AI學習與應用體會系列文章07:由內容生產到客戶回饋
接上文
真正可持續嘅網站，唔係不停叫 AI 生成更多內容，而係將資料、編輯、發布、分發、查詢、分析同更新連成一個受控循環。Agent 可以加快每一步，但內容可信度、品牌判斷同改動責任仍然要由人掌握。
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
上一篇講到，筆者用 AI Agent 由定位、資料架構、程式、測試一路建立網站。網站正式上線之後，筆者發現另一個更長期嘅問題：一個網站點樣先可以持續有用，而唔係完成第一版之後慢慢過期？
答案唔係每日大量生成文章。真正需要建立嘅，係一條由可靠資料開始，經過內容製作、人工審核、發布同分發，再由真實使用者行為同查詢帶返新問題嘅營運循環。AI 最適合處理其中大量重複步驟，但每一輪都要有證據、版本同批准。
網站上線先係營運開始
建立網站時，工作通常有一個清楚終點：功能通過測試、資料可以讀取、公開網址正常。但營運冇真正終點。地址會改、價格會變、服務會停止、使用者會提出新問題，搜尋方式同內容需求亦會不斷轉變。
如果網站只靠筆者記得先更新，內容好快就會出現時間差。另一方面，如果將更新權完全交俾 Agent，系統又可能根據不完整資料改錯內容、重複發布，甚至將一個使用者嘅個別意見誤當成普遍需要。
所以，筆者將營運理解成一連串受控狀態：原始資料、待整理內容、待核對草稿、已批准版本、已發布內容、量度結果同待改善項目。AI 可以推動內容由一個狀態去下一個狀態，但唔應該跳過中間嘅檢查點。
內容生產要由資料同目的開始
一句「幫我寫篇介紹」太容易令模型自行補完空白。佢可能寫得流暢，但未必知道文章服務邊類人、要回答邊個問題、可以引用邊啲資料，以及邊啲內容已經過期。
筆者先建立 content brief，將每項內容變成一份可以核對嘅工作單。最少要講清楚：目標讀者、使用場景、核心問題、可用來源、必須包含嘅事實、禁止推測嘅部分、語氣、格式、更新期限同發布渠道。
1｜讀者與意圖：讀者係想快速查答案、比較選項、了解方法，定係準備採取某個行動？
2｜證據範圍：邊啲原始資料可以使用，資料日期係乜，互相矛盾時以邊個來源為準？
3｜內容承諾：標題提出嘅問題，正文必須真正回答；唔可以用吸引點擊嘅標題包裝一篇冇答案嘅文章。
4｜品牌規則：用咩語氣、避免邊類表達、點樣處理不確定性，同埋乜嘢情況一定要加提示。
5｜完成標準：除咗文字通順，仲要核對事實、連結、日期、圖片、版面、內部連結同手機顯示。
當 brief 清楚，Agent 嘅角色就由「自由創作」變成「根據指定材料完成一份有邊界嘅草稿」。呢個分別，直接影響內容係咪可以長期維護。
| 真正可以自我改善嘅網站，唔係 AI 有權自行改任何內容，而係每次變更都有來源、有假設、有量度、有人批准，亦可以回復。 |
一份可信資料，可以變成多種內容
內容自動化最有價值嘅地方，唔係同一日寫十篇意思相近嘅文章，而係將一份已核對資料，有紀律咁轉成適合唔同場景嘅版本。核心事實保持一致，表達方式就按渠道改變。
例如一筆新服務資料，可以先更新詳情頁，再整理成常見問題、短篇社交媒體帖文、電郵提示、比較表同影片旁白。每個版本都要保留來源記錄同內容代號，日後原始資料變更時，系統先知道邊啲衍生內容需要重新檢查。
長文頁面：完整解釋背景、方法、限制、來源同更新日期，方便搜尋同深入閱讀。
FAQ：直接回答一個具體問題，語句短、條件清楚，並連返完整頁面。
社交媒體：突出一個重點或者使用場景，引導讀者去可信嘅原始頁面，而唔係塞入所有細節。
電郵或通知：只交代與收件人相關嘅變更、影響同下一步，避免將整篇文章搬入收件箱。
圖片同影片：將結構、步驟或者比較視覺化，但唔應該創造原始資料冇講過嘅事實。
呢種「一個內容來源，多個受控輸出」嘅方法，可以減少版本互相矛盾。相反，如果每個渠道都由 Agent 重新自由生成，同一個地址、日期或者條件好快就會出現幾個答案。
文字由 AI 起草，但事實同發布要分開審
筆者會將文字審核拆成幾層。第一層係資料：名稱、數字、日期、地址、條件同來源有冇對應原始記錄。第二層係推論：文章有冇將可能性寫成確定事實，或者由一個例子推廣到所有情況。第三層先係語氣、節奏同可讀性。
呢個次序好重要。文字寫得自然唔代表資料正確；而一篇資料全部正確但完全答唔到讀者問題嘅文章，亦唔算完成。Agent 可以先做事實對照、找缺漏同提出編輯建議，再由人決定內容是否足夠準確同值得發布。
對較低風險內容，筆者可以採用抽樣審核；涉及價格、資格、時間、健康、安全、法律或者財務影響嘅內容，就需要逐項核對。來源失效、資料互相矛盾或者重要欄位缺失時，系統應該停止發布，而唔係用最合理嘅句子補上。
發布亦要同草擬分權。內容 Agent 可以建立 draft、列出變更同準備預覽，但正式公開、覆蓋現有頁面或者大量批次發布，應該使用另一個批准步驟。咁樣就算模型誤解要求，影響都會停留喺草稿區。
圖片同影片都要有生產規格
圖片生成睇落似係最容易自動化：寫 prompt、生成、裁剪、壓縮再上載。但一張圖是否可用，仲涉及用途、尺寸、構圖、品牌一致性、替代文字、檔案大小，同埋畫面會唔會令人誤解。
筆者會先由內容 brief 產生 visual brief，列明圖片要解釋乜、出現喺邊個版位、需要邊種比例、必須避開咩元素，同埋係真實資料圖、示意圖定純裝飾圖。生成之後，Agent 可以檢查尺寸、裁剪安全區、壓縮格式同檔名，再交俾筆者做視覺同內容審核。
如果圖片包含文字、地圖、價格、產品細節或者步驟，單靠「睇落幾靚」唔夠。畫面入面嘅字可能錯、物件可能多咗或少咗，示意位置亦可能被讀者當成真實位置。呢類內容最好用固定圖表、程式產生圖像或者人工校對，而唔係完全依賴生成模型。
影片流程會再多幾層：概念、分鏡、旁白、畫面提示、配音、字幕、音樂、轉場、片長同直向或橫向版本。Agent 可以協調同重複輸出，但每一段旁白要同畫面一致，字幕要準確，節奏亦要由人實際觀看先知道是否自然。
筆者亦會保留原始腳本、素材來源、生成設定同最終輸出之間嘅關係。日後資料更新，唔係只改網站文字，亦要知道邊條短片、邊張圖卡同邊段旁白已經過期。
社交媒體係分發渠道，唔係複製貼上
同一段內容直接貼到所有平台，通常只係完成咗排程，未必完成溝通。唔同渠道嘅閱讀節奏、畫面比例、字數、連結方式同使用者預期都唔同；核心訊息可以一致，但開場、長度同下一步要按場景改寫。
Agent 可以根據內容日曆，將已批准文章拆成數個角度：一個實用提示、一個常見誤解、一個步驟示範、一條讀者問題或者一段短片。佢亦可以準備標題版本、圖片尺寸、字幕同建議發布時間，再放入待批排程。
不過，排程系統唔應該無限自動重發。每項內容要有有效期、渠道限制、最大發布次數同停止條件；涉及突發事件或者資料已變更時，要可以即時暫停。品牌回覆、公開爭議同個別客戶個案，亦唔適合由一般自動化規則直接處理。
筆者關心嘅唔只係邊個時間互動較高，而係社交內容有冇將正確讀者帶到有用頁面、讀者之後有冇完成任務，同埋佢哋提出咗咩新問題。分發係循環嘅一部分，唔係獨立追求曝光。
客戶查詢係營運數據，唔只係要回覆嘅電郵
網站開始有人使用之後，電郵、表格、留言同搜尋字詞會帶來一種非常有價值嘅資料：使用者真正想知道乜，以及現有內容邊度講得唔清楚。
筆者叫 Agent 定期讀取新查詢，先移除垃圾郵件同重複項目，再按主題、緊急程度、需要資料、投訴、技術問題或者一般意見分類。之後佢會搜尋已批准知識庫，找出可以支持回覆嘅頁面同原始資料。
1｜接收查詢並保存時間、渠道同相關頁面，但只保留處理工作所需資料。
2｜判斷查詢類型、敏感程度同是否需要即時升級。
3｜搜尋現有網站、FAQ、政策同已核對資料，列出可引用依據。
4｜草擬回覆，同時標示缺少資料、假設同需要人工決定嘅部分。
5｜由人確認後發送，並記錄最後採用嘅答案，而唔係只保存模型最初草稿。
6｜將問題加入主題統計，找出重複出現但網站未處理好嘅缺口。
呢個流程令回覆唔再係一次性工作。每一封查詢除咗服務當事人，亦可以幫助筆者改善網站內容、導覽、搜尋同資料結構。
AI 可以草擬回覆，但高風險情況要升級
自動回覆最危險嘅地方，係模型可能將相似個案當成同一個個案。表面上只差一個日期、地點、資格或者帳戶狀態，實際答案可以完全不同。
所以，筆者唔會只用「信心分數高」作為自動發送條件。更重要係規則式升級：涉及個人資料、付款、退款、投訴、法律責任、安全、帳戶權限、媒體查詢或者來源互相矛盾，都必須交由人處理。
即使係一般查詢，回覆 Agent 亦只應讀取完成任務所需嘅最少資料。客戶電郵、附件同聯絡資料唔應該任意放入長期記憶、公開知識庫或者日後內容生成材料。分析重複問題時，可以先移除身份資料，只保留主題同問題結構。
對外回覆要保存引用依據、批准人、發送版本同時間。日後發現資料有誤，可以知道邊啲人可能收到過舊答案，而唔係只更新 FAQ 就當問題消失。
重複問題應該變成內容 backlog
如果同一類問題一星期出現十次，最有效嘅做法未必係將回覆速度再快十秒，而係找出點解使用者喺網站搵唔到答案。可能係根本冇內容、標題用詞唔同、導覽太深、搜尋失效，或者頁面雖然有寫但條件太含糊。
Agent 可以將查詢聚類，連同相關搜尋字詞、跳出頁面同現有內容一齊整理，建立 content backlog。每一項唔係直接命令「寫篇新文章」，而係一個待驗證問題：有幾多人遇到、現有答案喺邊、缺口係內容定介面、修改後要量度乜。
有時最合理嘅改善係新增 FAQ；有時係改一個欄位名稱、加內部連結、將重要條件移到頁面頂部，或者修正數據庫。AI 容易將所有問題都轉成更多文字，但營運系統應該揀成本最低而真正解決問題嘅改動。
單一查詢亦唔應該即時改動公開內容。較穩陣嘅流程係先累積證據、檢查是否代表普遍問題、提出候選修改、建立預覽，再由人批准發布。
網站分析要量度任務，而唔只係流量
瀏覽量、停留時間同互動率容易取得，但未必代表網站真正有用。有人停留好耐，可能係內容深入，亦可能係搵唔到答案；跳出率高，可能係頁面失敗，亦可能係讀者一入去已經得到所需資料。
筆者為每類頁面定義核心任務，例如成功找到地區資料、完成比較、打開聯絡方式、由 FAQ 去到完整說明，或者提交一個有效查詢。分析工具記錄嘅事件，要盡量對應呢啲任務，而唔係為咗收集得愈多愈好。
Agent 可以定期整理搜尋無結果、多人離開嘅步驟、重複查詢、失效連結、過期頁面同裝置差異，再將異常同可能原因分開。佢可以提出假設，但唔應該將相關性直接寫成因果。
數據收集亦要有邊界。對改善內容冇必要嘅個人資料，就唔應該因為技術上收集得到而保存。營運分析最好由最少事件開始，清楚定義用途、保存期限同存取權限。
A/B 測試係驗證假設，唔係不停試到有數字
當 Agent 發現某頁表現較差，下一步可以提出幾個改善方案，例如改標題、調整按鈕位置、縮短步驟或者重寫開場。但如果一次過改晒所有元素，就算結果變好，亦唔知道真正原因。
筆者會要求每次測試先寫低假設：邊類使用者遇到咩問題、準備改邊一個主要變量、預期改善邊個任務指標、會觀察幾耐，以及有咩負面指標唔可以惡化。
1｜先定成功標準，再睇結果，避免見到任何上升數字先宣布有效。
2｜同一輪盡量只測一個主要差異，其他內容、資料來源同追蹤方式保持一致。
3｜設定最短觀察期同最低資料量，唔好測試開始幾個鐘就因短期波動提前停止。
4｜除咗主要指標，亦要睇錯誤率、投訴、取消、頁面速度同其他防護指標。
5｜測試結果要保存版本同解釋；冇明顯差異亦係結果，唔需要不停改分析方式追求勝出。
Agent 可以建立版本、分流、整理數據同產生報告，但是否值得全面採用，仍然要考慮品牌、可理解性、長期維護同對少數使用者嘅影響。
自我改善循環一定要有版本、審批同煞車
將內容、查詢同分析連起來之後，整個系統可以形成一個循環：使用者行為同查詢產生訊號；Agent 整理問題同證據；提出候選改善；建立新內容或頁面版本；經人工審核後發布；再量度結果。
呢個循環之所以叫「自我改善」，唔係因為 AI 可以任意改自己，而係系統能夠根據真實結果更新下一輪工作。每個版本都有變更原因、來源、測試結果、批准人同 rollback 方法。
同時要有停止條件：來源過期、數據量不足、指標互相矛盾、錯誤率上升、負面回饋突然增加、內容涉及敏感事件，或者 Agent 無法解釋改動依據時，流程應該暫停並交由人檢查。
最危險嘅情況係系統只識追一個容易量度嘅指標。例如只追點擊率，標題可能愈來愈誇張；只追停留時間，內容可能故意拉長；只追回覆速度，答案可能變得草率。真正目標要同使用者任務、內容可信度同長期信任一齊考慮。
筆者亦會將日常工作分成唔同節奏：每日處理新查詢、失效資料同高風險警告；每星期整理重複問題、內容缺口同待測試項目；每月檢查整體指標、過期內容、成本、權限同自動化規則。唔同頻率嘅工作，唔應該全部混成一個永不停低嘅 Agent。
最後建立嘅唔係內容工廠，而係學習系統
完成呢一輪之後，筆者唔係想轉行整網站，而係透過呢份功課，對AI 生成內容自動化有更深入了解。最大嘅改觀係：最重要唔係 AI 一日可以寫幾多篇、生成幾多張圖，而係網站有冇能力知道自己邊度未解決使用者問題，並用最小、可驗證嘅改動去改善。
一個可靠流程會將原始資料、內容版本、發布渠道、客戶查詢、分析事件、測試結果同決策紀錄連起來。Agent 負責整理、轉換、草擬、監察同執行重複步驟；人負責決定值得解決邊個問題、接受邊種證據、邊個版本可以公開，以及出錯時點樣負責。
當呢套循環運作起來，一個人確實可以同時處理以前分散喺編輯、設計、社交媒體、客服、分析同產品改善之間嘅大量工作。但能力被放大之後，瓶頸亦會由「冇人手做」轉成「有冇足夠判斷、驗收同治理能力」。
下一篇，會集中處理呢個問題：一個人加 AI，係咪真係等於一隊小型團隊？亦會講點解 AI 同一個要求未必每次產生完全相同結果，以及點樣用固定輸入、測試、版本同人工審核，將呢種不確定性控制喺可接受範圍。
下一篇
一個人加 AI，係咪真係等於一隊小型團隊？
下一篇會由網站、內容、客服同分析嘅實際分工出發，討論 AI 點樣放大一個人嘅能力、邊啲專業角色仍然無法被簡化，以及點解非確定性、驗收成本、品牌、保安同責任，先係由原型走向長期營運嘅真正限制。