網站改版了，AI卻讀不懂？善用Cloudflare免費工具，幫品牌官網做一次「代理人體檢」|數位時代 BusinessNext

「我叫他去測，沒想到只有 59 分。」

我曾建議一位品牌主把官網丟進 AI 體檢工具。他的品牌深耕多年，官網也剛完成改版，沒想到在 AI 代理人眼中，網站竟然只有 59 分。他問我：「這個分數代表什麼？我該怎麼辦？」

他的反應，是我近來最常見到的品牌焦慮：明明持續投入數位行銷，卻不知道 AI 有沒有「看見」自己。好消息是，這份抽象的恐懼，現在已經可以被量化、診斷與改善。

AI 代理人不是瀏覽你的網站，而是解析它

在回答那位品牌主之前，要先建立一個關鍵認知：AI 代理人讀取網站的方式，和人類不完全相同。

人類常先感受視覺設計與品牌氛圍；AI 代理人則更依賴網站結構、標記與協定。Cloudflare 在 2026 年 4 月公布的分析中，掃描了 20 萬個熱門網域。結果顯示，78% 的網站設有 robots.txt，但多數仍以傳統搜尋引擎爬蟲為主；只有 4% 的網站透過 Content Signals 聲明 AI 使用偏好，能提供 Markdown 版本內容的網站也僅占 3.9%。

這意味著，即使 GEO（生成式引擎優化，讓品牌內容更容易被生成式搜尋服務引用）做得再精準，如果網站結構讓 AI 無法順利進入或完整讀取，優化效果仍可能打折扣。

我的判斷是，GEO 處理內容層問題，Agent Readiness（AI 代理人就緒度）則處理網站能否被代理人發現、存取與操作的基礎問題。先讓 AI 讀得懂你的網站，品牌才有機會在合適的情境中被找到。

三分鐘，幫官網做一次 AI 體檢

我推薦的工具是 isitagentready.com，這是 Cloudflare 推出的免費服務。打開網站、輸入官網網址並按下掃描，通常很快就能拿到一份 0 到 100 分的 Agent Readiness 報告。

它檢測的項目包括：robots.txt 是否允許主要 AI 爬蟲進入、有沒有提供網站地圖、內容能否以 Markdown 格式被有效讀取，以及網站是否公開 MCP Server Card、Agent Skills 等新興協定。使用者也能透過自訂掃描檢查 llms.txt，工具甚至涵蓋代理式商務的相關標準。

需要補充的是，Cloudflare 預設不將 llms.txt 納入評分；代理式商務協定雖會顯示檢查結果，截至 2026 年 8 月也不計入分數。

每個未通過的項目都會被列出，並附上改善建議與可交給程式設計代理人的提示詞。不過，Cloudflare 也提醒，這些建議由 AI 生成，仍須由具備專業判斷的人員確認後再執行。

恐懼之所以巨大，往往只是因為它還沒有被量化。

讀懂你的分數，把恐懼變成待辦清單

59 分代表什麼？為了方便品牌主理解，我把分數分成四個工作區間：

80 分以上可視為 Agent-Ready 領先群，代表網站在多數檢查項目上表現完整，AI 代理人較容易發現並存取內容。

60 到 79 分代表基礎已建立，但仍有關鍵缺口，AI 代理人可能遺漏部分內容或功能。

40 到 59 分，正是那位品牌主原本的位置。AI 進得了網站，但讀取效率不佳，部分內容或工具可能無法被正確辨識。

39 分以下屬於高風險區。這不代表品牌一定無法被 AI 找到，而是網站缺少較多代理人需要的技術訊號，應優先檢查與修正。

分數只是起點。它真正的價值，是把抽象焦慮翻譯成一張可以立刻執行的待辦清單。

從診斷到處方，一個下午讓分數跳升 24 分

我陪那位品牌主逐項拆解報告。

第一步是處理評分中的基礎項目，包括調整 robots.txt，讓合適的 AI 爬蟲可以進入；補上網站地圖與必要的 Link headers；再確認網站能否依請求提供乾淨的 Markdown 內容。若在自訂掃描中納入 llms.txt，也可一併補上這份網站導覽文件。

接著，我們也強化其他機器可讀性。包括導入 JSON-LD（協助機器理解網頁內容的結構化資料格式）、改善 HTML 語意，並將關鍵產品資訊從只靠 JavaScript 動態渲染，調整為可直接讀取的伺服器端輸出。這些項目不一定計入 Cloudflare 的 Agent Readiness 分數，卻可能影響部分搜尋服務、爬蟲與 AI 工具讀取內容的完整性。

整個過程中，工程師不必從零開始寫程式碼。Cloudflare 的報告會針對未通過項目，產生可直接交給 Claude Code（Anthropic 推出的 AI 程式設計工具）或 Cursor（整合 AI 輔助功能的程式編輯器）的提示詞，再由工程師檢查與部署。

重新掃描後，分數從 59 分升至 83 分，從「需要關注」進入我所定義的領先區間。這是單一網站的修復案例；不同網站架構與檢查項目不一，所需時間和分數變化也不會完全相同。

我觀察到，品牌主對 AI 時代的焦慮，多半來自「看不見、摸不著」：不知道 AI 如何讀取自己的網站，也不知道該從哪裡下手。

isitagentready.com 的價值，在於把抽象焦慮翻譯成具體成績單與行動清單。它不能保證品牌一定會被 AI 引用或推薦，卻能協助團隊找出網站在代理人存取與互動上的技術缺口。

品牌主不妨抽幾分鐘測試官網或電商網站，也可以多測幾個不同分頁，把結果當成改善網站機器可讀性的起點。

在代理人經濟裡，如果 AI 無法順利存取與理解網站，品牌就可能錯失被發現與使用的機會。

本文授權自高端訓【品牌 AI 攻略】

延伸閱讀：[進貨沒變快，momo為何仍導入機器人？物流副總揭比拚速度更棘手的缺工難題][2]
[2]: https://www.bnext.com.tw/article/91741/momo-fubon-ecommerce-logistics-amr

曾是台灣製造業重要根基的塑膠射出產業，如今正面臨人才斷層危機。尤其桃園聚集大量工業區與製造業者，老師傅退休、新人才接不上的現況，更是許多工廠正在面對的現實難題。

從汽車零組件、網通設備、醫療器材到半導體載具，許多產品都離不開射出成型。智穎智能創辦人暨執行長張詠翔指出，全球塑膠射出市場規模超過 3000 億美元，每年仍以約 3% 至 4% 的幅度成長。需求並未消失，只是製造基地從台灣、中國逐步往東南亞等地移動。但機器可以搬、訂單可以轉，老師傅數十年累積的經驗卻很難複製。

這道人才缺口，正是 2020 年成立的智穎智能切入市場的機會。團隊從桃園中原大學的研究能量出發，歷經近十年研究與工廠驗證，嘗試把老師傅腦中的射出經驗，轉化成可以計算、保存與持續學習的 AI 模型，解決產業第一線面對到的挑戰。

把老師傅經驗交給 AI，射出成型從「導航」走向「自駕」

「餐廳沒有廚師是不行的。有再好的設備，不會做的人還是會把它做失敗。」張詠翔如此比喻射出成型的技術門檻。當模具完成後，生產現場仍得依產品、材料與機台特性，調整溫度、速度、壓力、位置等條件；即使使用同一種塑料，不同產品的調整方式也可能完全不同。

而老師傅的珍貴之處，不只是記住參數，而是知道面對材料、機台與環境變化時如何修正。智穎智能要做的，就是把這些難以傳承的「火候」拆解成可以運算的製程邏輯。目前其 AI 解決方案已應用於超過 200 種材料、50 多種產品類型。

把老師傅的經驗轉化為製程邏輯後，第一步就是讓 AI 協助操作人員找到合適的成型條件。智穎智能為此開發智能成型導引系統，工廠只要輸入材料、機台規格、產品尺寸等資訊，sMolding 便能計算第一組成型參數；若試模後出現產品缺陷，再由 sTroubleshooting 提供修正建議。

「它就像導航。我今天告訴你要從 A 點到 B 點，但不知道路怎麼走，導航會把路徑算給你。」張詠翔說。對射出成型而言，這條「路徑」就是溫度、速度、壓力與位置等參數如何組合。以半導體載具試模為例，傳統方式需 7.5 小時，導入系統後縮短至 2 小時，材料使用量從 23 公斤降至 8.7 公斤，整體試模成本降低 64%。

但找到正確參數只是第一步，真正進入量產後，工廠面對的「路況」還會持續改變。溫溼度、材料批次與機台耗損，都可能讓原本設定好的製程條件產生偏移。智穎智能因此進一步開發 StabMolding 成型穩定模組，透過射出壓力數據持續監控品質，並依生產狀態自動補償關鍵參數。換言之，AI 不只在試模階段提供一條正確的「導航路徑」，進入量產後還能因應製程變化持續修正，進一步朝「自駕」邁進。

從產線驗證到海外布局，桃園如何助攻智穎智能跨過0到1？

但要讓 AI 真正走進工廠，智穎智能採取 SaaS 訂閱模式，將核心運算留在雲端持續學習與更新，降低中小型製造商一次投入大量資金的門檻。另一項差異則是「跨廠牌」。現實中的射出工廠往往同時擁有台灣、日本、歐洲不同品牌與年份的設備，因此智穎智能的方案既能導入既有設備，也能與射出機、控制器業者合作，在新機出廠時直接整合。「一個工廠不會只有一個廠牌，就像你家的車庫不會永遠只放同一品牌的車。」張詠翔說。

對智穎智能而言，AI 真正走進製造現場的關鍵，在於不同世代、不同品牌的設備都能導入。只是對工業 AI 而言，降低導入門檻還不夠，更關鍵的是能否取得真實產線反覆驗證。對從中原大學研究成果衍生創立的智穎智能而言，桃園不只是公司所在地，也提供了技術走向市場的第一塊試驗場。「對新創來說，第一個就是要經費、要人才、要場域，再來就是客戶與合作夥伴資源。」張詠翔說。

成立初期，團隊透過桃園市政府研發補助、新創競賽與基地進駐等資源，降低早期研發與營運負擔。更重要的是，桃園密集的製造業聚落，本身就是智穎智能最直接的潛在市場。透過市府串聯工業區與在地企業，智穎智能在創業初期接觸到位於桃園的「良器」，成為公司第一個客戶。從概念驗證、產品調整到實際導入，合作一路延續至今。對必須進入產線反覆驗證才能成熟的工業 AI 而言，第一個願意開放場域的客戶，意義遠超過第一筆營收。

如今，從桃園製造現場磨出的解決方案也開始往海外走。「日本這一次，完完全全都是桃園市政府帶著我們去做這件事情。」張詠翔表示，透過市府帶領團隊前往日本神戶，智穎智能接觸當地官方與企業資源。在市府引薦下，團隊成功對接了神戶知名加速器，更取得日方針對外資新創設立公司與拓展市場的兩階段實質補助資訊。目前團隊正籌備日本布局，為下一階段海外市場拓展做準備。

AI 解決「怎麼生產」後，下一步是「替誰生產」

當 AI 開始解決「怎麼生產」，張詠翔看到的下一個問題，是「替誰生產」。部分製造商提高生產效率後反過來問他，如果我的產能多了 20%，但沒有多 20% 的訂單，我何必要做那麼快？

這個問題催生了智穎智能下一階段的製造媒合平台構想。隨著供應鏈分散至不同國家，品牌要在海外重新尋找符合特定規範與製程能力的供應商，也愈來愈困難。團隊因此希望串聯既有使用 AI 方案的製造商，讓品牌端能依條件尋找供應商，也讓製造端的閒置產能有機會被看見。團隊預計 2027 年上半年推進平台服務，初期規劃串聯超過 200 家製造商與破千台機器。

從中原大學的研究，到桃園工廠提供第一個實際驗證場域；從把老師傅經驗變成 AI「導航」，再走向能自行修正製程的「自駕」，智穎智能試圖數位化的，是製造業最難被保存的資產：人的經驗。而當全球供應鏈持續移動、製造基地愈來愈分散，這套從桃園工廠磨出的 AI，下一步不只要替老師傅找到數位接班人，也要重新連結散落全球的製造能力。
而「Meet 桃園+」也期盼持續透過計畫的媒體報導與宣傳資源，將更多像智穎智能這樣扎根在地、走出海外的創業故事傳遞出去，讓外界看見桃園豐沛且具實戰力的創新動能。