快速閱讀：Marketing 自動化 AI 架構分四階：① Prompt／Regulation 試驗 ② 編排與人工審核 ③ Harness 接 API 與權限 ④ 觀測與迭代。Enablement 工具選型應優先連接已有 CRM、WhatsApp 與 CMS，而非另起孤立 AI 聊天窗。
「我們已經有 prompt 了，為什麼還不能上線？」——這是 Marketing 自動化項目最常見的卡關點。Marketing 自動化 AI 架構的關鍵，是把 Prompt 視為 Regulation 的草稿，而不是 Production 本身。上線需要的是 Harness：編排、工具、權限與觀測。
本文提供從 Prompt 到 Production 的四階架構，並說明 Regulation／Enablement 如何分工、工具如何選型。基礎概念：AI Harness 與 Regulation；香港落地：AI Harness 香港實戰。
Marketing 自動化 AI 架構四階模型
- Phase 1 — Regulation 實驗：內部試 prompt、模板、拒答；產出品牌 AI 政策文件
- Phase 2 — 編排與審核：固定步驟、人工批准節點、試算表或 CMS 草稿流
- Phase 3 — Harness 整合：API 白名單、CRM／WhatsApp／CMS 連接、Secrets 與環境分離
- Phase 4 — 觀測與迭代：日誌、QA 抽樣、A/B、Regulation 版本管理
多數失敗項目跳過 Phase 2–3，從 Phase 1 直接對客。這是 Vibe coding 陷阱在 Marketing 領域的翻版。
Regulation 文件化：Marketing 自動化 AI 架構的政策層
Regulation 應成為單一真相來源，至少包含：
- 品牌 voice 與禁用詞（繁中書面語、無誇大承諾）
- 服務邊界與轉人工條件
- 輸出 schema（JSON 欄位、文章結構）
- 資料處理與私隱提示
這份文件同時餵給 prompt、審核同事與 Harness 驗證規則。更新時需版本號，並在日誌中記錄「當次請求使用的 Regulation 版本」。
Enablement 工具選型：Marketing 自動化 AI 架構的連接層
工具選型原則：先整合，再創新。香港 Marketing 常見優先序：
- WhatsApp Business API — 本地轉化主通道（WhatsApp 自動跟進）
- CRM／試算表 — lead 狀態與標籤
- CMS／社媒排程 — 內容發布（Social Media 自動營運）
- Analytics — GA4、GSC、對話標記
- 知識庫 — FAQ、價目、服務說明（單一真相來源）
模型本身（GPT、Claude、Gemini）是運算引擎，不是架構核心。選型時問：是否有 API、是否可限制欄位、是否有 enterprise 日誌，而非只看 demo 效果。
Production 級 Marketing 自動化 AI 架構檢查清單
- ☐ 關鍵輸出欄位是否由系統提供，而非模型生成？
- ☐ 對外訊息是否有模板或人工批准？
- ☐ 是否有 staging 環境與正式環境分離？
- ☐ 是否記錄每次工具呼叫與模型版本？
- ☐ 是否有每週 QA 與 Regulation 更新流程？
- ☐ 是否与 網站承接 及 UTM 追蹤一致？
若缺三项以上，建議暫緩對客，先補 Harness。對照 Raw Model vs Harnessed Agent。
Marketing 自動化 AI 架構與 trafficholic 服務銜接
trafficholic 從流量與轉化角度設計 AI 架構，而非賣「多一個聊天機器人」：
- AI 客服 — Harness 化的 FAQ 與轉人工
- WhatsApp 自動跟進 — 模板與狀態驅動
- Social Media 自動營運 — 內容草稿＋審核節奏
- GEO／AI Search — 答案層可引用內容
- AI 流量內容課程 — 團隊 Regulation 與流程培訓
若你已有 Phase 1 的 prompt 與場景驗證，我們可協助 Phase 2–4 落地。歡迎 聯絡我們 或返回 大模型101 延伸閱讀。
Marketing 自動化 AI 架構：各 Phase 常見交付物
Phase 1 交付：品牌 AI 政策 PDF、10 條測試 prompt、拒答範例、內部試跑紀錄。Phase 2 交付：審核試算表或 CMS 草稿流、SLA 文件、人工覆核 checklist。Phase 3 交付：API 整合文件、staging 環境、Secrets 管理、工具白名單設定。Phase 4 交付：每週 QA 報表、Regulation 版本 changelog、意圖錯誤 top 5 修正計劃。
若供應商只能展示 Phase 1 的 demo，卻無 Phase 3–4 交付物，Production 風險仍高。
Marketing 自動化 AI 架構：供應商與工具評估問題
- 關鍵欄位（價格、條款）是否禁止模型自由生成？
- 是否有完整 request 日誌與 export？
- WhatsApp 是否支持已審核模板與狀態機？
- 是否支持 staging 與正式環境分離？
- 合約結束時，prompt、日誌、整合設定是否歸客戶？
- 是否可與現有 GA4、GSC、CRM 並行，而非取代追蹤？
這六題可直接用於 RFP 或內部 PoC 評分。與 香港 Marketing Harness 實戰 的 90 日路徑配合使用。
內容審閱：2026年9月｜作者／審閱：Timson Kwok（trafficholic 創辦人）。觀點來自真實合作流程、渠道數據觀察同企業 AIO／AI Search 落地經驗；數字會隨平台演算法更新，請以當期後台為準。非金融／法律意見。
Marketing 自動化 AI 架構 常見問題
Marketing 自動化 AI 架構的第一階段是什麼？
Regulation 試驗：在無對外風險的環境測 prompt、模板與品牌 voice，產出可文件化的政策，而非直接上線。
Enablement 工具選型應優先考慮什麼？
與現有 stack 整合：CRM、WhatsApp Business、CMS、GA4。避免選無 API、無日誌的孤立工具。香港團隊尤其要確認 WhatsApp 模板與私隱合規。
Regulation 與 Enablement 如何分工？
Regulation 定義邊界與格式；Enablement 定義可用工具與動作。兩者都需寫入 Harness，不能只存在於 Notion 文件。
如何選擇自建 Harness 還是採用服務商？
若內部無工程資源、且場景屬常見 Marketing 流程（客服、跟進、內容），採用已 Harness 化的服務通常更快。複雜 ERP 整合才考慮自建。
Production 前必須有哪些觀測能力？
請求日誌、錯誤率、人工介入率、延遲、模型版本。並建立每週抽樣 QA，修正 Regulation。
AI 架構與 GEO／SEO 如何並行？
從 Prompt 到 Production 通常要多久？
單一 pipeline 合理為 6–12 週，視整合複雜度。不要假設一週完成「全渠道 AI」。
trafficholic 在架構中扮演什麼角色？
我們協助香港品牌把 Marketing 自動化接到流量系統：WhatsApp 跟進、AI 客服、社媒節奏、SEO／GEO 內容，並以 Harness 思維設計 Regulation 與審核，而非只賣工具帳號。
