前言
在生成式 AI 成為標準工具之後，內容網站面臨的問題已經不是「排名下降」，而是更根本的：
標準知識正在被平台層直接吸收。
過去以 Google 為入口的內容流通模式，正在被像 Gemini、ChatGPT 這類系統改寫。使用者提出問題後，往往在搜尋頁或對話框內就已經得到足夠答案，沒有必要再點進原始網站。
從「找資料」到「拿答案」
這個轉變可以用一個簡單的流程來描述：
過去：
問題 → 搜尋 → 點擊網站 → 自行整理答案
現在：
問題 → AI 整理 → 直接得到答案
這裡的關鍵不只是便利性，而是角色轉移：
- 使用者不再需要自己整理資訊
- 平台替他完成了這件事
一旦整理這一步被取代，許多內容網站原本的價值也隨之消失。
一個具體的例子
某天我想查詢：
「如何在 Fedora 43 安裝 Free Pascal 和 Lazarus」
過去，我會：
- 搜尋關鍵字
- 點進一篇教學文章
- 滑到中段找到指令
但這次，我得到的是：
sudo dnf install fpc lazarus來自 Gemini 的直接回答。我沒有進任何網站。
注意！Gemini 是 Google 自家的產品。連搜尋引擎龍頭都在用生成式 AI 吃掉內容網站的流量，可知這是不可逆轉的趨勢。
問題不在 AI，而在內容型態
這個例子揭示了一件事：
會被 AI 取代的，不是網站，而是「可壓縮的內容」。
像這類教學具備幾個特性：
- 有明確目標（安裝某個工具）
- 有標準解法（套件管理器指令）
- 幾乎沒有歧義
這些條件讓它可以被高度壓縮成「一行答案」。
當內容的本質是這樣時，被平台吸收只是時間問題。
SEO 寫作策略的核心轉變
在這個環境下，「SEO 寫作」如果還停留在：
- 重寫官方文件
- 整理教學步驟
- 製作懶人包
那麼它的命運很明確：
被平台取代，而不是被使用者選擇。
因此，策略需要改變。
從「提供答案」轉向「提供理解」
新的寫作策略，不是放棄知識，而是改變知識的層次：
知識仍然需要，但它不再是核心價值。
內容需要往上提升一層，變成：
- 為什麼這樣做
- 在什麼情境下成立
- 有哪些實務差異
- 使用時應該怎麼判斷
也就是從「答案」轉向「理解」。
例子：從知識到觀點
以剛剛的 Free Pascal 為例，單純的教學是：
sudo dnf install fpc lazarus這是必要資訊，但它的價值會被壓縮。
但是。若我們在介紹 Pascal 時，加上觀點：
在現代軟體開發中，Pascal 已不屬於主流技術，但仍存在於特定工具與應用場景中。與多數語言不同的是，Pascal 的實際使用通常依賴特定開發工具與其生態系。因此，學習 Pascal 時，實際上是在學習「語言 + 工具」的組合，而不是單純的語言本身。
如果你確定要使用 Pascal，建議一開始就根據用途選擇對應的實作品，例如 Delphi 或 Free Pascal，因為不同工具之間的開發體驗與可用資源差異相當明顯。
這種東西需要結合實際經驗後提出觀點，就不會被輕易取代。
不可壓縮的內容
在 AI 時代，能夠長期保留價值的內容，通常具備以下特性：
- 有情境：不是單一答案，而是條件化的說明
- 有取捨：指出不同選擇之間的差異
- 有時間性：反映技術的生命週期與現況
- 有觀點：提供作者的判斷，而非中性整理
這些元素讓內容無法被簡單壓縮成一段摘要。
SEO 不會消失，但角色改變
SEO 並沒有消失，它仍然負責：
- 提供入口
- 讓內容被發現
但它不再決定內容的核心價值。
未來的內容結構更像是：
- 底層：可被索引的知識（入口）
- 上層：不可壓縮的理解（價值）
如果只有底層，流量會被平台截斷；
如果只有上層，內容難以被找到。
兩者需要同時存在。
結語
生成式 AI 並沒有讓內容網站失去意義，而是迫使它們回到一個更本質的位置：
不再只是整理資訊，而是幫助理解世界。
當答案變得廉價，理解就會變得稀缺。
而寫作的價值，也會重新回到這一點上。