開始閱讀
同一個 AI 工具，有時能寫出貼近需求的內容，有時卻連課程對象都弄錯。差異未必來自模型能力，也可能是它看到的資料不同。當團隊把舊簡報、新報價、聊天紀錄與競品文案全部放在一起，AI 必須自行判斷哪些有效；流暢的輸出反而容易掩蓋這個問題。
上下文管理的工作，是讓任務開始時就有一份清楚、精簡而可追溯的資料包。這不是追求最長的提示詞，而是把「可以引用的事實」「需要完成的工作」及「不能自行決定的事項」分開。對需要反覆產出內容的行銷團隊來說，資料包往往比收藏更多指令更值得維護。
資料多，不代表可用資訊多
Anthropic 對上下文工程的說明，強調選擇與維護模型當下需要的資訊，而不只修改單次指令。這個觀點可以轉成很實際的編輯問題：這份資料會影響今天的內容嗎？它是否仍有效？它和另一份文件衝突時，以哪一份為準？官方說明。
例如招生文案只需要課程主題、對象、時間、費用、報名方式及注意事項，不必同時提供整份年度預算。過多背景不僅增加閱讀負擔，也讓舊日期、未定方案或內部討論被誤當成可公開資訊。先篩選再生成，能讓錯誤更容易定位。
用四層資料包取代一大段聊天
第一層是品牌事實，包含正式名稱、服務範圍、可公開的資格與聯絡方式。第二層是本次任務，寫清楚讀者、通路、目的及交付格式。第三層是證據，放入來源連結、文件版本、可引用段落及有效日期。第四層才是語氣與範例，展示什麼叫清楚、過度承諾或不適合品牌。
將品牌事實、任務、證據與語氣範例分開整理，讓每一份輸出都能回到有效資料。
| 資料層 | 應放內容 | 不宜混入 |
|---|---|---|
| 品牌事實 | 已確認且可公開的基本資訊 | 尚未通過的宣稱 |
| 本次任務 | 對象、目的、交付物、限制 | 沒有優先順序的願望 |
| 證據 | 原始文件、版本與適用日期 | 無出處的數字 |
| 語氣範例 | 正反例與判斷理由 | 要求照抄的競品全文 |
教學情境：同一門課的三個通路
假設一門課需要網站介紹、Facebook 貼文與報名提醒信。三者應共享同一份課程事實表，但任務卡各自不同。網站回答「我適不適合」；貼文讓特定讀者看見一個值得進一步了解的問題；提醒信只協助已表達興趣的人完成必要步驟。不要讓三個通路各自重新推測課程資訊。
若講師臨時更換場地，應修改事實表並標記生效時間，再列出哪些版本要更新。單純把「地點改了」加在聊天最後，容易留下舊文章、舊圖片及舊附件。資料包的價值不只在第一次寫作，也在變更後能找出受影響的內容。
可直接使用的資料包檢查指令
請先檢查以下工作資料，不要立刻寫文案。
1. 列出彼此衝突或缺少日期的資訊。
2. 區分可直接引用、需確認、不可公開三類。
3. 對缺漏提出具體問題，不自行補上答案。
4. 確認後再依任務卡輸出，保留來源對照。
品牌事實：
任務對象與目的：
本次有效來源及版本：
通路、格式與限制：
如何判斷資料包是否有效
不要只看生成速度。可以記錄每次修改是因為事實錯誤、資訊不足、語氣不合或格式錯誤。若修改集中在價格與日期，代表版本管理需要改善；若資訊都正確卻沒有說服力，可能是受眾問題寫得太模糊；若全部內容都太像同一個範例，則要減少對範例句型的依賴。
測試時選一個舊任務，用原本資料與新資料包各做一版，隱去版本名稱後請同事依同一標準檢查。這只能支持該任務的比較，不能直接推論所有任務都會進步。保留失敗例子，比只收藏最好的一篇更能幫助下次修正。
誰負責更新，比放在哪裡更重要
資料包可以先放在共用文件，不必立即建置複雜系統。每一個重要欄位都指定負責人、更新日期與檢查時機，例如價格變動時由業務更新、活動截止後由企劃標記失效。沒有負責人的知識庫，很容易只是另一個舊資料倉庫。
也要把共用資料與單次任務資料拆開。品牌名稱可能長期有效，某次折扣只適用一週；讓兩者混在同一文件，會使每次更新都牽動不必要的內容。任務結束後保留當時版本，日後才能回答「為什麼那篇文章寫成這樣」。
最後，資料包應允許「不知道」。若沒有客戶實測數據，就不能用語氣範例暗示已有成效。把未知列為待確認，比讓 AI 補出一段看似完整的故事，更接近可靠的內容工作方式。
實作拆解：資料更新後，哪些內容必須重看？
可以把課程資料中的每個關鍵事實，對應到使用它的內容。例如日期被網站介紹、報名提醒與社群圖卡使用，費用則出現在方案表與常見問題。當某個欄位改變時，這份對照能幫你找到受影響的版本。即使先用試算表手動維護，也比依靠每個人記得自己寫過什麼更可靠。
對照不需要細到每個字。先管理會影響讀者行動的資訊，包括時間、地點、價格、資格、截止日與聯絡方式。語氣微調可以留在各稿件內，重要事實則回到共用來源。這樣既保留通路表達彈性，也減少同一項資訊在不同位置逐漸分歧。
若資料包同時有兩份看似正式的文件，不要單靠檔名中的「最新」判斷。應確認負責人、有效日期與是否已取代前版。遇到無法確定的衝突，可以先完成不受影響的段落，把相關句子保留為待確認；這比讓整個任務停住，或冒險選一個答案，都更容易管理。
小團隊的維護節奏
每次任務開始前，用幾分鐘檢查高風險欄位；任務結束後，把新增問題與有效範例放回資料包。每月再清理重複、失效與沒有用途的內容。這三種更新頻率分工不同，不必每次都重新整理全部文件，也不應只在出錯時才維護。
可以指定一位資料維護人，但不代表所有資訊都由他判斷。課程規格仍由課程負責人確認，合作條件由業務確認，品牌用語由編輯維護。維護人的角色是確保問題被送到正確位置，而不是成為新的單一瓶頸。
如果團隊發現資料包越來越長，先問哪些資訊真的改變過輸出。很少使用的背景可以移到延伸資料，重要限制則留在主檔。整理的目的不是讓模型看見所有東西，而是讓它在需要時能找到正確資訊，並知道哪些內容不能自行延伸。