workflow 圖書館分類落地：8 篇串成知識結構 + Pillar C「自動化日常」
先講重點
怎麼讓 AI 認得網站在某主題有體系?workflow 圖書館 8 篇本來是平的清單,這次按用途分成 5 類(內容生產 / 生活自動化 / 交易工具 / AI 搜尋 / 元 workflow)+ 互相 related 內鏈,變成一張 Topical Map。把散落的文章串成「主題 → 子題」結構,是讓 Google / AI 認得「這站在這主題有體系」的關鍵 — 不是靠單篇,是靠結構。
#15 把內容改真、#16 給每篇加可抄的 code。這兩篇都是「單篇品質」。這篇是結構層 — 把 8 篇從「一堆各自獨立的文章」變成「一張看得出體系的知識地圖」。
原本 workflow hub 是平的:8 篇並排成一個清單。這次我按用途把它們分成 5 類，再補上篇跟篇之間的內鏈。
這篇講為什麼「分類 + 內鏈」對 SEO / GEO 來說是主題權威(topical authority)的地基 — 而主題權威，是單篇排名給不了的。
1. 卡點:8 篇平鋪 = 沒有結構訊號
8 篇 workflow 本來是一個平的清單，並排在 hub 頁。對讀者還能看，但對 Google 跟 AI 來說，它看到的是 8 篇各自獨立的文章 — 看不出「這個站在『自動化』這個主題上是有體系的」。
搜尋引擎跟 AI 判斷「一個站在某主題夠不夠權威」，看的不只是單篇寫得好不好，是「這些篇之間有沒有構成一個結構」。平鋪的清單，等於把這個結構訊號丟掉了。
2. 解法:按「用途」分類,不是按「工具」
我把 8 篇分成 5 類。關鍵是按「讀者的目的」分，不是按「用什麼工具」分 — 因為讀者是帶著「我想自動化某件事」來的，不是帶著「我想學 Python」來的。
| 分類 | 含哪些 workflow |
|---|---|
| 內容生產 bot | Threads 自動發文、IG 新聞 bot |
| 生活自動化 | 家族行程提醒 LINE bot |
| 交易工具 | 交易日誌 PWA、market scanner |
| AI 搜尋 | GA4 倒推 ChatGPT referral |
| 元 workflow | voice 萃取、brand 定位 |
「按用途分」這件事本身就是內容 — 它回答了讀者心裡的「你這些東西能幫我做什麼」，而不是「你會哪些技術」。這也對應 AIO 5 原則裡的「語意地圖 / 主題邊界」(#10 講過)。
3. 分類精準度本身是品質:新增「生活自動化」
family-line-bot(家族行程提醒)本來被歸在「內容生產 bot」。但它根本不產內容 — 它是幫家人記行程、到點提醒的工具。分類掛錯，讀者會困惑，主題也被稀釋。
所以我把它獨立成「生活自動化」一類。這看起來是小事，但分類的精準度本身就是資訊架構(IA)的品質 — 一個分類錯的項目，會同時誤導讀者跟搞亂主題邊界。寧可多開一類，也不要硬塞進不對的桶。
# 每個 workflow 用 category 欄位歸類 hub 自動分組
{
"slug": "family-line-bot",
"category": "life-bot", # ← 從 content-bot 改過來
"category_label": "生活自動化",
}
# hub:cats.setdefault(category) 按出現順序自動長出 cluster 不用手寫分類頁4. 內鏈:把 8 篇從孤島串成網
光分類還不夠。我給每篇補上 related — 連到主題相關的另外 2-3 篇。Threads bot 連到 IG bot 跟 market scanner，交易日誌連到 market scanner。讀者讀完一篇，能順著內鏈在「自動化」這個主題裡繼續逛。
內鏈是傳遞主題權威的管線。它告訴爬蟲「這幾篇是一夥的、屬於同一個主題」，也讓停留時間拉長(讀者不會讀完一篇就跳走)。有分類沒內鏈，每篇還是孤島;補上內鏈，整批才連成一個主題網。
5. 這是 Topical Map 的一塊:Pillar C「自動化日常」
Lab 的整體 Topical Map 是 3 個 pillar:A 非工程師做網站、B SEO + GEO、C 自動化日常。workflow 圖書館就是 Pillar C 的內容層。之前 pillar 的骨架就搭好了(三個 hub)，這次是把 Pillar C 從骨架填成「有真內容 + 有分類 + 有內鏈」的體系。
為什麼這比衝單篇排名重要:GEO 的下半場是「AI 認不認得這個站是某主題的來源」。當一個站在「自動化日常」這主題下有結構化的一整叢內容，AI 回答相關問題時，更容易把整個站當成可信來源，而不只是引用剛好寫到的某一篇。主題權威是複利，單篇排名是單利。
6. 順手做的 GEO 抽取優化:quick answer 問句化 + id
寫完這篇時收到一份外部 AI 的 GEO audit。它幾個建議基於舊版誤判 — 說我文章有大量截圖(實際零內容截圖)、叫我強調早就廢掉的付費版。但有一項對:把每篇開頭的 quick answer 從陳述句改成「使用者真的會搜的問句」開頭。
所以全站 18 篇 SEO 的 quick answer 開頭都改成問句(例:「PageSpeed 分數太低怎麼優化?」「如何倒推 ChatGPT 搜尋的引用來源?」)，再給 quick answer 區塊加上 id="quick-answer"。原理:AI Overviews 抽取頂部卡片時，最好抓的就是「問句開頭 + 答案緊接」的結構。這也接回 #16 — quick answer 就是每篇最該被整段抓走的可引用單元。
但這份 audit 我只採納了這一項。其他不是早就做了，就是基於它對網站的舊版誤判。這件事本身就是 #15 的延伸:AI 給的「建議」跟 AI 寫的「內容」一樣 — 聽起來都很專業，但照單全收就會去優化不存在的東西。對照真實，才知道哪條該採。
主題權威不是靠寫很多篇，是靠「讓散落的篇看起來像一個體系」。分類 + 內鏈是把一堆文章變成一張地圖的最低成本動作 — 內容已經在那了，只是要讓 Google 跟 AI 看得出它們是一夥的。Pillar C 這塊，這次算填起來了。
名詞解釋
- 自動化（automation）
- 把重複性工作交給程式定時自動執行，例如每天早上自動抓新聞、整理成貼文、發到社群。
- 內部連結（internal link）
- 站內文章互相連的連結，幫讀者跟搜尋引擎理解「哪些內容相關、哪一頁重要」，是成本最低的 SEO 訊號。
- 主題群（pillar + cluster）
- 內容策略：一篇總覽型長文（pillar）搭配多篇深入單點的文章（cluster），全部互連，形成搜尋引擎眼中的主題權威。
- 機器人（bot）
- 自動執行特定任務的程式，例如 LINE bot 自動回訊息、發文 bot 每天定時發貼文。
- GEO（生成式引擎優化）
- 讓 ChatGPT、Perplexity 這類 AI 在回答問題時引用你網站內容的優化方法，是 SEO 在 AI 時代的延伸戰場。
- SEO（搜尋引擎優化）
- 讓網站在 Google 搜尋結果排得更前面的一整套方法，涵蓋技術體質、內容品質、連結結構三層。
- 爬蟲（crawler）
- 自動瀏覽網頁、把內容抓回去的程式。Google 靠爬蟲收錄網頁，AI 公司靠爬蟲收集資料。
看完這篇之前先確認:
- 文章累積到開始變雜的人
- 想建主題權威 / topical authority 的人
- 有一叢同主題內容想串起來的人
- 站上只有幾篇、還不需要分類的人
- 靠單篇打天下、不在乎結構的人
- 完全不在乎 AI 把站當主題來源的人
- 按工具分類、不按讀者目的分
- 分類太細變碎片(反而失去主題感)
- 有分類卻沒內鏈(每篇還是孤島)
如果內容對你有用就太好了
隨喜斗內
相關閱讀
這篇背後的真實開發過程記錄在 Build Log。
搜尋標籤：topical-map、topical-authority、internal-links、information-architecture、pillar、geo。
本篇為個人學習與實驗紀錄。topical authority / Topical Map 是 SEO 社群概念、非 Google 官方排名開關 本文做法不保證在你的網站產生相同結果 請依自身狀況驗證。本站不接 YMYL 高風險站、不做 PBN、不做品牌矩陣 SEO。