開啟新的聊天。輸入「請擔任我們品牌的文案撰寫者。這是我們的語氣：自信但不過度推銷，不使用驚嘆號，始終以『你』稱呼讀者。這是我們的受眾：對炒作持懷疑態度的中型市場 SaaS 買家。這是我們的格式：短段落、不使用長破折號、標題不超過 60 個字元……」貼上你保存在 Google 文件中的三段品牌指南。現在，終於可以提出你的實際問題了。
這個頁面
如果那段文字讓你稍微皺了皺眉，你已經知道問題所在。大多數使用 Claude 或 ChatGPT 進行實際、重複性工作的人 - 行銷人員、支援主管、分析師、創辦人 - 每次開始新的對話時，都會做某種形式的這件事。這感覺像是兩分鐘的稅。其實並不是兩分鐘的稅。這是一項有三種不同價格標籤的持續性成本：token、時間和一致性。我們來把它們加總。
Token 成本：付費重新解釋自己
典型的「上下文傾倒」 - 品牌語調、受眾、語氣規則、格式偏好，以及一些該做與不該做的事項 - 一旦把指示本身和周圍自然出現的鋪陳文字（「提醒一下」、「就像我們討論過的」、「一如往常」）計算在內，通常約有 300 到 600 個 token。這還沒開始提出實際問題。這是純粹的額外負擔，每次都得付出代價，因為新的聊天沒有記住你昨天告訴它的內容。
現在把它乘上去。一名行銷人員或文案撰寫者如果每週開始 8-10 個新的聊天，用來撰寫電子郵件、廣告文案、登陸頁面變體和社群貼文，就等於每年重新傳送相同的上下文 400 多次。每次重新解釋需要 300-600 個 token，一年就有 120,000 到 240,000 個 token 花在重新說明你是誰，以及你希望文字如何撰寫上 - 這些 token 完全不會產生任何新的輸出。
有件值得坦白面對的事：按照目前的 API 定價，幾十萬個 token 的純文字輸入不會讓任何人破產。即使每百萬個 token 只要幾美元 - 而且價格會因模型而異，也會隨時間變動，因此任何具體數字都只能作為參考，不可視為絕對標準 - 對一個人來說，單純重複提供上下文的成本通常每月只要幾美元，而不是幾百美元。單看 token 成本，很少足以單獨構成修正問題的理由。但它是三項成本中最小的一項，而且一旦團隊不只你一個人這樣做，成本就會開始累積。
一套 prompt 組合，能根據你實際的寫作範例建立真正的品牌語調文件 - 不是模糊的形容詞 - 讓你只需貼上一次，之後每次工作階段都不用再憑記憶重新拼湊。
查看 AI 品牌語調指南 →時間成本：沒人會放進試算表的那一部分
代幣很便宜，分鐘可不便宜。想想看，當你為真正的工作開啟新聊天時，實際上會發生什麼：你得記住上次告訴模型的內容（或找出你記下這些內容的文件），貼上或重新輸入，因為你永遠不可能每次都完全一致，所以還得調整措辭，然後 - 只有到了這一步 - 你才能開始處理真正讓你開啟聊天的事情。
保守估計每次工作階段需要 90 秒到 3 分鐘，具體取決於任務需要多少背景資訊。對於每週開啟 8-10 個新聊天的人來說，在任何真正的寫作開始前，每週就已經浪費 15-45 分鐘。一年下來，就是 13 到 39 小時 - 幾乎是一整個工作週 - 只是反覆把相同的設定指示輸入文字框，唯一的原因是聊天結束的瞬間，AI 就把一切忘得一乾二淨。
而且那個估算還算寬鬆。它假設你能正確記住背景資訊，也不需要到處尋找品牌文件、語氣指南，或是埋在共用雲端硬碟深處的「我們如何撰寫標題」備註。再加上這些搜尋時間，實際數字很快就會攀升。
一致性成本：真正會造成傷害的成本
這是大多數人低估的成本，也是會出現在產出中、而不是發票上的成本。當你每次工作階段都憑記憶重新輸入背景資訊時，你不可能每次都一模一樣。有一天你說「有自信，但不要太推銷」。隔天你匆匆忙忙，只略過語氣說明，直接要求「有力的文案」。一週後，你記得提到受眾，卻忘了關於破折號的格式規則。
AI 沒有辦法知道哪一個版本的「你」才是真正的你 - 它只能根據在那次特定聊天中收到的零碎背景資訊，盡力完成工作。結果就是文案開始漂移：有時符合品牌，有時流於泛泛，有時則因為語氣不對而需要全面重寫。如果你曾比較過同一個人用 AI 起草的兩份文案，納悶為什麼一份精準掌握語調，另一份卻像是陌生人寫的，幾乎總是因為這個原因 - 不是 prompt 比較差，而是它記住的版本不同。
這種不一致同樣有代價，即使它從未出現在任何明細項目中：更多次編輯、更多次「可以再試一次嗎」、更多悄悄偏離品牌的文案，最後因為沒有人發現而照樣發布。這項成本不像代幣成本那樣，它會快速失控 - 團隊中越多人在聊天框裡即興編寫各自版本的「我們的品牌語調」，品牌本身就越容易開始漂移。
一個會先研究再撰寫的資深轉換文案撰稿人角色 - VOC 挖掘、訊息層級、異議對應 - 設定一次後，在每次聊天中都保持一致，不需要重新說明。
查看 Jake - 轉換文案撰寫師 →為什麼「只要把它儲存在文件中」其實無法解決問題
最直接的反駁是：把品牌指南保存在文件中，每次都貼上。很多人確實就是這麼做的。但貼上也不是免費的 - 它仍然會消耗相同的 tokens，也仍然佔用大部分時間成本（你還是得找到文件、開啟、複製、貼上，而且通常還要刪減內容才能符合限制），同時也可能使用過時版本的文件、貼錯章節，或三個月後有新人加入團隊時，甚至忘了這份文件的存在。
儲存好的文件，比憑記憶重新輸入更進一步。但這不等同於你一開啟對話，系統就已經知道自己應該成為誰。
Skill 檔案實際改變了什麼
Skill 檔案 - 一份你只需載入一次、作為 Claude、ChatGPT 或 Gemini 中的專案指示或自訂指示的結構化系統 prompt - 能把這一切從「每次工作階段都要重新解釋」轉變為「設定一次，永久重複使用」。你只需寫下一次品牌語氣、受眾、語調規則、格式偏好，以及 AI 應扮演的角色；這個過程要像撰寫真正的簡報一樣用心，而不是草草寫下一則聊天訊息。之後，每次新的對話一開始就已經了解這些內容。
- Tokens：上下文儲存在系統層，而不是每次工作階段都重新輸入。
- 時間：不用搜尋文件、不用重新輸入，也不用反覆調整 - 開啟對話後，直接開始處理真正的任務。
- 一致性：AI 每次讀取的都是完全相同的指示，因此輸出不會因為你設定當天對話時有多匆忙而產生偏差。
對內容團隊來說，這正是它能最快產生複利效應的地方。內容行銷經理不只是撰寫一篇內容 - 他們還要管理編輯日曆、向寫作者提供簡報，並在數週內讓數十篇內容維持品牌一致性。每次重新解釋內容策略和品牌系統，不只是讓那一個人多花幾分鐘；這也意味著每篇內容的一致程度，只取決於當天剛好記得完整簡報的人。
一個資深內容行銷經理 persona，會根據你實際的品牌系統建立主題群集和 90 天編輯日曆 - 只需設定一次，就能在每位寫作者和每次對話中保持一致。
查看 Lena - 內容行銷經理 →計算你自己的工作流程
你不需要精確的定價，就能知道這是否適用於你。改問自己三個問題：
- 典型的一週中，為了重複性工作 - 寫作、分析、撰寫客服回覆，以及任何需要「我們是這樣做的」開場說明的任務 - 我會開啟多少個全新的 AI 對話？
- 每次重新建立上下文實際上要花多少時間，包括尋找正確文件所花的時間？
- 有多少次輸出會因為我當天提供的上下文不完整，或與上次略有不同，而偏離目標？
如果誠實的答案是「不只幾次」、「超過一分鐘」以及「比我希望的更常發生」，解決方法不是更好的 prompt，而是根本不要再次撰寫那個 prompt。
總結：
每次 AI 聊天開始時重新解釋你的品牌語調和角色，會悄悄耗費 Token、時間，以及 - 最重要的是 - 輸出的一致性。像 Jake - 轉換文案撰寫者 或 Lena - 內容行銷經理 這類技能檔案只需撰寫一次，便能在每個工作階段重複使用，因此 AI 一開始就知道自己應該扮演誰。
輸入你（或你的團隊）實際使用 AI 聊天的方式，取得重新輸入 prompt 與使用持久技能檔案之間，每月浪費 Token 和金額的實際估算。不需註冊，不需電子郵件 - 只將這篇文章中的計算方式套用到你的數據。
試用計算器 →常見問題
每次聊天重新解釋品牌語調，實際上要花多少 Token？
這取決於你的指示有多詳細，但典型的語氣＋受眾＋格式說明，加上周圍自然的前言後，通常約為 300-600 個 Token。這是你甚至還沒提出真正問題前就要支付的額外成本 - 下一次聊天以及再下一次聊天，你都得再次支付。
每次重新貼上指示，難道不會比這樣更便宜嗎？
這比憑記憶重新輸入好，但仍然不是免費的。每次聊天你仍要支付相同的 Token，仍要花時間找出並貼上文件，也仍可能貼上過時版本或忘記某個部分。技能檔案則完全省去貼上的步驟 - 聊天開始前，指示就已經載入。
這只會影響重度 AI 使用者嗎？還是偶爾使用也會累積成本？
它會隨使用頻率增加，但即使使用量低，一致性成本也會顯現。如果你每週只開一次新聊天來撰寫文案，Token 和時間成本都不高 - 但輸出仍可能因為你當天記得自己品牌規範的完整程度而有所偏差。團隊中越多人各自獨立這麼做，品牌一致性就會流失得越快，無論任何一個人的使用頻率看起來多麼「偶爾」。