AI 應用真正的價值，不在最後那個生成按鈕

這是我七月底在班上做的玩具，我想講的不是讓 AI 寫文案，這個小玩具叫做「品牌內容引擎」，它可以爬自己的網站，也可以一次放入多個競品網站，先分析我方品牌，再逐家拆解競品，接著把雙方放進同一組構面比較，找出優勢、弱點、已經被打爛的戰場以及市場上還沒有人真正佔住的位置。分析完之後，它不會停在一份看起來很專業、實際上不知道要拿來做什麼的報告，而是繼續往下跑。喔！這個玩具開源了，連結在留言處！

它會把比較結果收斂成差異化定位，發展出訊息支柱，再依照不同分眾與漏斗階段建立行銷矩陣，最後排成貼文策略。

使用者勾選啥，系統就會把它們寫成可以直接發布的品牌文案。所以整條流程是：我的網站、競品網站、雙打比較、差異化策略、行銷矩陣、貼文策略，最後才是品牌文案。

有人看完可能會覺得這個工具好像滿完整的，但它其實真的只是七月底在班上做出來的玩具。

我之所以特別把它拿出來講，不是因為它的畫面多漂亮，也不是因為它可以幫你生出幾篇貼文，而是因為這個玩具剛好很完整地暴露了我的 AI 應用設計思路。

我不是先想我要做一個會寫文案的工具

我先想的是一篇真正有競爭力的品牌文案，到底需要經過哪些判斷？

一般人想到 AI 文案工具最常設計成一個輸入框，你把品牌名稱、商品資料和想寫的主題丟進去，按下生成 AI 就吐出一篇文章。

這種設計當然不是不能用，問題是文案不該是憑空冒出來的，如果前面沒有品牌定位，沒有競品分析，沒有差異化判斷，沒有明確知道這篇內容要打哪一種人、處理哪一個漏斗階段，那麼 AI 寫得再流暢，也只是把大家都會講的話重新排列一次，它可能很順但不一定有用。

所以我沒有從文章要怎麼寫開始設計，而是把問題往前推

在寫文案之前，我們先要知道自己是誰，但只知道自己是誰還不夠，因為品牌定位不是關起門來自我介紹，你說自己務實、專業、有經驗，競品可能也在說一模一樣的話，而且講得還比你好 😅

所以下一步不是繼續稱讚自己，而是要趕快把競品拉進來！

你在打誰？競品在打誰？你們都在講什麼？哪些賽道早就擠滿了人？哪些價值只是每一家都會寫在首頁上的基本配備？又有哪些能力只有你真正做得到而且對方短期內很難模仿？

這時候差異化才不是一句靠靈感想出來的口號，它是基於真實資料比較之後的結論。

比如範例裡 demo 的拓思學院，我方主打的是 AI 企業內訓，兩個競品分別佔住了不同位置。SkillForge 用遊戲化關卡、公開價格與完訓率打人資；AI Now 用顧問資歷、產業報告與高階策略工作坊打決策層。

如果這時候拓思學院也繼續講專業講師、完整課程、提升 AI 能力，這樣不是定位，只是加入賽道的起跑線而已。

系統比較後會發現兩家競品都把重點放在「課程進行時」，只有拓思學院把「課程結束三個月後，團隊還有沒有繼續使用」當成交付的一部分，這樣定位才有可能被收斂成「我們不賣課程時數，我們賣流程真的被改掉。」

這句話不是 AI 突然文思泉湧寫出來的，它前面有網站資料、有競品拆解、有構面比較、有市場空位，也有品牌本身確實能提供的三個月陪跑機制。

所以我一直說，AI 應用真正的價值往往不在最後那個「生成」，而是在生成之前，你安排它經過了哪些判斷。

這也是為什麼這個工具的介面不是一個聊天視窗，而是一條清楚的階段軌。

00 模型與金鑰

01 爬我的網站

02 解析我的網站

03 爬競品網站

04 解析競品網站

05 雙打比較

06 差異化策略

07 行銷矩陣規劃

08 貼文策略

09 品牌文案

這不是為了把畫面做得很炫砲

因為每一段負責的判斷不同，使用的資料不同，輸出的結構也不同，所以會有不同的分段。

很多人使用 AI 時習慣把所有要求塞進一個超長 Prompt 裡，幫我分析品牌、研究競品、找出差異、規劃客群、建立行銷策略，然後幫我寫十篇貼文。

模型當然可能會給你答案，但你不會通靈啊！它的差異化是根據哪一段資料做出的？而且你也很難發現它是不是在前面判斷錯誤之後，後面一路用錯誤的前提寫下去。

更麻煩的是只要其中一小段不符合需求，你通常只能整包重跑。

這就是我為什麼要把一個模糊的大任務，拆成一連串可以檢查的推理節點。

先確認品牌解析對不對！再確認競品判斷對不對！接著確認比較構面是否合理！然後才決定差異化策略！

每一步都可以看見、可以修改、可以重跑，而且修改之後會直接影響下一段。

這不是把工作拆碎而已，而是在管理錯誤

AI 最危險的地方不是它偶爾會答錯，而是它可以在一個看似合理的錯誤前提下，繼續產出一整套非常完整的錯誤答案。

如果使用者只看到最後那篇文案，他可能會覺得寫得還不錯，但如果你把推理過程攤開來，就會發現問題可能早在品牌解析時就已經出現了。

所以我的設計不是要求 AI 一次答對，而是讓人有機會在錯誤被放大以前把它攔下來。

這也是為什麼系統裡會保留信心程度、證據、待補資訊與人工修改入口。

網站沒有公開價格，系統就應該說不知道，而不是替品牌發明一個價格策略。

案例沒有量化成果，就應該列為待補資訊，而不是為了讓報告看起來完整自己補上一個「效率提升 30％」。

推論可以做，但推論必須被標示為推論。

資料不足也可以繼續，但系統必須讓使用者知道現在這個結論站在多薄的地面上。

我對 AI 的態度一直不是「相信它」或「不相信它」這麼簡單

我的做法是把可以相信的部分、需要查證的部分，以及必須由人決定的部分，通通分開處理。

再來是結構化輸出！很多人看到畫面上的品牌卡片、競品表格、行銷矩陣和貼文週表會覺得那就是前端排版而已。

不不不，我是為了讓模型在每一個階段都不只是自由寫一篇文章，而是必須回傳指定結構的資料。

① 品牌分析有品牌名稱、定位、產品服務、價值主張、信任證據、語氣、常用詞、避免詞、待補資訊與信心程度。

② 競品分析有目標客群、價格訊號、主打價值、內容切角、強項與破口。

③ 行銷矩陣則必須明確對應分眾、漏斗、訊息支柱、內容形式、通路、CTA、驗收指標與頻率。

為什麼要這麼麻煩？

因為一篇看起來很完整的文字，未必能繼續被系統使用，但結構化資料可以，它可以被檢查、被比較、被修改、被存檔、被重新匯入，也可以直接成為下一個階段的輸入。

所以我設計的不是一串 Prompt，而是一條資料與判斷會逐步累積的狀態流程，前一段的產出不是交差用的報告，它應該是下一段的原料。

如果每一個步驟都重新把原始網站丟給模型，AI 每次都可能對品牌產生不同理解。前面說品牌務實直接，後面又突然寫成熱血激勵；前面認為客戶是部門主管，後面卻全部用總經理的角度寫文案。

但如果品牌解析被固定成一個可以編輯的結構，後面的 Persona、矩陣與文案就有了共同依據，這時候的品牌一致性就不再只靠 Prompt 裡寫一句「請保持品牌語氣」，它可以變成一組會沿著流程傳遞的具體資料。

還有一件事，是很多人做 Demo 時不太會管的

失敗的時候怎麼辦？
網站爬不到怎麼辦？
CORS 擋住怎麼辦？
其中一家競品抓取失敗怎麼辦？
模型沒有回傳標準 JSON 怎麼辦？
API 金鑰無法保存怎麼辦？
使用者沒有金鑰，但只是想先理解工具怎麼運作，又怎麼辦？

如果你的答案都是「那就不能用」，這個工具即使在你自己的電腦上跑得很漂亮，也還不能算是一個工作流程。

所以這個小玩具裡，我安排了很多不性感、但實際使用時非常重要的降級路徑。

網站先嘗試直連，被擋就切換讀取代理；全部失敗，仍然可以手動貼上文字。

一次分析多個競品，其中一家失敗也不應該卡死其他家。

沒有 API 金鑰，也可以先載入一份完整範例，理解十個階段會產出什麼，而且不會發出任何請求。

所有結果可以匯出 Markdown、JSON，也可以存成檔案、重新開啟，甚至清空進度重來。

這些功能看起來不像 AI，但它們才是讓 AI 從「偶爾成功的表演」變成「可以交給別人操作的系統」的關鍵。

所以當有人問我，為什麼我可以在很短時間內做出這類工具，我覺得答案不是因為我打字快，也不是因為我記得很多程式語法，而是我在開始寫程式以前，腦中已經先完成了任務拆解。

我知道輸入是什麼，我知道中間需要經過哪些判斷，我知道每個判斷應該產出什麼結構，我知道哪些環節可以交給 AI，哪些環節必須留下人工控制。

我也會先想好，當資料不完整、模型不穩定、外部網站抓不到或使用者做到一半想修改時，整條流程要怎麼繼續走下去。

等這些事情想清楚之後，程式只是把它實現出來。

至於想好以上這些要多久時間？我忘了，大概是上課時間的 5~10 分鐘？一邊跟學員 QA 一邊做出來。

所以你看到的雖然是一個品牌內容引擎，但我想講的不是品牌也不是文案

我寫這篇是因為很多人需要知道如何把一個原本只能靠資深顧問經驗完成的模糊任務，拆成一條可執行、可驗證、可修改、可延續的 AI 工作流程。

這也是 Harness Engineering Framework，也就是 HEF 要教的事情，現在很多人學 AI 還是把注意力放在「怎麼問得更好」。

Prompt 當然重要，但當任務開始變長、資料來源開始變多、輸出需要被下一個步驟使用，而且結果必須穩定交付給別人時，光靠一句很厲害的 Prompt 已經不夠了。

你需要開始思考：這個任務應該拆成幾段？每一段應該由誰判斷？模型需要拿到哪些脈絡？輸出要用什麼結構，才能繼續往下接？哪裡需要人工審核？錯誤發生時，要重跑全部，還是只重跑其中一段？外部工具失敗時，有沒有替代路徑？甚至最後的成果能不能被保存、追蹤、重複使用，甚至交給其他人操作？

這些問題已經不是 Prompt Engineering 可以完整處理的範圍，這是 Harness Engineering。

它關心的不是如何對 AI 下達一句完美指令，而是如何替 AI 建立工作環境、脈絡、工具、限制、驗證機制與接續流程，讓它在真實任務裡穩定完成工作。

你不需要一開始就做出一個完整 SaaS，我在七月底課堂上做的也只是一個單檔 HTML 小玩具。

但當你開始理解這種設計方式，你看待 AI 應用的角度就會開始改變，你不會只是問「這件事可以用哪一個 AI 工具？」，你會開始問「這件事要怎麼被設計成一套 AI 能夠參與，而且人仍然掌握判斷權的系統？」

這就是 HEF 真正要訓練的能力，不是追著每一個新模型跑，也不是收藏更多 Prompt，而是無論模型怎麼換、工具怎麼變，你都知道如何把一個真實問題，設計成一條跑得動的工作流程。

至於這個品牌內容引擎以後會不會繼續長大，我現在還不知道，畢竟它原本真的只是班上做出來的玩具，而且我才剛完成了昨天學員的許願😅

但有時候一個玩具最有價值的地方，不是它最後會不會變成產品，而是你能不能從它身上看見自己的思維脈落！

這個玩具開源了

Github連結在一樓！請給星星好評！！互動留言＋給星星，不然你沒有颱風假可以放！（好像還很遠？）

本文原發表於 2026/08/03 的 Facebook 貼文，原文照登，僅調整網頁排版；文中提及的產品、價格與活動以當時為準。