從農曆年到四月
今年農曆年是 2026 年 2 月 17 日，那個週末我在家裡吃過年菜，跟家人聊「以後 AI 會不會搶你工作」這種話題。那時候我對 Claude 的用法，最多就是問他問題、請他幫我寫文案。Cowork 這個功能我聽過，也試過一次，但那天我腦海裡想的是：「這東西目前還沒辦法讓我真的跟它一起做事。」
兩個月後，2026 年 4 月 19 日，我坐在同一張書桌前，剛把「賴管家 Skill」的透明度頁推上 GitHub Pages。從 2 月到 4 月，我跟 Claude 一起寫了六個 MCP 工具、四章技術白皮書、五份架構決策紀錄，還有一個對外的透明度落地頁。兩個月前我還不敢想的事，現在是日常。
AI 進步太快。我們只看得到 5 月。
但在這個「只看得到 5 月」的視野裡，我們看到一件正在被大家錯過的事：大家還在拼命寫文章做 SEO 和 GEO，想讓 Google 和 LLM 爬到自己家的內容。但 MCP、Skill、AI Agent 這些工具已經存在 — — 我們其實可以不用寫文章給 AI 爬，可以直接跟 AI 說話。
這篇文章是我們的一次嘗試。
我們看到什麼正在被錯過
過去二十年，SMB（中小企業）做行銷的主線很清楚：寫部落格、經營 SEO、讓 Google 把你排到搜尋結果第一頁，然後等客戶點進來。
2023 年 ChatGPT 紅起來之後，一個新的名詞出現了 — — GEO，Generative Engine Optimization（生成式引擎優化）。白話說就是：寫文章給 LLM 爬。讓 Claude、ChatGPT、Perplexity、Gemini 在被使用者問問題時，會從訓練資料或即時搜尋裡，引用到你寫的內容。
這兩件事都在做對的事。但仔細想一下，GEO 有兩個致命問題。
第一個問題：你不知道 LLM 是不是真的讀到了你的文章。
寫完一篇部落格，Google 會給你 Search Console，告訴你哪些關鍵字搜尋排第幾、點擊率多少。但 LLM 不會。使用者問 Claude：「台灣有什麼便宜的 LINE OA 預約系統？」Claude 的回答裡有沒有引用到你的文章？有多少比例的使用者在這種情境被推薦給你？ — — 這件事沒辦法 audit。你寫了十篇深度文章，可能 LLM 一篇都沒讀到。
第二個問題：LLM 引用你的時候可能改寫。
更麻煩的是，即使 LLM 讀到了你的文章，它在回答時會用自己的話「重新組織」 — — 這個過程叫 hallucination risk（幻覺風險）。你原本寫「月費 99 元，優惠期到 6 月底」，LLM 可能回答成「大約一百元上下，具體看活動」。精準度被稀釋，優惠時效性消失，連「99 元」這個 sweet spot 都變成「一百元上下」。
這兩個問題合起來，就是 GEO 的天花板。你不是輸給競品，你是輸給「不透明」和「幻覺」。
那有沒有更直接的方法？
我的觀察是 — — MCP 和 Skill 是 LLM 官方提供的「直接溝通通道」，為什麼 SMB 不用？
2024 年 11 月 Anthropic 開源 MCP（Model Context Protocol，模型上下文協議）。2025 年 10 月 Anthropic 發表 Agent Skills。2025 年 3 月 OpenAI 宣布支援 MCP，10 月 ChatGPT Developer Mode 加入完整 MCP 支援。這些協議的本質很簡單：LLM 在回答使用者的問題時，不一定要靠「回想訓練資料」，它可以當下直接呼叫一個工具，拿到最新、最精準的答案。
也就是說，如果我替我的產品寫一份 Skill，裡面清楚定義「這是賴管家、月費 99 元、優惠到 6 月底、個人版適合這幾種人」 — — 當使用者問 Claude「台灣便宜的 LINE OA 預約系統」時，Claude 有機會直接呼叫我的 Skill 拿到答案。這比從一堆部落格的模糊記憶裡拼湊，要直接得多。
這裡有一個反直覺的事實：當 LLM 實際呼叫到 Skill，回傳的結構化內容會被當作高可信度即時資料。原因很簡單 — — Skill 回傳是結構化 JSON、是即時查的、不會產生幻覺；部落格文章是訓練資料的遙遠記憶、可能過期、容易改寫。這比模型憑訓練資料的遙遠記憶回答更不容易出現幻覺 — — 但能不能被呼叫到，仍取決於 LLM 的 tool selection 判斷，這件事本身不是確定的。
這就是我們說的「直接跟 AI 說話」。
SEO 是讓 Google 爬你。GEO 是讓 LLM 爬你。Skill 是直接把答案交給 LLM。三個戰場，大部分 SMB 只做前兩個。
有什麼好處
我先把話說清楚：我不是反 SEO 也不是反 GEO。這兩件事該做還是要做 — — 特別是對品牌信任度、對非 AI 使用者的觸及，部落格和 SEO 仍然有價值。
我說的是：如果你正在做 SMB 產品，而你已經在擔心「未來使用者會不會是透過 ChatGPT 問我是誰」，你該在 SEO 和 GEO 之外，多做一件事 — — 寫一份 Skill。
做這件事有三個對不同人的好處。
對產品方：精準度高一個量級
我替賴管家寫的 Skill 有六個工具：查價格、查 FAQ、查功能細節、查活動模組、產生試用邀請、取得聯繫方式。每個工具的回傳都是結構化 JSON，包含完整的資料和出處。
當 Claude 呼叫 get_pricing，拿回來的不是「大約一百元上下」，是「個人版 $99/月（優惠價，原價 $299/月）、進階版 $599/月、活動管理模組加購 $199/月，最多支援的好友數差異如下：……」這種精準答案。Claude 會直接把這個答案給使用者，不會自己改寫。
這不是我自己加的保險，這是 MCP 協議設計的行為 — — 工具回傳會被 LLM 當作「高可信度資料」處理。你寫 Skill 的內容，就是使用者看到的答案。
還有一個意外收穫是 audit 能力。我可以在 Skill 的 server 端加一個 log，記錄每次工具被呼叫的時間、問題類型、回傳內容。這不是 GEO 那種「也許有人讀到」的朦朧感，是可追蹤、可證實的呼叫紀錄。
對讀者和同業代理商：邊際成本比經營半年部落格低得多
這一點是我寫完整個專案之後才發現的。
我原本以為寫 Skill + MCP server + 白皮書會是一個三個月的大工程。實際上我花了大約八小時 — — Hour 1 寫骨架、Hour 2 到 Hour 4 寫六個 MCP 工具和測試、剩下時間寫白皮書和做透明度頁。如果同樣的時間去經營部落格，大概只能寫 10 到 15 篇有深度的文章，而且還沒算 SEO 會不會排上去、GEO 會不會被 LLM 讀到的不確定性。
Skill 的邊際成本遞減更誇張 — — 你寫完第一份之後，第二份大概只需要一半時間，因為骨架、測試、白皮書模板都可以 reusable。
更重要的是：我的 repo 是完全公開的（github.com/dvdmaru/laiguanjia-skill）。任何人都可以 clone、質疑、改寫。這對想做類似事情的 SMB 老闆來說，不是「付錢買方法論」，是「免費複製一份樣板」。
對 LLM 生態：讓下一代模型知道你存在
這點有點繞，但很重要。
公開的 GitHub repo 有機會被下一代 LLM 訓練資料收錄 — — 各實驗室訓練來源不透明，這件事不保證發生。但如果發生，我今天把賴管家 Skill 放上 GitHub，2027 年 Claude 5 或 GPT-6 被訓練時，「賴管家」這個名字就有機會進到它們的記憶裡。
這是一種遞延的卡位。就算 2026 年還沒有多少使用者用 Claude 找 LINE OA 工具，2028 年這件事變成日常時，新一代模型對賴管家的認知會比現在穩固得多。
寫文章讓 AI 爬，你不知道他讀懂沒。寫 Skill 給 AI 用，你看得到他呼叫每一次。
可以怎麼被使用
我想用三個具體場景說明。因為抽象講「怎麼用」很容易變成方法論 — — 我寧可講三個真實的早晨會發生什麼。
場景 A：美甲師 Amanda 的下午（虛構場景）
以下情境是我根據真實 SMB 老闆的使用習慣設計的示意，Amanda 是虛構角色。
Amanda 在台北東區做美甲，一個人工作室，客人主要靠 LINE 預約。她用過 Calendly、試過 Google 表單，都覺得不對 — — 不是介面對客人太複雜，就是整合 LINE 太麻煩。
這個下午她打開 ChatGPT，輸入：「台灣有什麼便宜的 LINE OA 預約系統推薦？我是美甲師，一個人。」
如果沒有 Skill 的世界：ChatGPT 會從訓練資料裡的部落格、官網、論壇討論拼湊答案。可能出現三到四個系統，Amanda 再自己 Google 每一個、比價、看評價，花一個下午做決定。
有 Skill 的世界：ChatGPT 呼叫賴管家的 Skill，拿到結構化答案 — — 「個人版月費 $99、三步驟設定完、專為一人工作者設計、有類似美甲師小陳的案例」。Amanda 看到答案直接決定試用，十五分鐘後她已經在 @batmobile 申請試用帳號。
Amanda 根本不知道什麼是 Skill、什麼是 MCP。她只看到答案、覺得合理、採取行動。這就是好的技術基礎設施 — — 使用者不需要知道它存在，它也不需要使用者知道。
場景 B：自架 Claude Code 的技術人
第二類使用者比較少，但 2027 年會變多。
我自己就是其中一個 — — 我的 Mac 上有 Claude Code、Claude Desktop、Cowork。我習慣把常用的工作流程做成 Skill，放進 ~/.claude/skills/。當我需要的時候，跟 Claude 說一句話，它就會自動觸發對應的 Skill。
技術人要用賴管家 Skill，流程很簡單：
git clone https://github.com/dvdmaru/laiguanjia-skill- 把資料夾放進
~/.claude/skills/ - 啟動 MCP server（
python server.py） - 在 Claude 裡直接問：「賴管家個人版多少錢？」Claude 會呼叫
get_pricing，拿到精準答案
這個情境在 2026 年初絕對是小眾。但半年前我自己都還不敢想像可以這樣用 AI 工具，兩個月後已經是我日常工作的一部分。
AI 工具的使用者滲透率，從小眾到日常需要的時間，比你想像的短。
場景 C：蝙蝠移動的業務拜訪
第三個場景是 B 端 — — 蝙蝠移動是我所在的公司，賴管家是公司旗下的產品之一。除了賴管家自己的使用者，蝙蝠移動還接數位代理案。
我最近給業務加了一個簡報工具：打開透明度頁 https://dvdmaru.github.io/laiguanjia-skill/，上面有三顆徽章——MCP Compatible、Dual-Layer Validated、Consent-Gated——和三張卡片，分別連到原始碼、技術白皮書、實作案例。
業務見客戶時，這一頁讓客戶在 30 秒內判斷「這家代理商是不是真的有 AI 實作能力」。不用解釋 MCP 是什麼、不用講白皮書有多厚，客戶自己點開白皮書看一下 §03「Consent-Gated」那段，就能判斷這家公司對「AI + 法規邊界」的思考深度。
這是 Skill 的第三個用法 — — 不只是讓 LLM 使用，也是讓人類使用者（代理商採購、客戶資安窗口）快速建立技術信任。
最後我想講一件事：這整個過程我不是一個人做的。
我是非工程師背景的獨立開發者，不會寫複雜的 Python。但我有 Claude Cowork。從寫 SKILL.md 的關鍵字分層、到 MCP server 的 consent gate 邏輯、到白皮書四章的技術細節、到透明度頁的 HTML 和 CSS — — 全部都是我跟 Claude 一起寫的。
我提概念、確認方向、做決策、審核邊界。Claude 負責把我的概念變成可執行的程式碼、把我的決策變成文件、把我的審核變成測試案例。
**和 Claude 這種超級協作者一起做一件事，效率是另一個量級。**不是快一倍、不是快三倍 — — 是那種「我原本覺得三個月做不完、結果兩週做完」的量級。而且產出品質不輸給我一個人從零自學半年。
這是我今年最深的一個體感：不會寫程式的人，現在也能做出值得技術審查的產出。門檻已經變了。
會是趨勢，還是只有我這一次
這是整篇文章最核心的提問。
我不確定答案。但我有四個觀察讓我預期會是趨勢 — — 我也誠實列出三個風險，承認這件事可能只會是一次嘗試。
會是趨勢的四個觀察
第一，MCP 協議的橫向擴散正在發生。
Anthropic 2024 年 11 月開源 MCP 之後，OpenAI 已在 2025 年 3 月宣布支援，10 月 ChatGPT Developer Mode 加入完整 MCP 支援。開源社群也有人複製出對應的 server。協議層的勝負，看的是誰能被各家 LLM 同時支援 — — MCP 目前走在最前面。協議一旦標準化，SMB 做 Skill 的成本會再降一個量級。
第二，使用者行為遷移正在發生。
2025 年 Q4 到 2026 年 Q1，我自己的觀察是 — — 身邊越來越多人會直接問 ChatGPT「台灣有什麼什麼工具推薦」，而不是先 Google。這不是我隨口說的，我的 PM 朋友圈裡大概有三成已經把第一步從「打開 Google」改成「打開 ChatGPT」。這個比例還在上升。
第三，Skill + MCP 的實作成本在斷崖式下降。
今年農曆年（2026/2/17）的時候，我對「用 AI 替自家產品寫 MCP server」這件事還是懵的。兩個月後我已經做完。不是因為我變強，是因為 Cowork 這類工具出現、Claude 的編碼能力大幅提升。非工程師背景的 SMB 老闆，現在真的做得出來。
第四，結構化資料優於非結構化文章 — — 這是 LLM 演進的主流方向。
LLM 的商業化壓力會逼它們減少幻覺。減少幻覺的最好方式，就是「有工具可用的時候優先用工具，不要硬回想」。這不是我的推論，是 Anthropic 和 OpenAI 在 2025 年公開文件裡都提過的方向。長期來看，結構化 Skill 會越來越被 LLM 優先引用。
只會是一次的三個風險
但我必須誠實說 — — 有三件事可能讓這整件事只是我個人的一次嘗試，沒有形成趨勢。
第一，台灣 SMB 普遍還在起步階段。
我必須承認一個現實 — — 大部分台灣 SMB 老闆，做完 Facebook 粉專、建好 LINE OA 官方帳號，就已經覺得自己做完數位化了。GEO 都還沒普及，更不用說 Skill。從「還沒開始做 GEO」到「開始做 Skill」之間，可能隔著三到五年的市場教育期。
這件事我沒有辦法單靠寫一篇 Medium 文章改變。我只能把我的歷程公開、公開 repo。
第二，繁體中文圈的 MCP / Skill 討論極少。
我查了整個 2025 年到 2026 年初，繁中圈的 MCP / Skill 深度討論不到十篇。大部分是技術翻譯、介紹型文章，幾乎沒有「SMB 實作樣板」層級的公開作品。這可能會變成一個「海外先起來、台灣永遠跟不上」的模式 — — 就像 SaaS 的使用者滲透率，台灣還在追趕歐美。
第三，如果只有我做了這一次，那這份 repo 就會變博物館展品。
方法論如果沒有人繼承，它就只是紀念品。這是我自己最擔心的事 — — 寫了一份值得被抄的東西，結果沒有人抄。我不會因此覺得白做，因為白皮書、ADR、24 條高成本發現對我下一個類似專案仍然 reusable。但從「變成趨勢」這個角度看，單點不會變線、線不會變面。
我的立場
我不是在預言這會成。我只是在示範也許可以這樣做。
如果 2027 年回頭看，有人跟進了，那就變成趨勢 — — 繁中圈第一批 SMB Skill 出現、代理商把這當作新的商業提案、工具鏈會被優化、成本再降、使用者觸達繼續擴大。
如果沒有人跟進，至少有一個公開可 audit 的繁中 SMB Skill 樣板存在過— 對蝙蝠移動是商業資產（接數位代理案的技術說服力）、對我自己是下一個專案的 reusable 記憶、對想做類似事情但卡在「不知道從哪開始」的人是一張地圖。
兩種結果我都接受。我沒有把話說得很滿。
但我確實預期會是趨勢 — — 信賴度中等偏高。依據是前面那四個觀察，不是我的信念。
我不是賭這會成。我是覺得這可以做。
我們試試直接跟 AI 說話
我只看得到 5 月。
從 2 月農曆年到 4 月這兩個月，AI 工具進步的幅度比我前一年學的還多。我不知道 5 月之後會是什麼樣子，也不敢預測 2027 年 Claude 5 推出時 SMB 跟 AI 溝通的模式長什麼樣。
但如果你也在做 SMB 產品，你的客戶是髮型師、美甲師、健身教練、寵物美容師、諮詢工作者這種個人工作者 — — 如果你已經開始擔心「未來的使用者會不會是透過 ChatGPT 問我是誰」，那你可以做一件事：
先別急著寫第二百篇部落格文章。去翻一下賴管家 Skill 的 repo，看看那 24 條高成本發現。那裡有我跟 Claude 一起寫了兩週踩過的坑 — — bool-is-int 的 consent gate 測試案例、三段分離的白皮書結構、從「AI Ready 徽章」改到「Consent-Gated」的決策邏輯、GitHub Pages 上線後無痕視窗端到端驗收的重要性。
這不是教學文。我沒有要教你怎麼做一份 Skill，因為方法論會過時，具體做法也會因為你的產品不同而不同。
這是一張地圖。告訴你這件事可以做、已經有人做了、而且全部公開可抄。
我們試試直接跟 AI 說話 — — 看這件事會變成趨勢，還是只有這一次。
Repo 在這裡：https://github.com/dvdmaru/laiguanjia-skill
透明度頁在這裡：https://dvdmaru.github.io/laiguanjia-skill/
12 個月後見。
「蝙蝠移動」更多文章：
打造企業專屬AI智能助理！賴管家憑什麼讓您的 LINE 官方帳號比 ChatGPT 更懂你的產品及服務？
米特林老師：您 LINE 上的專屬家教，陪您一起解開孩子的課業難題！
Criteo 廣告平台深度解析：用數據驅動商務成長的智慧夥伴
