卷首語
看了一下去年下半年只有寫 4 篇，覺得怎麼這麼混 ==，對不起大家我會努力更新的。
不管走到什麼階段，完美主義永遠會藏在身邊，告訴你『這東西好像還不夠好，先緩緩』，然後就放著偷懶。但成長必須用不斷的『錯誤』去進化，而不是一步到位，提醒我自己，也希望給被完美主義耽誤的人一點提醒。
今年新的方向是從 SEO 跳到 Workflow Automation 的領域中，開課是第一步，再來會嘗試進行企業內訓、協助個人/部門/公司能夠掌握自動化，有興趣歡迎聊聊！
其實這篇標題本來要寫『從資訊獲取來分解 Workflow Automation 的過程』，結果寫了一些前言想法就有點長了，索性當成簡短一篇。
近期問了一些朋友想說可以幫忙自動化這件事，發現一個問題：
大家不知道自己要自動化啥東西。
之前剛好在跟威宇聊這件事時，我有幾個觀察：
自動化工具行之有年了，並不是因為 LLM 才出現的
如果說 LLM 出現前，我們就不會用這些 Workflow Automation 的工具，那大家因為 LLM 而開始用的原因是什麼？
例如 LLM 降低了使用這個工具的成本，或是 LLM 可以協助我們學習新工具。
但前提是大家要知道怎麼搭配使用 LLM。
人數來說：不知道 LLM 的人 > 知道 LLM 的人 > 會用 LLM 的人 > 精通使用的人
再加上 LLM 出現之前就沒什麼用的話，那不意外現在用的人仍不多，這是很正常的。
牙咬著就能做完的事，為什麼要自動化
可能上一代留下刻苦努力的價值觀，讓我們習慣了忍辱負重做事。
有些任務感覺耗時，可是好像牙一咬忍一下就過了，可是為了實現自動化，必須花費十幾二十個小時，而且還不一定有成果。
這是一個必須忍受短期痛苦才能獲得長期回報的過程（而且可能會失敗）。
舉例來說，一般公司內的發送電子報自動化這件事，過程可能是這樣：
蒐集素材
整理內容
整理到 Google Doc
傳送到群組請大家審稿
更新 Email 名單
開啟拖拉式編輯器，複製貼上、複製貼上、上傳圖片、加入錨文字連結
然後過程中有個說麻煩不麻煩，但又很繁瑣的過程『更新電子報名單』。
我們有個客戶總表（Google Sheet），只有特定條件下的客戶可以收到電子報，然後某個欄位會請業務把客戶 mail 填上去。
所以當我們更新名單時應該很簡單吧：篩選某個表特定條件下的所有 email，匯出！
但問題來了：
有些人會填重複的 email
有些人換行
有些人加入分號不換行
有些人打錯格式
有些人忘記填（空白）
這時候自動化就是解決上述問題的時候，但問題又來了：
如果你本來就不熟悉 Google Sheet 公式怎麼辦
問題講不清楚怎麼辦
想要達成的目標講不清楚怎麼辦（Ex：給 LLM 說我希望抓表單的資料成正確格式。『抓啥資料？』、『什麼是正確格式？』）
所以造成很多人在自動化這條路上，在 Google Sheet 公式這一關就卡住了，更不用說什麼用 make、n8n 華麗自動化。
那是不是大家選擇牙咬著，複製所有名單、選單刪除重複及空白、剩下的手動找問題、匯出 csv 上傳平台、平台說哪一筆有問題再回頭重改，往復循環以上步驟。
可能兩三小時就過了。
提高效率可能根本不是一個需求
『同樣的時間，能夠做完這些工作，為什麼要再提升效率，然後多做其它工作？』
並不是每個人都有想要提升效率、展現能力，有時候『舒適圈』意味著我已經習慣了這樣的環境、模式、方法，要人學習新工具本身可能就是需要跨出舒適圈感到累的一件事。
更不用說前面才提到的多個門檻。
不過 LLM + 自動化肯定會是未來的浪潮之一，雖然說今年的熱潮一定會是 AI Agent（代理人），很多人會疑問有代理人不就不用再弄這些自動化了？任務交給 AI，它自己想怎麼達成、然後找工具、執行完成任務。
培養 Workflow Automation 能力的目標就是為了在未來可以與 AI Agent 無縫接軌。
想一下，無論是你還是 AI，目標、方向出來都得不斷 breakdown 成可執行的小目標，但是每個人 breakdown 的方式都不同。業績希望提升一千萬，轉換成戰略層面就有無數種方法。
連定義目標達成可能都不容易，拿『提高品牌忠誠度』為例，怎麼樣可以代表品牌忠誠度，怎麼樣又能算品牌忠誠度『提高了』？
所以你想，如果今天拿到了一個 Agent，我們會怎麼開始溝通、定義目標、制定任務？
設想我們現在拿到一個最簡單的 AI Agent『寫作機器人』，我們會怎麼開始：
寫一篇好文章
寫 SEO 文章
寫文幫助轉換購買
寫就對了？
跟使用 LLM 一樣，工具到我們手上我們一樣要給出清楚的目標、脈絡、策執行略，而訓練好清晰表達與思考能力，就是需要從現在起，Right now，開始訓練。
這跟修煉內功一樣，一輩子的事，內功深厚、根基雄厚，用甚麼武功（工具）才能發揮百倍功力。
近日思考
▍清晰、完整脈絡、細節拉滿的對話才是好的 Prompt
這幾天看到一句話是這麼說的：
越能清晰精準的表達與 AI 溝通，代表你越會使用 AI 而且越會思考。
我們太習慣口語化表達，省略了大量的脈絡資訊，但工作中很多能力好的人往往文字組織能力也很強。
因為這樣的人會去思考怎麼架構文字內容、突出核心、類比說明，並同時考慮讀者認知、換位思考。
所以與其學 Prompt 技巧，真正做到磨刀不誤砍柴功的其實是在一次次對話中，訓練自己更精確的表達。
你會發現原本可能要 15 次來回溝通 AI 才能產出正確的東西，慢慢的變成了 10 次、5 次，這時候就知道你跟 AI 溝通的能力又進步了。
這是一種內功，需要時間修煉，也是所有想用 AI 工具的人需要培養的能力。
▍在跟 AI 溝通來達成 Workflow 自動化時....
我的 Prompt 開頭為什麼說要用 PRD 文件，就是因為我們是 PM 的角色，先把需求溝通明確再來產生對應的程式，效果會更好。
然後我要怎麼觸發工作流、讀取的是 notion 上哪個 Property，Property 是什麼類型的、最終輸出時的載體是什麼。
所以溝通時會有：
目標：怎麼樣是達成所要的結果
工具：過程使用了哪些工具
資料：每個節點之間接收跟送出的資料可能格式都不同
判斷：節點跟接點之間要設定什麼規則往下走
然後先求有再求好，也許一開始的接點很亂，但是達成了目標。再來就是進一步思考這個流程能夠怎麼再優化。
是不是有更好的工具、是不是有些步驟可以省略、原來有人做過類似的功能/API 了等等的。
然後就會越來越進步，能力也會越來越強。
Prompt 如下給大家參考：
```
請你根據我的需求來完成一份詳細的n8n功能開發PRD文件，如果我有遺漏請跟我討論到完整。
我想寫一個按鈕，放在notion，用來觸發webhook到n8n，然後可以抓取我特定資料庫中，property 為：
Publish data：當月的內容（格式為xxxx/xx/xx）
電子報素材：狀態是打勾（checked）
抓取符合這兩個條件的特定 database 內容，然後抓取該 Page 的：
Title
Property 為『Cover Image』的圖片（File & Media）
Property 為『Slack message』的內容
將所有該內容合成一個 Google doc 放置於特定雲端資料夾中，然後將該文件傳送到特定 Slack Channel。
幫我看看有沒有遺漏任何資訊，有的話請告知我，我會補充相關資訊。
```
▍AI Search 的趨勢之一：小心 JS 渲染內容 AI 抓不到
JS 渲染幾乎是現在網頁必備的項目了，各種特效、拉資料等等的很好用。
可是諸如 ChatGPT 等 LLM 工具在渲染 JS 上做的並不好，目前做的最好的還是只有 Google，但你一定希望你的內容可以在各種問答上出現吧。
Vercel 出了一篇文章，由 MERJ 和 Vercel 共同進行。研究團隊通過監測 nextjs.org 和 Vercel 網路收集數據，同時分析了使用不同技術架構的網站。
目的是為了深入了解主要 AI 爬蟲（如 ChatGPT、Claude 等）如何爬取和處理網路內容。
▍在 JavaScript 渲染能力方面各爬蟲存在明顯差異。
大多數主要 AI 爬蟲，包括 OpenAI、Anthropic、Meta 和 ByteDance 的爬蟲都不執行 JavaScript。
雖然 ChatGPT 和 Claude 會抓取 JavaScript 文件，但並不執行這些程式碼。相比之下，Google 的 Gemini 和 AppleBot 具備完整的 JavaScript 渲染能力。
▍內容類型優先順序
不同 AI 爬蟲在內容類型偏好上表現出明顯差異。ChatGPT 主要關注 HTML 內容，占其請求的 57.7%；Claude 則更注重圖片內容，占 35.17%。Googlebot 的內容獲取更加均衡，HTML、JSON、純文本和 JavaScript 的比例相對平均。
▍爬蟲效率問題
AI 爬蟲在效率方面仍面臨重大挑戰。ChatGPT 和 Claude 約有 34% 的請求遇到 404 錯誤，ChatGPT 還有 14.36% 的請求需要轉址。
看看 Googlebot 僅有 8.22% 的 404 錯誤率形成鮮明對比，很明顯 AI 爬蟲在 URL 選擇和處理策略上還有很大的進步空間，Google 還是最強。
▍會有什麼問題？
由於大多數 AI 爬蟲不執行 JavaScript，動態渲染的內容可能無法被正確獲取；
高達 34% 的 404 錯誤率意味著 AI 工具提供的 URL 可能不可靠；
資料的新鮮度也可能不一致，即使 AI 聲稱獲取了最新資訊，實際上可能使用的是快取或訓練數據。
▍前面看不懂沒關係，看結論
雖然有人鼓吹技術無用，Content 為王，但你的內容 AI 看不到就不會被引用喔。
網站管理員應該跟技術人員討論：
重要內容是否一定需要透過 JavaScript 來渲染？
是不是能將重要內容先在原本的 HTML 中呈現讓爬蟲可以抓到。
渲染資源是否過重過多導致 AI 爬蟲沒有爬到正確資源就離開了？
awoo 團隊對於 AI Search 非常關注，團隊對於國外專家的看法也非常深入在研究，對於語言模型如何影響 SEO、搜尋的未來更是不斷在進行沙盤推演。
技術面確實不是每個都需要優化，但是關鍵部分如果沒有留意，可能連參與競爭的資格都沒有。
研究報告雙語翻譯版本：
我花了整整一個月的時間想搞一個 AI SEO 寫作 Agent，然後才發現自己根本不懂寫作....