好事發生數位AI

一個人管 8 個 AI Agent 的 SEO 內容工廠：從關鍵字研究到 WordPress 發布全自動化

Gary
2026/3/29

用 AI 深入探索這篇文章

點選下方平台，從消費者角度快速整理重點、追問問題與站內延伸閱讀

ChatGPTGoogle AI

本文由 AI SEO 自動化行銷搭配 OpenClaw 撰寫完成，中間經過專業顧問的經驗輔助撰寫內容，所有外部參考資料皆來自專業的單位。若你也想要提升你的工作效率或是導入AI到你的公司，歡迎前往查看 AI導入企業顧問服務。

我現在一個人管一間 SEO 公司。

不是外包，不是請人，是真的一個人，從關鍵字研究、內容策略、寫稿、SEO 優化、審核、到 WordPress 發布，全部由 8 個 AI Agent 分工完成。

這篇記錄我怎麼做到的，中間踩了什麼坑，以及這套系統跑起來到底長什麼樣。

為什麼我需要 8 個 Agent，而不是 1 個？

一開始我也是用一個 AI 寫文章。效果很差。

不是因為 AI 寫不好，而是一個 Agent 同時要做太多事：搜尋市場訊號、分析關鍵字、決定內容角度、寫稿、優化 SEO meta、審核品質、處理內部連結、發布到 CMS。每一步的品質要求不同，需要的 prompt 策略也不同。硬擠在一個 context window 裡，品質就是上不去。

這跟人類團隊一樣。你不會叫一個人同時做市場調查、寫企劃書、寫文案、校稿、上架。每件事都需要不同的專注力和判斷標準。

所以我把這些事拆開了，分成 8 個專職角色：

Agent 角色 做什麼
CEO 執行長 排優先級、審核文章 package、決定要不要往下推
Scout 訊號偵察員 蒐集 Google Search Console 數據、SERP 分析、CMS 庫存盤點
Community Researcher 社群研究員 用瀏覽器去 Google、Facebook 搜真實社群討論
Researcher 研究分析師 搜尋可驗證的外部來源，產出 evidence pack
Strategist 內容策略師 關鍵字分群、寫 brief、鎖定內容邊界
Writer 內容作者 寫稿，遵循 voice memory 的風格規則
Optimizer SEO 優化師 處理 title、meta、FAQ、內部連結計畫
Publisher 發布分析師 發到 WordPress、追蹤表現、學習編輯偏好

每個 Agent 有自己的身分設定檔、工作區、記憶體。它們不是同一個 AI 換了 prompt，而是各自獨立運作的專業角色。

一篇文章從零到發布的完整流程

拿最近產出的一篇「中小企業如何評估 AI 自動化工具？選前必問的 5 個問題」為例，整個流程走下來大概長這樣：

flowchart TD
    A["🔍 Scout
訊號蒐集"] --> B["👔 CEO
Triage 審核"]
    B -->|advance| C["🌐 Community Researcher
社群研究"]
    B -->|defer| Z["⏸️ 暫緩"]
    C --> D["📊 Researcher
證據蒐集"]
    D --> E["🎯 Strategist
關鍵字分群 + Brief"]
    E --> F["✍️ Writer
寫稿 + Voice Memory"]
    F --> G["⚡ Optimizer
SEO + 內部連結"]
    G --> H["👔 CEO
最終審核"]
    H -->|approve| I["🚀 Publisher
WordPress 發布"]
    H -->|reject| F
    I --> J["📈 Measure & Learn
追蹤 + 風格學習"]
    J -->|"Gary 編輯 WordPress"| K["🧠 Voice Memory
學習編輯偏好"]
    K -->|"下一篇文章"| F

    style A fill:#e3f2fd
    style B fill:#fff3e0
    style C fill:#e8f5e9
    style D fill:#e3f2fd
    style E fill:#fce4ec
    style F fill:#f3e5f5
    style G fill:#e0f7fa
    style H fill:#fff3e0
    style I fill:#e8f5e9
    style J fill:#fff9c4
    style K fill:#f3e5f5

第 1 步：訊號蒐集（Scout）

Scout 去看 Google Search Console 的搜尋數據、現有文章庫存、SERP 競品分析。產出一份 signal-packet，裡面寫清楚這個主題的搜尋意圖、競品分布、我們站上有沒有類似內容。

第 2 步：CEO 審核

CEO 看 signal-packet，決定要不要往下做。不是每個主題都值得投入。CEO 會判斷：跟公司目標對不對齊？會不會跟已有文章打架（cannibalization）？風險在哪裡？

決定「advance」才會進下一步。這一關擋掉了大概三成的題目。

第 3 步：社群研究（Community Researcher）

這一步很特別。Agent 會打開瀏覽器，像真人一樣去 Google 搜「中小企業 AI 工具怎麼選」，看第一頁有什麼結果。去 Facebook 社群看中小企業主怎麼討論 AI 導入。

抓回來的不是冰冷的關鍵字數據，而是真人用的語言、真實的困擾描述、以及市場上的討論熱度。

第 4 步：研究分析（Researcher）

用搜尋工具找可驗證的外部來源，產出 evidence pack。每個主張都要有依據。「AI 可以幫中小企業省人力成本」這種話不能憑空說，要有來源。

第 5 步：內容策略（Strategist）

做關鍵字分群、決定文章角度、寫 brief。brief 會鎖定：標題方向、段落意圖、cannibalization guard（避免跟自己的文章搶流量）、內部連結目標。

第 6 步：寫稿（Writer）

Writer 拿到 brief 開始寫。但它不是從零開始。它會先讀 voice memory。

什麼是 voice memory？下一節會詳細說明。簡單講就是「Gary 的寫作風格規則」，系統從我過去的編輯行為自動學到的。

第 7 步：SEO 優化（Optimizer）

處理 SEO title、meta description、FAQ schema、內部連結計畫。連結計畫不是隨便丟幾個延伸閱讀，而是根據文章的內容意圖，去規劃跟哪些現有頁面做雙向連結。

第 8 步：CEO 最終審核

CEO 最後過一次。看的不只是文章好不好，而是一整個 package：搜尋意圖有沒有對準、標題有沒有點擊力、cannibalization 風險有沒有控住、內部連結計畫完不完整。通過了才會往下走。

第 9 步：發布到 WordPress（Publisher）

自動把文章發布到 WordPress，而且是用 Gutenberg Block Editor 的格式。不是丟一坨 HTML 進去，而是每個段落、標題、列表都有正確的區塊結構。同時自動寫入 Rank Math 的 SEO title、meta description、focus keyword。

Voice Memory：系統怎麼學我的編輯風格？

這是整套系統裡我最在意的一個環節。

大部分 AI 寫作工具的問題是：寫出來的東西永遠是「AI 味」。用久了，所有文章讀起來都一樣。沒有個性，沒有觀點，就是很「正確」的廢話。

我的做法不一樣：讓系統從我每次的修改裡學習。

flowchart LR
    A["AI 寫好初稿"] --> B["Gary 在 WordPress 修改"]
    B --> C["系統抓取最新版本"]
    C --> D["diff 比對原始版本"]
    D --> E["自動分類編輯模式"]
    E --> F["寫入 Voice Memory"]
    F --> G["下一篇文章
自動套用"]
    G --> A

    style B fill:#fff3e0
    style E fill:#f3e5f5
    style F fill:#e8f5e9

分類器會自動辨識 6 種編輯模式：

模式 什麼情況會觸發 信心度
黑名單詞移除 你刪掉了「賦能」「痛點」「閉環」這類黑話 0.86
開頭改提問 你把介紹式開頭改成用問句切入 0.82
定位澄清 你改了開頭讓問題更具體 0.78
CTA 強化 你把結尾改成具體下一步，而不是口號 0.77
白話改寫 你把長句改短、把抽象詞改成白話 0.68
句子節奏 你把逗號太多的長句拆開 0.63

舉個真實例子：

我改了一篇文章的開頭。原本 AI 寫的是問句式開頭，我改成直接描述痛點。系統學到了什麼？一條 positioning 規則：「開頭先講讀者真正問題，再補背景。」信心度 0.78。

下次 Writer 寫開頭的時候，就會直接用這個風格。不用我再改一次。

目前系統裡有 14 條 style rules。9 條是我手動設的底線規則（像是「不准用賦能這個詞」），5 條是從實際編輯行為自動學到的。隨著我改越多文章，系統會越來越像我。

Paperclip：用來管理整條產線的控制台

8 個 Agent 各自運作，但我需要一個地方看全局。

這就是 Paperclip 的角色。它是一個 issue tracking + agent orchestration 系統。每篇文章是一個 issue，每個階段的進度、留言、審核決策都記在上面。

flowchart TB
    subgraph Paperclip["Paperclip 控制台"]
        I["Issue: 新文章請求"]
        R["Routines: 定時任務"]
        D["Dashboard: 全局總覽"]
    end

    subgraph Agents["OpenClaw Gateway"]
        A1["seo-ohya-ceo"]
        A2["seo-ohya-scout"]
        A3["seo-ohya-writer"]
        A4["...其他 5 個 Agent"]
    end

    subgraph WordPress["WordPress CMS"]
        W["cms.ohya.co"]
    end

    I -->|"指派任務"| A1
    A1 -->|"分派研究/寫稿"| A2
    A1 -->|"分派研究/寫稿"| A3
    A3 -->|"發布草稿"| W
    R -->|"每天 10am
檢查 WordPress 編輯"| A4
    W -->|"Gary 的修改"| A4
    A4 -->|"學習結果回報"| I

    style Paperclip fill:#f5f5f5
    style Agents fill:#e3f2fd
    style WordPress fill:#e8f5e9

更實用的是 Routines 功能：我設了一個「WordPress 編輯學習」的定時任務，每天早上 10 點自動觸發。Publisher Agent 會醒來，去 WordPress 檢查所有已發布的文章有沒有被我改過。有改動就學，沒改動就跳過。

我不用記得要跑什麼指令。系統自己處理。

技術棧一覽

元件 用什麼 說明
Agent 框架 OpenClaw 自建，支援多 agent + 多模型 + Discord 整合
任務管理 Paperclip 自建，issue tracking + agent orchestration + routines
AI 模型 GPT-5.4 / Claude Opus 4.6 依任務選模型，不綁單一供應商
CMS WordPress Gutenberg Block Editor，透過 REST API 自動發布
風格學習 Voice Memory（SQLite） 分類器 + 規則引擎，從編輯行為自動學習
搜尋 DuckDuckGo 免費，不需 API key
部署 Mac mini 本地跑，不依賴雲端

踩過的 3 個坑

坑 1：Markdown 發布到 WordPress 會變 Classic Block

一開始我用 Markdown 轉 HTML 的方式丟到 WordPress REST API。結果 WordPress 不認得這些 HTML，全部變成一個巨大的 Classic Block，在編輯器裡面一整坨，沒有段落結構。

後來我改成輸出 Gutenberg Block 格式。每個段落包一層 <!-- wp:paragraph -->，每個標題包 <!-- wp:heading -->。WordPress 就能正確識別每個區塊了。

坑 2：Voice Memory 只學審核階段的修改，漏掉 WordPress 修改

原本系統只會在 CEO 審核前後做 diff。我在 WordPress 後台做的任何修改，系統完全看不到。

這等於把最重要的學習訊號浪費掉了。我在 WordPress 改文章的那些修改，才是最真實的風格偏好。後來加了 WordPress 編輯學習功能，系統每天會自動去比對，這個環才打通。

坑 3：一個 Agent 做太多事 = 什麼都做不好

最早我試過用 3 個 Agent 跑完整個流程。結果研究品質差、寫出來的內容跟 brief 脫節、SEO meta 跟正文不一致。拆成 8 個之後，每個 Agent 的任務更聚焦，output 品質明顯提升。

目前的成果

  • ohya.co 106 篇文章（89 posts + 17 pages）
  • studycentralau.com 438 篇
  • 一個人全職管理三個客戶站的 SEO 內容
  • 從關鍵字研究到 WordPress 草稿，最快 15 分鐘完成一篇
  • voice memory 持續累積，文章越來越不需要大改

如果你也想做類似的事

老實說，現在這套系統不適合直接搬去用。它是我根據自己的需求，花了幾個月一步步搭出來的。

但如果你也在做 AI 內容行銷、SEO、或任何需要「多步驟 + 品質控制 + 持續學習」的工作流，有三個觀念可能對你有用：

  1. 把 AI 當團隊用，不要當工具用。 一個 Agent 做一件事，比一個 Agent 做十件事好太多。就像你不會叫實習生同時做市調、寫文案、和上架。

  2. 讓 AI 學你的風格，不是你去適應 AI 的風格。 每次你修改 AI 的輸出，都是一次訓練信號。把這個信號留住，下次就不用重改。

  3. 自動化的價值不在速度，在一致性。 我不是因為快才用 AI，是因為我需要每篇文章都維持一定水準，而且不能因為我今天狀態不好就讓品質掉下去。

如果你想了解更多 AI 導入的實務細節，可以看看我們的 AI 導入企業顧問服務，或是直接來聊。

這篇文章由 OHYA 的 AI Agent 系統產出初稿，經 Gary 修改後發布。如果你想知道 AI Agent 怎麼在中小企業落地，或者 AI 導入到底要花多少錢，這兩篇也值得看看。

←Back to Blog
一個人管 8 個 AI Agent 的 SEO 內容工廠：從關鍵字研究到 WordPress 發布全自動化