一個讓每個人各自隨意撰寫 AI prompts 的 5 人團隊，不只是在浪費 tokens - 也在浪費工時，並交付不一致的工作。這是一份具代表性的案例研究（綜合案例，並非真實具名客戶），展示這種浪費每月實際呈現的樣貌，以及當同一個團隊改用一套小型共享 AI 技能檔案庫後會有什麼改變。
這個頁面
示例案例研究 · KissMySkills 團隊撰寫
基本情況：一套普通、臨時拼湊的 AI 工作流程
想像一個早期新創公司的 5 人行銷與營運團隊 - 內容負責人、社群媒體經理、CRO/分析人員、營運協調員，以及一位涉獵各項工作的創辦人。每個人每天都會使用 Claude、ChatGPT 或 Gemini。沒有人建立任何正式系統。大家就只是……打字。
這表示每次新的聊天都從零開始。在 AI 能夠產出可用的初稿之前，有人必須重新解釋：
- 品牌是誰，以及它正在對誰說話
- 語調規則（「更直接、少一點企業腔」、「絕不使用 'delve'」、「結尾一定要有明確的 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「做好」是什麼樣子
- 目前行銷活動、產品或季度的上下文
這些內容沒有任何一部分被記錄成可重複使用的資產。它以部落知識的形式存在，靠記憶拼湊並重新輸入 - 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，並非經過稽核 - 重點是看出浪費的模式，而不是小數點的精確度。假設每個人每天因工作進行 4-6 次 AI 聊天工作階段：撰寫貼文說明、改寫電子郵件、檢查登陸頁標題、整理通話摘要。如果其中一半的工作階段都以一段全新的「讓我再解釋一次我們的品牌語調和格式規則」開場，內容長度為 150-300 個字，那麼大約是：
- 5 人 × 每天約 3 次以大量上下文為主的工作階段 = 每天 15 次多餘的上下文重新解釋
- 15 × 每月約 20 個工作日 = 每月約 300 次多餘的重新解釋
- 保守估計每次重新輸入 200 個字的上下文，每月大約會有60,000+ 個字純粹用於重新解釋 - 這些上下文不會產生任何新輸出，只是在重新建立起點
將這個數字乘以執行緒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目前累積的上下文），token 開銷很快就會複利式增加。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 tokens - 而是分鐘數，再乘以五
假設每次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 的初稿因背景資訊不完整，或措辭與上次不同而未達要求時，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確立的背景資訊。
一個月下來，這對每個人而言都是完整工作日中相當可觀的一部分 - 不是用來執行工作，而是用來重新向 AI 說明如何完成工作。對一個 5 人團隊來說，這會累積成每月接近一名額外員工的「情境稅」。
只要將 Maya 放入 Claude、ChatGPT 或 Gemini 一次，每則貼文說明、內容行事曆和符合各平台特性的貼文都會以你的語調產出 - 不必每次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
重複的 tokens 和流失的時間是看得見的成本。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，更不用說彼此之間一致了。一個人的臨時措辭可能較為正式，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、電子郵件和分析從技術上來說都「符合品牌規範」，但各自帶著些微不同的口音。即使團隊裡沒有人能清楚說明為什麼某些內容感覺不一致，客戶和潛在客戶仍會察覺。這是由無數個細小偏差累積而成的慢性損耗。
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」缺乏一致的界定，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，序列邏輯和潛在客戶評分假設就會被非正式地重新制定。
Beck 會先診斷再測試 - 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，結果解讀都能保持一致。
查看 Beck - CRO 專家 →共享 Skill 檔案庫帶來的改變
解決方案不是新工具，也不是一份沒人會讀的新流程文件，而是用一個小型、共享的 Skill 檔案庫取代臨時性的 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、角色背景和團隊標準，撰寫一次後，在任何 Claude、ChatGPT 或 Gemini 工作階段開始時貼上（或儲存為 Claude Project 指令，讓它一律自動載入）。
對一個 5 人的行銷／營運團隊來說，通常會有 3-4 份 Skill 檔案，涵蓋經常性的工作：內容與社群、CRO／分析，以及行銷自動化／生命週期。團隊中的每個人針對同一項工作都使用同一份檔案，而不是每次都自行撰寫一個版本。
實際改變的是：
- 重複說明背景資訊的需求幾乎降至零 - 品牌語調和格式規則已經內建於 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，產出的成果聽起來會像來自同一個團隊，而不是五個不同的人
- 新進人員培訓大幅加快 - 新員工拿到的是 Skill 檔案，而不是得在舊 Slack 討論串中大海撈針，試圖重建「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新起草的情況更少，第一次就能產出更多可直接使用的內容
Finn 設計的是系統，而不是一次性的序列 - 包括整個團隊都能重複使用的工作流程架構和潛在客戶評分模型，無須每次都憑記憶重新建立邏輯。
查看 Finn - 行銷自動化專家 →新進人員培訓：被低估的收穫
權杖和時間的節省固然重要，但團隊在完成轉換後最明顯感受到的，其實是新進人員培訓效果。新員工不必再花前兩週透過耳濡目染吸收「我們在這裡的做事方式」，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，第一次產出的內容就已經相當符合品牌風格。過去只存在於資深人員腦中的組織知識，也不會再有人員離職時流失，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 資源庫，而不是逐一為各項職能建立一次性 prompt。
總結：
一個 5 人團隊每次 AI 工作階段都從頭重新說明品牌語氣和格式，默默地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。建立一個小型共享資源庫 - Maya 負責內容和社群、Beck 負責 CRO 和分析，以及 Finn 負責行銷自動化 - 能減少重新輸入、提升一致性，並將新人入職變成交給他一份檔案，而不是讓他進行 Slack 考古。
輸入你（或你的團隊）實際使用 AI 聊天的方式，即可取得重新撰寫 prompt 與使用持續性 Skill 檔案相比，每月實際浪費的 Token 數量和金額估算。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。
試用計算機 →常見問題
這是根據真實客戶的數字嗎？
不是 - 這是一份說明性的綜合案例研究，根據我們觀察到的小型行銷／營運團隊臨時使用 AI 聊天工具的常見模式整理而成，並非來自某個真實具名客戶的經審核資料。Token 和時間數字是用來呈現浪費的大致情況，而非精確測量值。
Skill 檔案和只寫好一份 prompt 並重複使用，有什麼不同？
概念相同，只是經過正式化並加以共享。多數團隊面臨的問題不是從來沒有人寫出好的 prompt - 而是每個人都寫自己的版本，版本存在個人筆記中，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 檔案可以在 Claude 以外的地方使用嗎？
是。Skill 檔案是以 Markdown 為基礎的系統 prompt，因此只要能貼上指令的地方都能使用 - 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。