學會這套系統
沿著發現、理解、身分、權限、確認、狀態變更、收據與復原逐層檢查，分清楚 AI 可讀內容和可執行能力。請替每一層寫出輸入、輸出、副作用與失敗狀態，並標出目前最多能安全承諾到哪裡；每一層都要寫出能否由人工接手，以及失敗後如何復原。
建立心智模型
階段 08 · 改善
Agent-Ready Web：準備好由機器發起的任務旅程
內容被讀懂只是起點。經授權的 Agent 還要能發現能力、理解介面與權限，才有機會在安全範圍內行動。
學習結果
評估 Agent 可發現性、機器可讀能力、身分驗證、權限、狀態變更與人工監督。
- 先備條件
- 先完成或複習上一階段：GEO 營運系統
- 建議投入
- 60–90 分鐘學習 + 一次工作階段
- 完成後帶走
- 一張 Agent 任務旅程圖與準備度待辦，分開內容可發現性與真正可執行的能力。
學習 → 動手做 → 證明
完成實際工作
選一個真實客戶任務，畫出 Agent 從找到資訊到請求行動的完整路徑，補上資料契約、最低權限、人工核准、冪等、逾時、部分完成、取消與稽核紀錄。先做唯讀或可逆版本，再決定是否開放狀態變更。
做出工作產物
用證據驗證
用測試資料展示一條有邊界的機器可讀路徑或原型，主動測試未授權、重複請求、過期資料與人工接手。保存輸入、輸出、收據與失敗紀錄，並清楚註明原型沒有證明正式環境安全或相容所有 Agent。
檢查證據
先把概念邊界說清楚
機器可讀能力
軟體可以發現並理解的明確行動、輸入、輸出與限制。
公開一份能力說明，不代表背後的行動已經安全或可執行。
Agent 任務旅程
經授權的 Agent 發現資訊、在範圍內做選擇，並可能請求或執行動作的路徑。
自主程度不能超過身分、權限與核准機制。
狀態變更
建立、更新、購買、預約、傳送、刪除，或造成系統與外部承諾改變的操作。
機器可讀不會取代驗證、授權、資料檢查、冪等性與復原機制。
本階段核心課程
01
把資訊看得懂與真的做得到分開
Agent 可能完全理解頁面，卻沒有一條安全路徑完成使用者任務。
把旅程拆成幾層：可發現資訊、結構化事實、能力說明、介面契約、身分驗證、權限、確認、狀態變更、收據與復原。任何一層有缺口，都會改變這條旅程現在能承諾到哪裡。
靜態檔案與中介資料可以協助發現；API、feed、工具或協定可以開放能力。無論哪一種，都不能在缺少控制時，暗示系統有權替使用者行動。
- 寫出精確的客戶任務。
- 標出資訊結束、狀態變更開始的位置。
- 找出人工確認與復原路徑。
02
先從失敗設計介面契約
好用的介面會說清楚資料缺漏、過期、重複、未授權或只完成一半時要怎麼辦。
定義輸入、資料檢查、權限、副作用、冪等性、速率限制、錯誤狀態、確認文字、收據與升級處理。可觀測性與稽核紀錄本來就是能力的一部分。
能從唯讀或可逆路徑開始，就不要急著開放狀態變更。只有當團隊證明能發現失敗、限制影響並回到安全狀態時，才擴大自主範圍。
- 核准正常流程前先列失敗狀態。
- 每個動作只給最低必要權限。
- 提供可保存的收據與升級負責人。
03
用威脅與故障模型決定自主邊界
自主程度不是產品口號。每多開放一步狀態變更，就要多一組可以測試的控制與復原證據。
先列出誰可能發起任務、他能看到哪些資料、可以要求哪些動作，以及錯誤或惡意輸入會造成什麼影響。把資料外洩、權限提升、重複執行、過期資訊、部分完成與無法取消等情境放進同一張模型。
每項風險要對應預防、偵測與復原控制。最低權限限制能做什麼；資料檢查與確認文字降低誤操作；冪等鍵防止重複承諾；稽核紀錄、收據與人工升級則讓團隊能發現問題並處理後果。
依現有證據決定旅程停在哪裡。控制還不完整時，維持唯讀、草稿或人工核准；只有在拒絕、重複、逾時與復原測試都通過後，才評估擴大狀態變更。原型證據與正式環境準備度要分開標示。
- 威脅模型包含錯誤與惡意輸入。
- 每項風險有預防與復原控制。
- 自主範圍符合現有證據。
- 原型沒有被當成正式環境保證。
決策框架
發現 → 理解 → 授權 → 行動 → 復原
這條旅程今天最多能安全走到哪裡？
- 01
發現
Agent 找得到正確事實與能力說明嗎？
先修標準資訊與機器可讀的發現方式。
- 02
理解
輸入、輸出、限制與時效清楚嗎？
執行前先定義契約與資料檢查。
- 03
授權
可以確認身分、權限範圍與使用者意圖嗎？
權限不完整時維持唯讀，或交給人工核准。
- 04
行動與復原
系統能防止重複、留下結果，也能從失敗復原嗎？
只有具備確認、冪等、稽核與復原時，才允許有邊界的狀態變更。
非客戶示範案例
一間服務公司希望 AI Agent 能從公開能力頁直接預約諮詢。
- 服務資訊與可約時段都看得到。
- 預約端點沒有冪等鍵，也沒有範圍化授權。
- 取消流程與人工升級沒有寫進旅程。
先開放唯讀時段查詢，預約仍經人工確認；狀態變更契約與復原完成後，再評估自動預約。
發現已經準備好，會改變狀態的契約與復原還沒有。
原型能證明有邊界的路徑在測試條件下可用，不能證明正式環境安全或相容所有 Agent。
可重複使用的工作模板
Agent 任務旅程與能力契約
挑一個客戶任務，從發現一路畫到復原。
- 01
使用者任務與授權人
寫出預期結果、行動者，以及每一步由誰核准。
- 02
可發現事實
列出標準來源、時效與機器可讀版本。
- 03
能力契約
定義行動、輸入、輸出、限制、資料檢查與副作用。
- 04
權限與確認
指定身分、範圍、最低權限與人工核准點。
- 05
失敗與復原
列出重複、逾時、部分完成、拒絕、過期與取消路徑。
- 06
稽核與證據
定義紀錄、收據、監控、負責人與正式環境邊界。
常見失敗與修正方法
把中介資料當成執行能力
一份檔案或 Schema 被當成 Agent 能完成任務的證明。
能力說明沒有提供經驗證、可靠的執行路徑。
發現證據與執行能力證據分開。
只設計成功流程
旅程能成功，卻沒處理重複、部分完成、拒絕或取消。
狀態變更失敗可能造成真實承諾或資料不一致。
開放自主前先做好冪等、收據、復原與人工升級。
能存取就當成有權限
端點可以連線，就假設 Agent 有權使用。
可連線不代表身分、權限範圍與使用者意圖成立。
明確要求身分驗證、授權與確認。
實作練習
做一條有邊界的 Agent 任務原型
挑一個真實客戶任務，原型停在現有控制機制真正能支援的最遠一層。
- 01畫出發現、理解、權限、行動、收據與復原。
- 02寫出能力契約與失敗狀態。
- 03先做唯讀、可逆或人工確認的路徑。
- 04測試拒絕、重複、過期資料與人工接手。
驗收產物
一張 Agent 任務旅程圖、能力契約、有邊界的原型證據與準備度待辦清單。
完成標準
- 資訊層與執行層分得清楚。
- 權限與人工核准點明確。
- 失敗與復原路徑可以測。
- 準備度主張停在原型實際證明的位置。
GEO 學院知識庫
完整知識庫
先選學習階段，再看主題與閱讀意圖。需要入門解釋、實作步驟或決策資料，不必混在一起找。
considerationhubboth
AI Agent 策略是什麼？為代理式搜尋做好品牌準備的入門框架
AI 代理正代替 B2B 買家做功課、篩掉供應商。想在代理式搜尋裡被選中，你需要一套讓品牌資訊被 AI 讀懂的框架，這就是 AI Agent 策略。
閱讀文章considerationhubboth
跨境電商 GEO 手冊：讓商品在 AI 購物助理中被主動推薦
AI 購物助理是決定「要不要在答案裡提到你」，不是把你的商品排在第幾名。跨境賣家想被選上，得先讓機器讀懂你在賣什麼。
閱讀文章implementationhow-tosearchable
提供 Markdown 版內容給 AI：/md 端點與純文字備援的實作方式
與其把 HTML 語意標記做到完美、賭模型猜對版面，不如給 AI 一份乾淨的 Markdown 分身。
閱讀文章decisionhow-toboth
為 ChatGPT 購物與 Perplexity 商品優化：實作步驟拆解
AI 購物引擎不讀你的漂亮文案，它讀商品資料的一致性與網路上的評論共識。四個步驟，讓你的商品進入 ChatGPT 與 Perplexity 的推薦名單。
閱讀文章implementationhow-tosearchable
無障礙標記 (ARIA) 與 AI 可讀性：一次設定，同時服務螢幕閱讀器與 AI 代理
你為了無障礙而寫的 ARIA 標記，是餵給 AI 引擎最乾淨的一份原始碼——同一份設定，兩邊受惠。
閱讀文章considerationhow-tosearchable
產品頁 GEO 優化：用結構化資料把關鍵事實餵給 AI 購物代理
當使用者改用 AI 找產品，能不能被代理乾淨抽取欄位、正確引用價格與評分，就決定了你在這條新通路上的能見度。
閱讀文章驗證任務
驗證任務：Agent-Ready Web
用測試資料展示一條有邊界的機器可讀路徑或原型，主動測試未授權、重複請求、過期資料與人工接手。保存輸入、輸出、收據與失敗紀錄，並清楚註明原型沒有證明正式環境安全或相容所有 Agent。
- 01保存開始前的證據 — 沿著發現、理解、身分、權限、確認、狀態變更、收據與復原逐層檢查，分清楚 AI 可讀內容和可執行能力。請替每一層寫出輸入、輸出、副作用與失敗狀態，並標出目前最多能安全承諾到哪裡；每一層都要寫出能否由人工接手，以及失敗後如何復原。
- 02完成本階段產物 — 選一個真實客戶任務，畫出 Agent 從找到資訊到請求行動的完整路徑，補上資料契約、最低權限、人工核准、冪等、逾時、部分完成、取消與稽核紀錄。先做唯讀或可逆版本，再決定是否開放狀態變更。
- 03對照學習結果進行檢查 — 用測試資料展示一條有邊界的機器可讀路徑或原型，主動測試未授權、重複請求、過期資料與人工接手。保存輸入、輸出、收據與失敗紀錄，並清楚註明原型沒有證明正式環境安全或相容所有 Agent。
交付產物
一張 Agent 任務旅程圖與準備度待辦，分開內容可發現性與真正可執行的能力。
延伸實戰資料庫
沿著主題群繼續深入
核心階段保持開放；延伸閱讀中既有的進階白皮書仍沿用原本的資源庫解鎖方式。
白皮書6 章 · 2026.06
從被讀到被執行：MCP 與 B2A 的 agent-ready 基建
MCP 已成各大 AI 供應商共用的連接器，WebMCP 讓網站能對外暴露結構化功能讓 agent 直接執行任務。這份白皮書說明 agentic web 如何把行銷從「被讀」推向「被使用」，以及 B2A 基建怎麼開始做。
從被讀到被執行：MCP 與 B2A 的 agent-ready 基建指南6 章 · 2026.06
llms.txt 部署指南
從零開始為網站配置 llms.txt：語法、目錄結構、與 robots.txt 的分工，以及客戶網站上驗證過的常見錯誤。
llms.txt 部署指南指南6 章 · 2026.06
ChatGPT 商品 feed 設定指南：被 AI 選中的資料規格
OpenAI 收掉 Instant Checkout 後改押商品探索，讓商家提交 feed 讓商品被「完整呈現」。這份指南給你 ChatGPT 商品 feed 的格式、欄位與刷新規格，把商品做成 AI 探索層能讀懂並選中的資料。
ChatGPT 商品 feed 設定指南：被 AI 選中的資料規格拆解6 章 · 2026.06
Agent 結帳軌道：AP2、Visa、Mastercard 的協定拆解
2026 年 agent 付款的基建到位了：Google 開放 AP2、Mastercard Agent Pay、Visa Trusted Agent，連 Visa 都接進了 ChatGPT。這份拆解幫你看懂這些協定的差異，以及商家該支援哪些、如何讓信任訊號變成機器可驗證。
Agent 結帳軌道：AP2、Visa、Mastercard 的協定拆解用工具把這一階段做完
AI Agent Strategy
選一個真實客戶任務，畫出 Agent 從找到資訊到請求行動的完整路徑，補上資料契約、最低權限、人工核准、冪等、逾時、部分完成、取消與稽核紀錄。先做唯讀或可逆版本，再決定是否開放狀態變更。
證據邊界
工具輸出只適用於它明確描述的決策；不要把技術掃描、自評或規劃模型當成即時 AI 引用證據。
把學習用起來
從課程走到下一個可檢查的決策
只有當工具、診斷或服務的證據基礎符合你的決策問題時，才把它用在下一步。