนเย็น: สแกน git log → สร้าง Claude Code เพื่ออัปเดต changelog และเอกสารของลูกค้า

ฉันไปเดินเล่นหลังจากการโทรกับลูกค้า กลับมาที่ Telegram: "7 PR พร้อมตรวจสอบ 3 ฟีเจอร์ 4 แก้ไขบั๊ก"

เมื่อเอเจนต์ประสบความสำเร็จ รูปแบบจะถูกบันทึก "โครงสร้างพรอมต์นี้ใช้ได้กับฟีเจอร์การเรียกเก็บเงิน" "Codex ต้องการคำจำกัดความของประเภทล่วงหน้า" "รวมเส้นทางไฟล์ทดสอบเสมอ"

สัญญาณรางวัลคือ: CI ผ่าน การตรวจสอบโค้ดทั้งสามผ่าน การรวมโดยมนุษย์ ความล้มเหลวใดๆ จะกระตุ้นลูป เมื่อเวลาผ่านไป Zoe จะเขียนพรอมต์ได้ดีขึ้นเพราะเธอจำสิ่งที่ถูกส่งออกไปได้

การเลือกเอเจนต์ที่เหมาะสม

เอเจนต์เขียนโค้ดไม่เท่ากันทั้งหมด ข้อมูลอ้างอิงด่วน:

Codex คือม้าทำงานของฉัน ตรรกะแบ็คเอนด์ บั๊กที่ซับซ้อน การรีแฟกเตอร์หลายไฟล์ อะไรก็ตามที่ต้องใช้การให้เหตุผลข้ามฐานโค้ด มันช้ากว่าแต่ละเอียดถี่ถ้วน ฉันใช้มันสำหรับ 90% ของงาน

Claude Code เร็วกว่าและดีกว่าสำหรับงานฟรอนท์เอนด์ นอกจากนี้ยังมีปัญหาสิทธิ์น้อยกว่า ดังนั้นจึงเหมาะสำหรับการดำเนินการ git (เมื่อก่อนฉันใช้มันมากกว่าเพื่อขับเคลื่อนงานประจำวัน แต่ตอนนี้ Codex 5.3 ดีกว่าและเร็วกว่า)

Gemini มีพลังพิเศษที่แตกต่าง — ความรู้สึกด้านการออกแบบ สำหรับ UI ที่สวยงาม ฉันจะให้ Gemini สร้างสเปก HTML/CSS ก่อน จากนั้นส่งต่อให้ Claude Code เพื่อนำไปใช้ในระบบคอมโพเนนต์ของเรา Gemini ออกแบบ Claude สร้าง

Zoe เลือกเอเจนต์ที่เหมาะสมสำหรับแต่ละงานและกำหนดเส้นทางเอาต์พุตระหว่างพวกมัน บั๊กระบบการเรียกเก็บเงินไปที่ Codex การแก้ไขสไตล์ปุ่มไปที่ Claude Code การออกแบบแดชบอร์ดใหม่เริ่มต้นด้วย Gemini

วิธีการตั้งค่านี้

คัดลอกบทความทั้งหมดนี้ลงใน OpenClaw และบอกมันว่า: "Implement this agent swarm setup for my codebase."

มันจะอ่านสถาปัตยกรรม สร้างสคริปต์ ตั้งค่าโครงสร้างไดเรกทอรี และกำหนดค่าการตรวจสอบ cron เสร็จภายใน 10 นาที

ไม่มีคอร์สให้คุณซื้อ

คอขวดที่ไม่มีใครคาดคิด

นี่คือเพดานที่ฉันกำลังเจออยู่ตอนนี้: RAM

เอเจนต์แต่ละตัวต้องการ worktree ของตัวเอง แต่ละ worktree ต้องการ
ode_modules\ ของตัวเอง แต่ละเอเจนต์รัน builds, type checks, tests เอเจนต์ห้าตัวทำงานพร้อมกันหมายถึงคอมไพเลอร์ TypeScript ห้าตัว, test runners ห้าตัว, ชุด dependencies ห้าชุดที่โหลดเข้าสู่หน่วยความจำ

Mac Mini ขนาด 16GB ของฉันรองรับได้สูงสุด 4-5 เอเจนต์ก่อนที่จะเริ่ม swapping — และฉันต้องโชคดีที่พวกมันไม่พยายาม build ในเวลาเดียวกัน

ดังนั้นฉันจึงซื้อ Mac Studio M4 max ที่มี RAM 128GB ($3,500) เพื่อขับเคลื่อนระบบนี้ มันจะมาถึงปลายเดือนมีนาคม และฉันจะแชร์ว่ามันคุ้มค่าหรือไม่

ต่อไป: บริษัทมูลค่าล้านดอลลาร์ที่มีคนเดียว

เราจะได้เห็นบริษัทมูลค่าล้านดอลลาร์ที่มีคนเดียวจำนวนมากเริ่มต้นในปี 2026 แรงงัดนั้นมหาศาลสำหรับผู้ที่เข้าใจวิธีสร้างเอเจนต์ที่ปรับปรุงตนเองแบบวนซ้ำ

นี่คือสิ่งที่มันเป็น: ตัวประสานงาน AI ในฐานะส่วนขยายของตัวคุณเอง (เหมือนกับที่ Zoe เป็นสำหรับฉัน) มอบหมายงานให้กับเอเจนต์เฉพาะทางที่จัดการฟังก์ชันทางธุรกิจที่แตกต่างกัน วิศวกรรม การสนับสนุนลูกค้า ฝ่ายปฏิบัติการ การตลาด เอเจนต์แต่ละตัวโฟกัสที่สิ่งที่มันถนัด คุณรักษาโฟกัสที่เฉียบคมและการควบคุมที่สมบูรณ์

ผู้ประกอบการรุ่นต่อไปจะไม่จ้างทีม 10 คนเพื่อทำสิ่งที่คนคนเดียวที่มีระบบที่เหมาะสมสามารถทำได้ พวกเขาจะสร้างแบบนี้ — ตัวเล็ก เคลื่อนที่เร็ว ส่งของทุกวัน

ตอนนี้มี AI-generated slop มากมาย มี hype มากมายเกี่ยวกับเอเจนต์และ "mission controls" โดยไม่ได้สร้างอะไรที่มีประโยชน์จริงๆ การสาธิตที่สวยหรูโดยไม่มีประโยชน์ในโลกแห่งความเป็นจริง

ฉันกำลังพยายามทำตรงกันข้าม: hype น้อยลง, เอกสารประกอบการสร้างธุรกิจจริงมากขึ้น ลูกค้าจริง รายได้จริง คอมมิตจริงที่ส่งไปยังโปรดักชั่น และความสูญเสียจริงด้วย

ฉันกำลังสร้างอะไร? Agentic PR — บริษัทที่มีคนเดียวที่ท้าชิงผู้ให้บริการ PR องค์กร เอเจนต์ที่ช่วยสตาร์ทอัพได้รับการรายงานข่าวจากสื่อโดยไม่ต้องมีค่าจ้างรายเดือน $10,000

หากคุณต้องการดูว่าฉันจะไปได้ไกลแค่ไหน ติดตามไปด้วยกัน