我在教 MCP 網站內容課的時候，第二堂固定會處理一件事：學員第一堂用 AI 把「關於我們」和首頁做出來了，回家看一看，覺得「這不像我」。

這幾乎是每個人都會經歷的階段。

我的答案是：讓 AI 像你，關鍵不在你怎麼下提示詞，而在你給它多少脈絡。只丟一段文字給它，它只能用「一般人會怎麼寫」來補。你要給它的是整個網站的上下文。

為什麼只丟一段字不夠

假設你請 AI 幫你改一篇文章的結尾。你貼了文章，它給你一個結尾，很通順，但它不知道：

• 這個網站是給誰看的
• 這篇文章屬於哪個分類、旁邊還有哪些相關文章
• 你有哪些服務頁可以接
• 你希望讀者看完做什麼，是訂閱電子報、報名活動，還是預約諮詢

沒有這些，它只能寫一個「適用於所有人」的結尾。所有人適用的東西，就不像任何一個人。

我在設計系統時的想法：脈絡比提示詞重要

我曾經想過要不要做一個「按一下就給 SEO 分數」的工具，市面上這種東西很多。後來我決定不做寫死的評分器，原因是提示詞本身不是最重要的，大家都會寫提示詞。

真正有價值的，是把網站的脈絡整理好送給 AI。每次丟給 AI 的資料，我列過一張清單：

• 文章標題、內文
• meta title、meta description
• 分類、標籤、目前網址
• 相關的服務頁
• 相關文章列表
• 網站定位、目標受眾
• 主要的行動呼籲
• 產品或服務資訊
• 名單收集的入口
• 這個站有沒有課程、活動、預約、電子報這些模組

這一包東西一起送進去，AI 做出來的建議，跟你只貼一段字給它，是兩個等級。它會知道這篇文章旁邊有哪三篇可以互相連結、結尾該接哪個服務頁，而不是每次都寫一句「歡迎聯絡我」。

這也是為什麼我做 MCP：AI 可以自己去讀你網站上的文章、分類、服務頁，而不是靠你一次一次手動貼。

具體要餵三層

如果你沒有 MCP，手動做也可以，我建議分三層。

第一層，定位。你是誰、服務誰、解決什麼問題、不服務誰。這段寫一次，之後每個對話開頭都貼。

第二層，材料。你自己過去寫過的文章、電子報、給客戶的回覆，挑幾篇你覺得最像你的。AI 從真實的樣本學語氣，比從你描述「我的語氣是溫暖但專業」準得多。

第三層，出口。這篇內容寫完之後要接到哪裡。是某個服務頁、某個訂閱頁、還是某場活動。有出口，AI 才知道結尾要往哪裡收。

一個例子：熱身課的第二個晚上

我把 MCP 網站內容熱身課拆成兩個晚上，不是為了塞更多東西，而是中間要留實作。

第一晚先做出來：關於我們、服務項目、首頁內容，現場上架。課後任務是把網站拿給朋友或目標客戶看，找出哪裡不像本人、哪裡資訊不清楚，把實際遇到的問題記下來。

第二晚回來，我示範怎麼用修正指令調整，而不是逐字手動改。學員帶回來的問題幾乎都是同一類：這段太客套、這不是我會講的話、這裡把我的服務講得太大。

修正的方式也幾乎一樣：不是換提示詞，是補脈絡。把你真正的服務範圍、你不接的案子、你講話的習慣補進去，再讓它重寫。第二版通常就明顯像了。

完整的路徑是：快速做出初稿、實際使用、發現問題、回來修正、繼續產出。像不像你，是在第三步之後才開始的。

常見的誤區

最大的誤區是想用一句話描述自己的風格。「專業但親切」「有溫度」這種形容詞對 AI 幾乎沒用，因為每個人都這樣描述自己。

給它三篇你真的寫過的東西，勝過三十個形容詞。

另一個誤區是把「像我」當成終點。其實網站內容像不像你，讀者不一定在意；讀者在意的是講不講得清楚、有沒有回答他的問題。像你是為了讓人信任你，不是為了滿足你自己。

所以下次覺得 AI 寫得不像你，先別改提示詞。回頭看看：你給它的，是一段字，還是一個完整的你？

Compassio 的 MCP 可以讓 AI 直接讀你網站上的文章、分類與服務頁，不用手動一篇一篇貼：https://compassio.app