Table of Contents
朋友丟了一份整理得很漂亮的「CMS 三大演進」內容給我——單體式、無頭式、代理式三階段切割，後面還附了三大架構層、關鍵機制、評估關卡、人機協作、成本策略。
結構漂亮到我不太舒服。太乾淨的技術演進敘事，通常不是真的。 這篇就來做個事實查核：哪些是真演進，哪些是被包裝過的行銷話術，哪些則是還停在 demo 階段的未來願景。
第一章：框架沒錯，但三個階段的命名都是行銷話術
Monolithic：沒死，只是被重新定義
先打破一個迷思：WordPress 沒有過時。
依 Kinsta 2025 年最新統計，WordPress 仍佔所有網站的 43.5%（另一個 w3techs 統計甚至達 58.9%，取樣基準不同）。把單體式 CMS 描述為「過往時代」，是典型的事後諸葛——市場還在這。
而且 WordPress 早就有 headless 模式（WPGraphQL、REST API），Drupal 也有 JSON:API。這意味著所謂的「單體式 → 無頭式」轉型，其實在主流單體 CMS 內部就已經發生。
重點：Monolithic 不是時代，是產品線的其中一條。說「網頁時代」是一種便宜的歸類法，不是真實的歷史分期。
Headless：是真演進，但「JSON 時代」這個詞太刻意
Headless CMS 的崛起是真的——Contentful（2013）、Strapi（2015）、Sanity 等公司都開創了這個品類。Wikipedia 也已經有專屬條目。
問題是：把「Headless = JSON 時代」是一種刻意精簡。Headless 的本質是「前後端分離 + API-first」，JSON 只是資料格式選擇（GraphQL、REST、gRPC 都行）。把它框成「JSON 時代」，就像把 web 2.0 框成「Ajax 時代」——技術名詞沒錯，但省略了太多上下文。
更別說，Headless CMS 在整體 CMS 市場的採用率仍遠低於 WordPress + Drupal + 客製系統。所謂「時代」這個詞，對開發者是時代，對市場仍是 niche。
Agentic：這是 2025 年最危險的 buzzword
這才是本文重點。
朋友給的內容說「2025 年後是 Agentic 時代」。事實上——我直接查了主流 CMS 廠商目前的狀態：
- Strapi AI 已 Generally Available，原生內建 MCP（Model Context Protocol） server，讓 Claude、Cursor 這類 AI agent 可以讀寫內容
- Sanity 官網直接使用 "Structured content to agentic reasoning" 和 "Build your own customer-facing or internal agents" 這類字眼
- Contentful 也有 AI features
但重點是——這些都是既有 CMS 加上 AI 功能，不是新範式。Sanity 講「agentic」是當行銷詞用，不是因為他們發明了新架構。
Agentic CMS 不是「AI 接管 CMS」的轉型，而是「CMS 開始長出 AI 接口」的演進。 這個區分非常重要——前者是革命，後者是 upgrade。廠商為了募資和敘事，會傾向讓你以為是前者。
第二章：核心架構的現實檢驗
朋友給的內容把 Agentic CMS 切成三層：向量儲存層、推理引擎、回饋迴圈。讓我逐一查核。
向量儲存層：技術沒問題，但成本是隱藏問題
Pinecone 是真實的向量資料庫公司（2019 年成立），LangChain 等框架也確實用它做 RAG。這層技術沒問題。
問題是成本。
Pinecone 的企業級方案動輒每月數千美元起跳。如果你只是要做 RAG over 一個中型企業的 content corpus（幾萬到幾十萬篇文章），自己用 Postgres + pgvector 或 Weaviate 開源版就能搞定，根本用不到 Pinecone。
原文把「Pinecone 等」當範例，是站在已有融資、有 SaaS 預算的公司立場寫的。對多數台灣中小企業、部落客、個人開發者來說，這一層是奢侈品，不是必需品。
查核結果：向量儲存技術可行，但商業現實是被低估的。
推理引擎：「代理」這個詞被嚴重通膨
LangChain 是真實存在的 LLM 編排框架（2022 年 10 月由 Harrison Chase 開源）。這點 OK。
但原文說「執行特定任務的 AI 代理（基於 LangChain 等框架）」，這個描述把兩個層次的事情混在一起：
- LangChain 是編排框架（讓你組合 prompt、tool、LLM 呼叫）
- AI agent 是行為模式（LLM 自主決定下一步動作）
LangChain 可以讓你做出 agent，但「有 LangChain ≠ 有 agent」。這個區分被原文掩蓋了。真正的 agent 行為（自主決策、錯誤恢復、長任務規劃）在 2025 年仍是研究階段，業界對「AI 代理」的定義都還沒共識。
回饋迴圈：理論簡單，實作是另一回事
原文說「讓 AI 代理學習哪些內容表現最好並自我優化」。
這句話沒錯，但省略了三個前提：
- 你得先有「表現最好」的定義——GA4 event、conversion、留存、SEO ranking 都要先設定好
- 你得能把表現資料對應回內容 metadata——這需要完整的 taxonomy + UTM + 內容 ID 設計
- AI 得能在這個資料上學習——這意味著你得有一個 ML pipeline（特徵工程、模型訓練、A/B test 框架）
這三件事在台灣 95% 的網站根本沒有。回饋迴圈不是裝上去就有，是整個資料基礎建設要到位才會發生。
第三章：運作機制的誠實評估
原文列了三大關鍵機制：主動監控、混合結構、動態前端。坦白講，三個之中只有一個是真正務實的。
主動監控（GitHub 同步文件）：是好 use case，但這是 DevOps 不是 CMS
「監控 GitHub 程式碼更新後，主動找出過時的技術文件」這是真實且好用的場景——Algolia、ReadMe.com 都在做。
但這是DevOps 自動化，不是 CMS 革命。CI/CD 跑個 script 就能做，不需要 AI agent。把這個當 Agentic CMS 的「核心機制」之一，是把簡單的事情複雜化。
混合結構（結構化資料鎖定 + 非結構化開放）：三段裡最務實的洞見
這個洞見我同意。
結構化資料（商品價格、SKU、庫存量）必須嚴格鎖定 schema，AI 不能亂改，否則訂單會炸。這是工程上的紀律。
非結構化資料（SEO description、部落格文章、社群貼文）可以放手讓 AI 生成，只要最後有人 review。這是現在很多團隊已經在做的事。
這條原則比三層架構更值得工程師記下——它是少數在 2026 年已經被驗證的 AI × 內容管理最佳實踐。
動態前端（Vue 3 串流）：沒問題，但「AI 即時串流」對 SEO 是挑戰
Vue 3 處理 AI 串流沒問題（Vercel AI SDK 已經有現成範例）。問題是——AI 即時生成的內容，搜索引擎看得懂嗎？
Google 對 client-side rendering 的 indexing 一直有困難，現在更傾向 SSR / SSG。如果前端是「AI 串流渲染」，SEO 表現會比純靜態頁差，這對以內容變現的網站是 trade-off。
原文沒提這個 trade-off。完整的動態前端策略，要 SSR（SEO）+ client-side streaming（UX）並用，不是直接讓 AI 渲染整頁。
第四章：評估與防護機制的限制
原文提到的兩個機制——Judge Agent 和 Human-in-the-loop——是真實有效的 pattern，但都有重要限制。
Judge Agent：LLM-as-judge 有 bias 問題
這是真實的學術 pattern（2023 年 arXiv:2306.05685 就有 MT-Bench / Chatbot Arena 的實證），沒問題。
但 LLM-as-judge 有兩個已知 bias：
- 位置 bias——傾向偏好第一個或最後一個選項
- 自我偏好 bias——傾向偏好和自己同一系列的 LLM（GPT-4 偏 GPT-4 產出）
原文說「Judge Agent 評審真實性、相關性和安全性」是「分數達標才能發布」。聽起來嚴謹，但沒有處理 bias 的 judge agent 比沒有更危險——你會以為有把關，實際上在被系統性誤導。
Human-in-the-loop：必要但成本高
這條原則我 100% 同意。人類升級為「Director」是 AI 內容生產的現實路徑。
但原文沒提的是——Director 也要訓練。能寫好 prompt、能判斷 AI 產出品質、能做最終決策的人，本來就是稀缺人才。把現有編輯升級成 Director，不是換 title 就好，是整套 workflow 設計要重來。
第五章：成本現實——Token 不是免費的
原文最後談成本，建議「例行性分類與標籤工作交給 SLM，複雜生成才用 GPT-4」。這個分流策略方向對，但低估了實際成本。
幾個真實數字（截至 2026 年中）：
- Embedding 成本：把一篇文章（2000 字）轉成向量 + 存入 Pinecone，平均成本約 $0.001–0.005／篇。10 萬篇文章就是 $100–500 一次性成本，加上每月 indexing 更新。
- RAG 查詢成本：每次 RAG query 大概要 1–3 次 LLM 呼叫 + vector search。GPT-4 等級每次約 $0.01–0.05。
- 儲存成本：Pinecone Serverless 大概是 $0.096/GB/月。10 萬篇文章的 vector 大概 1–3 GB，月費 $1 起跳——這部分可控。
關鍵是流量成本。如果你的網站每月有 10 萬次 RAG 查詢（AI 助理型應用），月費瞬間破千美元。
SLM 分流是對的，但原文沒提流量監控 + rate limiting + 快取設計這三件事。光分流不控量，等於帳單還是會爆。
⚖️ 我的結論：是過度炒作還是真演進？
我的判斷：方向是對的，但這是 selective feature，不是 paradigm shift。
對工程師：
- 別急著換 CMS。先學會用現有 CMS 的 AI 功能（Strapi AI、Contentful AI），等生態成熟再說
- 如果你正在評估技術棧，先確認你的 RAG 使用量級。100 篇以下用 Postgres + pgvector 就夠，不要為了「Agentic CMS」上 Pinecone
對產品 / 行銷：
- 別把「Agentic CMS」當主要賣點。客戶會問「這跟我用 WordPress + ChatGPT 差在哪」——你得有具體答案
- 如果你的內容團隊不到 5 人，這套架構根本 overkill。先把流程自動化做好（CI/CD、schema validation、content QA）
對市場：
- 三年內仍是 Headless CMS 主流。Agentic 是 2027–2028 才會進入主流的 selective feature
- 真正的革命不是「CMS 變 AI」，而是「AI 需要 CMS」——當 AI agent 開始大規模產生、修改、發布內容時，CMS 才會被迫升級成 Agentic 版本。目前是 CMS 廠商在主推需求，不是客戶在拉需求
結語：你的 CMS 還要多久才會自己寫文章？
我的預測是：會，但不是你以為的方式。
未來五年內，多數網站的 CMS 不會「自己寫文章」——而是會有一個 AI agent 層（可能由 OpenAI、Google、或新創公司提供），在你的 WordPress / Strapi / Sanity 旁邊運作，幫你產草稿、潤稿、翻譯、A/B test。
真正的「Agentic CMS」——AI 是內容系統的一等公民——需要等：
- LLM 推理成本再降 10x（讓 RAG 不再是奢侈品）
- Vector DB 標準化（讓搬家不再是噩夢）
- 法規追上 AI 生成內容的標示要求（不然企業不敢大規模採用）
- 人類對 AI 內容的信任度建立起來（這比技術更慢）
這四件事，沒有一件是 CMS 廠商能單獨推動的。它們需要整個 AI 基礎建設成熟。
所以與其問「我的 CMS 會不會變 Agentic」，不如問——「我準備好跟 AI agent 一起工作了嗎？」
這個問題，每個工程師、編輯、產品經理現在就可以開始準備。
本文引用數據來源：Kinsta WordPress 市佔率統計（2025）、Strapi AI GA 公告、Sanity 官方網站 product 頁、LangChain Wikipedia、Wikipedia Headless CMS 條目、arXiv:2306.05685 LLM-as-a-judge paper。
