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：自信但不油腔滑調，不使用驚嘆號，一律以『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 em dash，標題不超過 60 個字元……」貼上你一直放在 Google 文件中的三段品牌指南。現在，終於提出你真正的問題。
如果那段話讓你有點皺眉，你已經知道問題所在。大多數使用 Claude 或 ChatGPT 進行實際且反覆工作的人 - 行銷人員、客服主管、分析師、創辦人 - 每次開始新對話時，都會做某種形式的這件事。這感覺像是兩分鐘的稅。其實不是兩分鐘的稅，而是一項有三種不同價格標籤的反覆成本：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」- 品牌語氣、受眾、語調規則、格式偏好，以及幾項該做和不該做的事項 - 把指示本身和周圍自然出現的鋪陳話語（「提醒一下」、「就像我們討論過的」、「一如往常」）算進去後，通常約有 300 到 600 個 token。這還沒算真正提出問題之前的內容。這是純粹的額外負擔，每次都要付出，因為新的聊天不記得你昨天告訴它的事。
現在把數字乘起來。一位行銷人員或文案撰寫者每週開始 8-10 個新的聊天，撰寫電子郵件、廣告文案、登陸頁面變體和社群貼文，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，一年就有約 120,000 到 240,000 個 token 只花在重新說明你是誰，以及你希望文字如何呈現 - 這些 token 完全不會產生任何新的輸出。
有件值得坦白說的事：按照目前的 API 定價，幾十萬個純文字輸入 token 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，而非絕對標準 - 對一個人來說，重複輸入上下文的實際成本通常是每月幾美元，而不是幾百美元。單看 token 成本，很少足以讓人下定決心修正這個問題。但它是三種成本中最小的一項，而且一旦團隊中不只你一個人這麼做，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氣文件 - 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靠記憶重建。
查看 AI 品牌語氣指南 →時間成本：沒有人會列在試算表上的那一部分
Token 很便宜，時間可不便宜。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（或翻出你記下這些內容的文件），貼上或重新輸入，因為你從來無法完全一致地表達自己，還要調整措辭，然後 - 只有到這時 - 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。對於每週進行 8-10 次新聊天的人來說，在任何真正的寫作開始前，每週就會浪費 15-45 分鐘。一年下來，這相當於 13 到 39 小時 - 幾乎是一整個工作週 - 一遍又一遍地把相同的設定指示輸入文字框，只因為上一個聊天一關閉，AI 就把一切都忘了。
而且這個估算還算寬鬆。它假設你能正確記住背景資訊，也不必花時間翻找品牌文件、語調指南，或埋在共用雲端硬碟裡的「我們如何撰寫標題」備註。加上搜尋時間後，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，也是會出現在輸出內容中、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，你不會每次都一模一樣地輸入。有一天你說「有自信，但不要太像在推銷」。隔天你匆忙趕工，完全略過語調說明，只要求「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 沒辦法知道哪一個版本的「你」才是真正的你 - 它只能根據在那個特定聊天中收到的零碎背景資訊，盡力完成工作。結果就是文案不斷偏移：有時符合品牌，有時很普通，有時則因為語調失準而需要全部重寫。如果你曾比較過同一個人用 AI 起草的兩份文案，納悶為什麼其中一份精準掌握語氣，另一份卻像陌生人寫的，幾乎總是因為這個原因 - 不是較差的 prompt，而是被記住的版本不同。
這種不一致也有代價，即使它從未出現在任何明細項目中：更多修改輪次、更多「可以再試一次嗎」、更多悄悄偏離品牌的文案，最後因為沒人發現而照樣發布。不同於 token 成本，這項代價會嚴重擴大 - 團隊中越多人把自己版本的「我們的品牌語調」即興輸入聊天框，品牌本身就越容易開始偏移。
一個會在寫作前先進行研究的資深轉換文案撰稿人角色 - VOC 挖掘、訊息層級、異議對應 - 設定一次後在每個聊天中保持一致，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：把品牌指南存放在文件中，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 - 仍然會使用相同的 Tokens，也仍然佔去大部分時間（你還是得找到文件、開啟、複製、貼上，而且通常還要刪減內容以符合長度限制），同時也可能使用過時的文件版本、貼錯章節，或三個月後新成員加入團隊時，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。但這和一開啟聊天，系統就已經知道自己應該是誰，並不相同。
Skill 檔案實際改變了什麼
Skill 檔案 - 一個你只需載入一次、作為 Claude、ChatGPT 或 Gemini 中的專案指示或自訂指示使用的結構化 system prompt - 能將這一切從「每次工作階段都重新解釋」轉變為「設定一次，永久重複使用」。你只需寫下一次品牌聲音、受眾、語氣規則、格式偏好，以及 AI 應扮演的角色，而且要像撰寫真正的簡報一樣用心，而不是匆忙寫下聊天訊息。之後，每次新的聊天一開始就已經知道這些內容。
- Tokens：內容脈絡存在於系統層，而不是每次工作階段都重新輸入成新的內容。
- 時間：不用搜尋文件、不用重新輸入、不用反覆調整 - 開啟聊天後，直接開始處理真正的任務。
- 一致性：AI 每次都讀取完全相同的指示，因此輸出不會因為你設定當天聊天時有多匆忙而偏離。
對內容團隊而言，這正是它最快產生複利效應的地方。內容行銷經理不只是撰寫單篇內容 - 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性，只取決於當天碰巧記得完整簡報的人。
一個資深內容行銷經理角色，會根據你實際的品牌系統建立主題群集和 90 天編輯日曆 - 設定一次，在每位寫作者和每次聊天中保持一致。
查看 Lena - 內容行銷經理 →計算你自己的工作流程
你不需要確切的定價，就能知道這是否適用於你。改問三個問題：
- 在一般的一週中，為了重複性任務，我會開啟多少個新的 AI 聊天 - 寫作、分析、客服回覆，以及任何需要先加上「我們是這樣做的」這類前言的事情？
- 每次重新建立上下文實際需要多久，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，而沒有達到要求？
如果誠實的答案是「超過幾次」、「超過一分鐘」和「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品牌語氣和角色，會悄悄耗費你的 token、時間，以及 - 最重要的是 - 輸出一致性。像 Jake - 轉換文案撰寫者 或 Lena - 內容行銷經理 這樣的技能檔案只需撰寫一次，就能在每個工作階段重複使用，因此 AI 一出現就已經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，即可取得重新提示與持續使用技能檔案的每月 token 浪費量和金額估算。不需註冊，不需提供電子郵件 - 只需將這篇文章中的計算套用到你的數字。
試用計算器 →常見問題
每次聊天重新解釋品牌語氣，實際上會花掉多少 token？
這取決於指示的詳細程度，但典型的語氣加上受眾和格式內容，在包含周圍自然引導語後，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 - 而且下一次聊天以及再下一次聊天都要再次支付。
直接把指示保存在文件中，每次貼上，難道不是更便宜嗎？
這確實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，仍要花時間尋找並貼上文件，也仍有可能貼上過時版本或忘記某個章節。技能檔案則能完全省去貼上這一步 - 指示會在聊天開始前就載入。
這只和重度 AI 使用者有關嗎？還是偶爾使用也會累積成本？
它會隨使用頻率增加，但即使使用量很低，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對品牌規範記得多完整而有所偏差。團隊中越多人各自獨立這麼做，品牌一致性就會越快消失，不論任何一個人的使用有多「偶爾」。
