AI 寫得不像你的品牌？先建立一份它能讀懂的 Brand Background

我常常會覺得，只要把品牌資料丟給 AI，它應該就會越來越懂這個品牌。

品牌介紹、過去文章、Threads、受眾資料、網站內容、寫作風格，全部都放進去。

但實際使用時還是會遇到一樣的狀況：

同樣叫 AI 寫 Level UP 的內容，有時很接近我們的方向，有時卻突然變成一般的 AI 工具介紹，甚至開始寫一些品牌根本沒打算做的題目。

這時候最直覺的做法通常是繼續補 Prompt：

「不要寫得太像 AI。」

「語氣口語一點。」

「這不是我們的受眾。」

「Level UP 不想做工具大全。」

一篇一篇修當然有用，只是下一次換一個對話、換一個任務，又可能要重新說明一次。

後來我覺得，該先整理的是另一件事：

AI 開始工作以前，到底知道多少關於你的品牌？

品牌資料很多，不代表 AI 已經理解你的品牌

假設我把 Level UP 過去所有文章都交給 AI。

它確實可以從裡面找到很多資訊：

我們寫過 Claude Code、Workflow、Skill、Harness，也分享過自動化與 AI Agent。

問題是，它還是得自己猜很多事情。

哪一篇代表現在的品牌方向？

哪些只是以前做過的內容？

什麼題目雖然有流量，我們現在已經不想繼續寫？

遇到兩份互相衝突的規劃時，應該以哪一份為準？

Yuzen 和 Nemi 的內容方向有什麼差異？

這些問題不一定能從「資料很多」自然得到答案。

這也是我現在對 Brand Background 的理解：

Brand Background 是 AI 做品牌判斷時可以依賴的共同背景。

Brand Background 是我在整理品牌 AI 工作環境時採用的名稱，目前沒有對應的業界統一規格。

前面整理Harness、Loop、Graph Engineering 的差異時，我們提過，模型以外還需要工作環境。

其中很重要的一部分，就是 Context：它知道什麼、去哪裡找資料、哪些規則需要遵守。

團隊共享 Harness 的思路也是如此。比起把整間公司的資訊全部塞進每一次對話，更有效率的方式，是先提供一個小而穩定的入口，再讓 AI 根據任務取得更深的資料。這樣 Context 才能持續使用，不必每次重新建立。

放到品牌上，其實也是同一件事。

我會先把 Brand Background 拆成 6 個部分

如果今天要重新整理 Level UP，我不會第一天就把所有文章、貼文與筆記全部整理完。

我會先建立一份夠小、但足以讓 AI 開始工作的 Brand Background。

1. Brand：我們到底是誰

第一部分先回答最基本的問題：

品牌在做什麼？

為什麼存在？

現在處於哪個階段？

目前 Level UP 的定位，可以先濃縮成：

Level UP 專注把複雜的 AI 概念拆成可以理解、可以實作的工作方法，並記錄如何用 AI 建立一個持續累積與進步的品牌。

這句話會直接影響 AI 選題時的判斷，不只是放在首頁的品牌標語。

例如同樣是 ChatGPT 簡報，如果只知道「Level UP 是 AI 品牌」，AI 很可能覺得「7 種 ChatGPT 簡報 Prompt」很適合。

但如果知道我們現在想建立的是「複雜 AI 概念拆解、可實作工作流程與品牌 AI 系統」，它就應該進一步判斷：

這個題目真的有建立品牌方法論嗎？

還是只是另一篇大家都能寫的 AI 工具文？

2. Audience：我們到底在跟誰說話

我以前也會寫：

「25 到 34 歲、對 AI 有興趣的工作者。」

但這對 AI 幫助其實有限。

更有用的是告訴它：

這群人現在已經知道什麼？

他們卡在哪？

看完 Level UP，希望可以往哪裡前進？

例如我們的讀者通常已經知道 ChatGPT、Claude 這些工具，不需要每篇文章重新介紹「AI 是什麼」。

他們常卡在這些地方：

知道很多工具，卻不知道怎麼放進工作。

看過很多 Prompt，卻沒有自己的 Workflow。

收藏很多 AI 新聞，實際要用的時候卻找不到方法。

這些資訊才會決定一篇文章應該從哪裡開始講。

3. Direction：現在最重要的內容方向

品牌做久之後，方向一定會改。

所以 Background 裡應該記錄的是「現在優先什麼」，而不是所有曾經做過的事。

以目前 Level UP 來說，我會先放四條：

1. AI 系統概念拆解
2. AI 工作流程與方法
3. 品牌 AI 工作系統
4. AI 學習與判斷能力

這樣 AI 在提出下一篇文章時，就有一個判斷框架。

AI 看到熱門題目時，應該先判斷它能不能往其中一條主線累積。

4. Principles：品牌怎麼做判斷

這一層我覺得比「語氣」更重要。

品牌需要留下來的，除了寫法，還包括判斷方式。

例如 Level UP 可以放：

複雜的技術概念要翻譯成一般人可以實作的方法。

介紹工具時，要回到真實工作場景。

文章不能只有整理資訊，需要加入實際判斷、案例或使用方法。

不要為了新工具而寫新工具。

遇到無法驗證的資訊，不把推測寫成事實。

這些規則會影響的不只文案。

它會影響選題、資料研究、文章結構，甚至決定某個題目到底值不值得寫。

5. Voice：我們怎麼說話

到這裡才處理很多人一開始最在意的「品牌語氣」。

可以放：

使用繁體中文與台灣用語。

從實作者角度分享，不使用權威命令口吻。

複雜概念先翻譯成工作情境。

段落保持短，不寫成百科。

可以保留「我怎麼做、我怎麼判斷」，但沒有真的做過的事情不要假裝成實測。

另外我會放幾篇真正代表 Level UP 的文章。

因為只寫「自然、口語、專業」仍然很抽象。

一個真實的好案例，通常比十個形容詞更容易讓 AI 理解你說的「像我們」。

6. Boundaries：哪些事情不要自己決定

最後是邊界。

這個部分以前很容易被忽略，但如果 AI 未來真的進入工作流程，我反而會把它寫得很清楚。

例如：

不要自行改變品牌定位。

不要看到熱門題目就直接加入內容排程。

沒有實際使用過的工具，不要寫成個人實測心得。

無法確認的數字、功能與產品更新，需要先查原始來源。

正式發布前保留人工確認。

這一層會先說清楚：

哪些判斷可以交給 AI，哪些仍然屬於品牌負責人的工作。

Brand Background 不需要把所有東西塞在同一份檔案

整理到這裡，還有另一個很容易踩的坑：

既然 AI 需要 Context，那就把所有東西放進去。

最後 Brand Background 可能變成幾萬字。

品牌故事、每篇文章、全部 Threads、SEO 規格、網站設計、圖片 Prompt、內容規劃，全部塞在一起。

這又回到原來的問題。

資訊很多，但優先順序變得模糊。

我現在比較傾向使用「入口＋深層資料」的方式。

例如：

Level UP
│
├── BRAND_BACKGROUND.md
│   ├── 品牌定位
│   ├── 受眾
│   ├── 內容方向
│   ├── 品牌原則
│   ├── 語氣
│   └── 邊界
│
├── content/
│   ├── 專欄案例
│   └── Threads 案例
│
├── policies/
│   ├── 專欄上稿檢查
│   └── 事實與來源規則
│
├── workflows/
│   ├── 專欄工作流程
│   └── Threads 工作流程
│
└── decisions/
    └── 品牌方向調整紀錄

「BRAND_BACKGROUND.md」保持小而穩定。

任務需要文章案例時，再讀 content。

需要寫專欄時，再讀上稿規則。

需要知道為什麼某個題目被取消時，再去看 decisions。

AI 不需要在每個任務開始前讀完整個品牌。

它需要的是先知道：哪些資訊存在、什麼時候應該去讀。

Background 和 Workflow 要分開

我覺得這也是整套系統最重要的分層之一。

Brand Background 回答的是：

AI 要知道什麼？

Workflow 回答的是：

AI 接到任務之後要怎麼做？

這兩件事情混在一起，很容易又變成一個超長 Prompt。

我整理 Claude Projects 與 Skills 的資料時，先用這個方式區分兩層：

Project knowledge = 跨對話共用的專案背景
Skill = 任務需要時載入的可重複流程

這只是方便工作時使用的整理方式；Anthropic 官方並沒有提出這套 Background／Workflow 分層。就產品能力來看，Claude Projects 可以保存 project knowledge 與 project instructions；Agent Skills 則把指令、腳本與參考資源封裝成任務需要時載入的能力。

但我覺得不需要綁在 Claude。

你也可以使用 ChatGPT Project、Obsidian、資料夾、Git Repository，甚至是一組整理好的 Markdown。

實際整理時，關鍵是把兩種東西分開：

Brand Background
↓
告訴 AI 這個品牌是誰

Workflow
↓
告訴 AI 這件工作怎麼完成

這也是為什麼我現在會先整理 Level UP 的 Background，再開始整理完整的內容 Workflow。

如果想進一步了解 Skill 如何承接工作流程，可以接著看Claude Skills 是什麼？把工作習慣變成 AI 能重複執行的流程。

AI 做錯時，也比較知道該改哪裡

把這幾層拆開之後，還有一個很實際的好處。

下一次 AI 產出不對，不需要第一時間重新研究 Prompt 要怎麼寫。

可以先判斷問題在哪一層。

如果它一直提出不符合目前定位的題目，可能是 Brand Background 沒有更新。

如果文章知道方向，但語氣一直跑掉，可以補規則與好案例。

如果每次寫文章都漏掉來源驗證，那就是 Workflow 或 Policy 要改。

如果文章都已經完成，卻直接準備發布，則需要補人工 Review 的邊界。

團隊共享 AI Harness 的原始分享裡，有一個很實用的診斷方式：

每次出錯時，先找出「工作環境的哪一層讓這個錯誤發生」，再去修那一層。

這樣一次修正才能留到下一次，不會只停在眼前這篇文章。

如果你現在也想開始，不用先整理完整個品牌

我會從一個真的會重複發生的工作開始。

例如：

「我每週都需要把一篇研究筆記整理成品牌文章。」

先建立完成這個任務需要的最小 Background：

我們是誰
→ 寫給誰
→ 最近在寫什麼
→ 怎麼判斷一個題目適不適合
→ 文章應該怎麼說話
→ 哪些事情不能讓 AI 自己決定

接著真的拿它跑一次文章。

哪個資訊缺了，再補哪個。

哪條規則沒作用，再調整。

流程穩定之後，再把「研究資料 → 找角度 → 寫專欄 → 驗證 → 發布」整理成 Workflow。

實際拿它跑過任務並補齊缺口後，Brand Background 才會進入日常工作。

讓 AI 更懂品牌，先給它一個可靠的起點

我現在會把品牌 AI 系統想成幾個逐漸往下建立的層次：

Brand Background
知道我們是誰

↓
Policy
知道哪些原則需要遵守

↓
Workflow / Skill
知道這件工作怎麼做

↓
Review
知道什麼需要人工判斷

↓
Update
把這次修正留下來，讓下一次更準

模型會一直更新，我們使用的 AI 工具也一定會換。

品牌可以留下來的，是累積過的背景、判斷方式、工作流程與修正紀錄。

對我來說，Brand Background 的作用，是讓 AI 每次開始工作時，都能從相對可靠的起點理解：

我們是誰、正在往哪裡走，以及這次工作應該依照什麼標準來判斷。

下一步，就是把這份 Background 實際接進 Level UP 的內容流程。

從研究素材、建立觀點、寫專欄，到 Threads、圖片、發布、回收反應，再決定下一個題目。

那會是下一篇要拆的：

Level UP 如何建立一套可以持續運作的 AI 內容 Workflow。

參考資料

• How to Build a Shared AI Harness for Your Team
• 不要再迷信 Prompt，去搭系統
• How can I create and manage projects?
• What are Skills?
• Agent Skills specification