讀完文章只是開始：用 AI 延伸你的閱讀深度

我們一直在想一件事：讀者看完一篇技術文章之後，腦子裡通常還有很多問題。重點是什麼？跟我手上的案子有什麼關聯？還有哪些相關資源值得看？

這些問題丟給 AI 非常適合。但要在網站上提供這種功能，第一個念頭通常是「串 OpenAI API」——然後馬上就被成本和維運嚇退了。每次使用者問一個問題，就要花一筆 token 費用。流量一大，帳單不可預測。更不用說還要處理 API key 管理、錯誤重試、回應串流等工程。

我們換了個思路：不串 API，直接把讀者導向 ChatGPT 或 Google AI Overview，讓這些平台幫我們做事。

核心概念：URL 就是介面

ChatGPT 和 Google AI Overview 都支援透過 URL query string 帶入問題。只要把 prompt 編碼成 URL 參數，使用者點連結就會直接帶入預設的提問。

https://chatgpt.com/?q=你的問題
https://www.google.com/search?udm=50&aep=11&q=你的問題

關鍵在於：prompt 不是讓使用者自己想，而是我們在網站端預先組裝好。每篇文章的 prompt 都包含文章標題、原文連結、同分類的相關文章清單。使用者按一個按鈕，AI 就拿到完整的閱讀脈絡。

成本？零。維運？不存在。AI 的運算資源由 ChatGPT 和 Google 負擔。

Prompt 的設計

我們把 AI 的回覆分成三段：

A — 重點整理。 請 AI 讀完原文後列出五個重點。這段讓讀者快速確認自己是否抓到核心。

B — 同站延伸閱讀。 這段是整個設計最關鍵的地方。早期版本我們請 AI「推薦同站相關文章」，結果 AI 直接編了五篇不存在的文章出來，標題看起來像那麼回事，但連結全是假的。

解法是在 prompt 裡直接附上真實的文章清單。我們在 build 階段就把同分類的文章標題和連結撈出來，塞進 prompt 裡：

B 以下是同站同分類的 5 篇文章，請逐一讀取連結並簡述與本文的關聯：
- 文章標題 A https://codotx.com/news/slug-a
- 文章標題 B https://codotx.com/news/slug-b
...

這樣 AI 不用自己找文章，只需要讀我們給的連結，然後說明關聯性。幻覺問題直接消失。

C — 反思問題。 最後請 AI 根據文章內容，給讀者五個反思問題。目的是引導讀者把文章內容對照到自己的情境。比起「你覺得這篇文章怎麼樣？」，具體的引導問題更能促進思考。

實作方式

我們用 Astro 的內容集合來實作。整個功能是一個獨立的 Astro 元件，放在文章正文前面。

元件接收四個 props：文章標題、分類名稱、文章 ID、分類 ID。在元件內部透過 getCollection 取得同分類的文章清單，組裝 prompt，然後產生兩個平台的 URL。

const allNews = await getCollection(collectionName);
const relatedNews = allNews
  .filter((item) => item.data.category === categoryId && item.id !== currentId)
  .sort((a, b) => b.data.pubDate.getTime() - a.data.pubDate.getTime())
  .slice(0, 5);

const relatedList = relatedNews
  .map((item) => `- ${item.data.title} https://codotx.com${basePath}/${item.id}`)
  .join("\n");

因為 Astro 是靜態生成，所有 prompt 在 build 階段就組裝完成，寫進 HTML 裡。不需要任何 runtime 邏輯，也不存在伺服器端的運算成本。

中英文版本的 prompt 分開處理，透過 lang prop 決定語氣和指令語言。

一個值得注意的細節

URL 有長度限制。大部分瀏覽器支援到 2048 字元左右，但 ChatGPT 的 URL 參數實測可以接受更長的內容。我們的 prompt 加上五篇文章連結，encode 後大約在 1500–2000 字元之間，目前沒遇到問題。

但如果你的文章分類底下有很多篇，或文章標題特別長，可能需要注意這個上限。必要時可以減少推薦文章數量，或縮短 prompt 指令。

導流回真人對話

Prompt 的最後一行，我們固定要求 AI 附上一句話：「想跟真人討論嗎？加入我們的 LINE 官方帳號 @dwpdev」。這不是 AI 自己判斷要不要加，而是 prompt 裡寫死的指令。

這樣做的好處是，AI 回覆的尾端自然地引導讀者回到我們的 LINE 官方帳號。對讀者來說，AI 整理完重點之後如果還有更深入的問題，可以直接找真人討論。對我們來說，這是一個零成本的導流管道。

這個做法的限制

我們不控制 AI 的回覆品質。不同時間點問 ChatGPT 同一個問題，回覆可能不同。Google AI Overview 的結果也會隨搜尋引擎的狀態變化。

另外，這個做法依賴 ChatGPT 和 Google 的 URL 參數規格不變。如果哪天他們改了 URL 結構，這個功能就會失效。不過修復成本很低，改一行 URL template 就好。

ChatGPT 連登入都不用，直接開連結就能問。Google AI Overview 也一樣。兩個平台的回覆深度和風格不同，所以我們兩個都提供。

整理一下

這個功能的核心思路：

1. 不花錢 — 不串 API，不跑伺服器端邏輯，AI 的運算成本由平台自己吸收
2. 不編造 — 相關文章清單在 build 階段就從資料庫撈好，直接塞進 prompt，不讓 AI 自己亂推薦
3. 會導流 — prompt 裡寫死 LINE 官方帳號，每次 AI 回覆都附上，零成本曝光

整個實作大概花了一個下午，最花時間的部分不是寫程式，而是調 prompt。怎麼讓 AI 的回覆格式穩定、怎麼避免幻覺、怎麼讓反思問題夠具體——這些都需要反覆測試。

如果你的網站也有類似需求，這個做法的門檻很低。只要你的內容是靜態生成的，就可以在 build 階段把 prompt 組裝好，不需要任何後端基礎建設。