讓每個人自行撰寫 AI prompts 的 5 人團隊，不只是浪費 tokens - 還在浪費工時，並交付不一致的成果。這是一個具代表性的案例研究（由多個案例綜合而成，並非真實的具名客戶），展示這種浪費逐月實際呈現的樣貌，以及當同一團隊改用一個小型共享 AI 技能檔案庫後，會有哪些變化。
示意案例研究 · KissMySkills 團隊撰寫
設定：一個正常、臨時性的 AI 工作流程
想像一個處於早期階段新創公司的 5 人行銷與營運團隊 - 一位內容負責人、一位社群媒體經理、一位 CRO/分析人員、一位營運協調員，以及一位偶爾參與各項工作的創辦人。他們每個人每天都使用 Claude、ChatGPT 或 Gemini。沒有人建立任何正式系統。每個人就只是……打字。
這表示每次新的聊天都從零開始。在 AI 能產出可用的初稿之前，必須有人重新說明：
- 品牌是誰，以及它在對誰說話
- 語氣規則（「更直接、更少企業腔」、「絕不使用『深入探討』」、「結尾一律使用清楚的 CTA」）
- 格式標準（標題、項目符號樣式、字數範圍）
- 這是為哪個渠道準備的，以及在該渠道中「好的內容」應該是什麼樣子
- 目前行銷活動、產品或季度的相關上下文
這些內容沒有任何一項被記錄為可重複使用的資產。它們存在於團隊內部的口耳相傳中，每次都憑著模糊記憶重新輸入 - 而且每一次都略有不同。
計算方式：5 個人、每天多次工作階段、日復一日
這些數字是方向性的，並非經過審計 - 重點在於浪費的整體樣貌，而不是小數點後的精確度。假設每個人每天為工作進行 4-6 次 AI 聊天工作階段：撰寫貼文說明、改寫電子郵件、檢查登陸頁面標題、摘要通話內容。如果其中一半的工作階段都以一段全新的「讓我再說明一次我們的品牌語氣和格式規則」文字開頭，且每段有 150-300 個單字，那麼大約是：
- 5 人 × 每天約 3 次需要大量上下文的工作階段 = 每天 15 次多餘的上下文重述
- 15 × 每月約 20 個工作日 = 每月約 300 次多餘的重複說明
- 保守估計每次重新輸入 200 個單字，這相當於每月60,000+ 個單字的純重複說明 - 這些上下文不會產生任何新的輸出，只是在重新建立起點
將這些內容乘以對話串中每則訊息所處理的輸入 tokens（大多數聊天工具會在每一輪重新傳送持續累積的上下文），token 開銷很快就會複合式增長。但 token 費用反而是較小的問題。更大的問題是時間。
真正的成本不是指令數量 - 而是分鐘數，再乘以五倍
假設每個工作階段重新輸入或複製貼上「這是我們的品牌與格式背景」區塊需要 2-4 分鐘，再加上 AI 因背景資訊不完整或措辭與上次不同，導致初稿不符合要求時所需的額外來回溝通。對五人團隊而言，每人每週輕易就會花費 1-2 小時重新建立本應一次設定好的背景脈絡。
一個月下來，每人因此損失的時間相當於完整工作日中一段不小的比例 - 不是用來完成工作，而是重新向 AI 說明如何完成工作。對五人團隊而言，這每月累積的時間幾乎相當於多出一名員工的「背景脈絡稅」。
只要將 Maya 放入 Claude、ChatGPT 或 Gemini 一次，每則貼文說明、內容行事曆和平台原生貼文都會以你的語調產出 - 不必每個工作階段重新解釋語氣或格式。
查看 Maya - 社群媒體經理 →第二項成本：品質偏移
重複輸入指令和時間浪費是看得見的成本。較不易察覺的成本則是 偏移。當五個不同的人各自憑記憶寫出「這是我們的品牌語調」時，他們不會有兩次寫得完全一樣，更不用說彼此一致了。一個人的臨時措辭可能偏正式，另一個人加入品牌實際上不使用的俚語，第三個人則完全忘了提及 CTA 規則。
結果是：內容、電子郵件和分析在技術上都「符合品牌調性」，但各自帶著些微不同的腔調。即使團隊中沒有人能清楚說明原因，客戶和潛在客戶仍會察覺某些地方不一致。這就是千百個細微偏差累積而成的致命影響。
這在兩個地方最為明顯：CRO／分析工作流程中，對「什麼樣的提升才有意義」的詮釋不一致，會導致不同的人從相同資料得出不同結論；以及行銷自動化中，每當有新人接手行銷活動，序列邏輯與潛在客戶評分假設就會被非正式地重新發明。
Beck 在測試前先進行診斷 - 漏斗流失分析、A/B 測試設計，以及無論團隊中由誰執行工作階段，都能保持一致的結果解讀。
查看 Beck - CRO 專員 →共用 Skill 檔案庫帶來的改變
解決方案不是添購新工具，也不是新增一份沒人閱讀的流程文件，而是以一個小型、共用的 Skill 檔案庫取代臨時 prompt - 每個團隊實際使用 AI 的職能各一份。Skill 檔案其實就是儲存下來的系統 prompt：品牌語調、格式規則、角色背景與內部標準，只需撰寫一次，之後在任何 Claude、ChatGPT 或 Gemini 工作階段開始時貼上即可（或儲存為 Claude Project 指示，讓它始終載入）。
對一個 5 人的行銷／營運團隊而言，通常會有 3-4 份 Skill 檔案，涵蓋經常性工作：內容與社群、CRO／分析，以及行銷自動化／生命週期。團隊中的每個人都針對同一項工作使用同一份檔案，而不是每次都自行撰寫版本。
實際改變的是：
- 重複說明背景資訊的需求幾乎降至零 - 品牌語調與格式規則已內建於 Skill 檔案中，不必每次工作階段都重新輸入
- 產出一致性提高 - 五個人使用同一份 Skill 檔案，產出的內容聽起來會像出自同一個團隊，而不是五個不同的個人
- 上手速度大幅加快 - 新進人員拿到的是 Skill 檔案，而不是在過時的 Slack 討論串中大海撈針，試圖還原「我們通常怎麼寫這些內容」
- 每次工作階段所需時間縮短 - 設定更少，因為第一次產出遺漏未明說的背景資訊而需要重寫的情況更少，第一次就能得到更可用的結果
Finn 設計的是系統，而不是一次性序列 - 工作流程架構與潛在客戶評分模型可供整個團隊重複使用，不必每次都憑記憶重新建立邏輯。
查看 Finn - 行銷自動化專員 →上手流程：被低估的收穫
Token 和時間的節省固然重要，但團隊換用後最明顯的，其實是上手效果。新進人員不必再花前兩週靠耳濡目染摸索「我們這裡的做事方式」，也不必在每次審查週期中都被糾正語氣；他們第一天就能開啟相關的 Skill 檔案，第一次產出的內容便已相當符合品牌調性。過去只存在資深成員腦中的組織知識，也不會再有人員離開時一併流失，而是成為能隨團隊移動的可攜式檔案。
如果你的團隊涉及其中不只一項職能，值得瀏覽完整的 行銷與廣告 Skill 資料庫，而不是按職能逐一建立一次性 prompt。
總結：
一個 5 人團隊在每次 AI 工作階段中都從頭重新說明品牌語調和格式，卻沒有察覺自己每週浪費數小時在重複的上下文上，結果還持續產出不一致的內容。統一使用一個小型共享資料庫 - Maya 負責內容與社群、Beck 負責 CRO 與分析，以及 Finn 負責行銷自動化 - 能減少重新輸入、提升一致性，並讓新人入職變成交給他一份檔案，而不是進行 Slack 考古。
輸入你（或你的團隊）實際使用 AI 聊天的方式，即可取得針對重複撰寫 prompt 與使用持續性 Skill 檔案的每月實際 Token 浪費量和金額估算。不需註冊、不需提供電子郵件，只要將這篇文章中的計算方式套用到你的數字即可。
試用計算器 →常見問題
這是根據真實客戶的數字嗎？
不 - 這是一個根據我們在小型行銷／營運團隊即興使用 AI 聊天工具時常見模式所建立的示意性綜合案例研究，不是真實具名客戶的經審核數據。Token 和時間數字只是用來呈現浪費的概況，而非精確測量值。
Skill 檔案和只寫好一次並重複使用的 prompt 有什麼不同？
這是同一個概念，只是經過正式化並加以共享。大多數團隊面臨的問題不是沒有人曾寫出好的 prompt，而是每個人都寫自己的版本，內容留在個人筆記裡，團隊其他人也不會使用。Skill 檔案是整個團隊貼上或載入為 Project 指示的一份集中維護版本，讓每個人都從相同的基準開始，而不是各自使用五個略有不同的版本。
Skill 檔案能在 Claude 以外的地方使用嗎？
是。Skill 檔案是以 Markdown 為基礎的系統 prompt，因此只要能貼上指示的地方都能使用 - Claude Projects、ChatGPT 自訂指示或 Custom GPTs，以及 Gemini Gems。團隊不需要統一使用某一個 AI 工具，也能統一使用一份共享的上下文。
