重點摘要
- NLWeb (Natural Language Web) 是一個開源框架，旨在讓網站能直接理解並回應 AI 代理人或使用者提出的複雜自然語言問題，而不僅是關鍵字匹配。
- 此技術的核心是利用網站既有的「結構化資料」，包含 Schema 標記、HTML 標籤、產品目錄、站點地圖等，為 AI 的回覆提供事實根據，大幅降低 AI「幻覺」的風險。
- 對於企業而言，導入 NLWeb 意味著一次性的技術部署，就能讓網站為即將到來的「代理人網路 (Agentic Web)」做好準備，將網站從單純的資訊展示平台，升級為可被自動化流程調用的服務介面。
在 B2B 的世界裡，效率就是一切。我們每天都在思考如何簡化流程、串接系統、降低溝通成本。然而，我們花費大量資源建置的官方網站，卻常常成為效率的瓶頸。一個潛在的企業客戶想在你的網站上尋找「支援 Salesforce 整合、符合 ISO 27001 認證、且提供 100人以上團隊客製化方案」的產品，結果網站的搜尋引擎只回傳了幾個不相干的部落格文章。這不僅是糟糕的使用者體驗，更是實實在在的商機流失。現在，一個名為 NLWeb 的新概念正在浮現，它不是另一個華而不實的 AI 應用，而是一個從根本上改變網站與機器互動方式的底層架構，值得所有關注營運效率的企業管理者深入了解。
NLWeb 不是另一個聊天機器人，而是你網站的「通用對話 API」
首先要釐清，NLWeb 並非一個安裝在網站右下角的客服聊天機器人。它是一種更底層的系統性框架，讓你的整個網站具備「可對話」的能力。這個由微軟團隊發起的開源專案，透過一種名為 ASK (Actions, Schema, and Knowledge) 的協定，讓外部的 AI 代理人 (Agent) 或使用者，能用一句完整、複雜的自然語言，直接向你的網站「提問」並獲得精準答案。
想像一下，傳統的網站搜尋就像是在圖書館裡翻閱卡片目錄，你只能用特定的關鍵字去尋找書本。而 NLWeb 則像是直接與一位了解館內所有藏書的專業圖書管理員對話。你可以告訴他「我想找一本關於 18 世紀歐洲航海史的書，作者要是英國人，而且我希望內容不要太學術，適合當作入門讀物」。這位管理員能理解你的完整需求，並從成千上萬本書中，找出最符合的那幾本。
這個過程的關鍵在於，NLWeb 能讓 AI 代理人讀懂你網站上所有數據之間的關聯性。當一個複雜的查詢進來時，它不再是簡單地匹配字詞，而是調用網站上所有相關的數據點，綜合分析後，生成一個真正有用的答案。對於 B2B 企業來說，這意味著你的產品規格、技術文件、客戶案例、價格方案等資訊，終於能被系統化、結構化地理解與輸出，你的網站不再只是一本數位型錄，而是一個能隨時被調用的智慧資料庫。
別再只談 Schema！你早已為 NLWeb 打下基礎
聽到這裡，許多行銷或 IT 部門的主管可能會頭痛，認為這又是一項需要從零開始的浩大工程。但 NLWeb 最具實用價值的一點，就是它極大程度地利用了我們多年來早已在做的事情。它所依賴的「結構化資料」，並不僅僅指那些寫在 JSON-LD 裡的 Schema.org 標記。
在資料科學的定義中，任何經過組織、標記、分類的數據都是結構化資料。這包含你網站上的一切：
- HTML 標籤: 你為了 SEO painstakingly 優化的 `
`, `
` 標題、條列式清單 `
- `, `
- `、表格 `
`，這些都在告訴機器內容的層級與關係。
- 產品與內容 Feed: 電商網站的產品 Feed、部落格或 Podcast 的 RSS Feed，這些本身就是高度結構化的數據來源。
- 網站地圖 (Sitemaps): 你的 XML Sitemap 清楚地告訴搜尋引擎網站的架構。
- 內部資料庫: 如果你的網站內容是透過後台 CMS 或自訂資料庫動態生成的 (例如一個包含上千筆規格文件的資源中心)，這些更是 NLWeb 可以直接取用的寶藏。
過去我們做這些事，主要目標是為了讓 Google 更好地理解我們的網站，爭取更好的排名。現在，NLWeb 賦予了這些努力全新的價值。所有這些既有的結構化資產，都將成為餵養 AI 代理人、讓它能精準回答問題的「燃料」。這不是要你推倒重來，而是將你過去的投資變現，讓它們在 Agentic Web 時代發揮更大的作用。
從資料到答案, 解密 AI 代理人的自動化工作流程
理解 NLWeb 如何利用現有數據後，我們更需要從自動化流程的角度，看懂它如何運作。這不僅僅是一次查詢與回覆，而是一個完整的、可被串接的工作流程。當一個 AI 代理人向啟用 NLWeb 的網站發出請求時，整個流程大致如下：
- 自然語言理解 (NLU): 代理人背後的 LLM (大型語言模型) 會先拆解複雜的提問，理解其真實意圖。
- 調用 ASK 協定: 系統啟動 ASK 協定，開始向網站的結構化資料庫進行探勘。它會掃描 Schema、HTML 標籤、產品 Feed 等所有相關資料源。
- 資料交叉比對與 grounding: 這是最關鍵的一步。NLWeb 會將從各處抓來的零散資料進行交叉比對，並以這些來自你網站的「事實」作為依據 (Grounding)，確保回覆的準確性，避免 AI 天馬行空地「創造」答案。
- 生成回覆: 最後，LLM 會將這些經過驗證的資料，組織成通順、合乎邏輯的自然語言，回傳給使用者或代理人。
這個流程的實務意義在於，它將網站的資訊查詢轉化為一個標準化的 API call。對於台灣眾多 B2B 企業，特別是製造業與軟體業，這意味著巨大的效率提升。想像一下，一個國際採購商的 AI 代理人，任務是「尋找台灣三家能提供特定規格晶片、交期在 30 天內、且有歐盟認證的供應商」。啟用 NLWeb 的網站，將能直接回應這個代理人的「API call」，提供精準的答案，甚至觸發後續的詢價流程。而那些依然停留在關鍵字搜尋階段的網站，將在這個自動化採購流程中，被直接過濾掉。
企業導入 NLWeb 的第一步, 從盤點內部數據資產開始
NLWeb 的前景令人興奮，但回歸實務，企業該如何踏出第一步？與其直接找開發團隊評估導入開源專案，我認為更有效率的做法是從內部開始，這也是 B2B 企業最擅長的 — 盤點與優化現有資產。
第一步，是進行一次徹底的「結構化資料健檢」。召集你的行銷、IT 與產品部門，共同檢視以下問題：我們的 Schema 標記是否完整且正確？產品規格是否都以標準化的表格或欄位呈現，而不是嵌在圖片或 PDF 裡？網站的標題層級 (H1, H2, H3) 是否反映了真實的資訊架構？這個盤點過程本身，就是一次寶貴的數位資產整理，無論最終是否導入 NLWeb，都能顯著提升網站的 SEO 體質與使用者體驗。
第二步，是選擇一個具體業務場景進行小規模試點。例如，可以先針對「技術支援」或「FAQ」區塊進行優化。這些地方充滿了結構化的問答內容，是應用 NLWeb 的絕佳場域。透過試點，團隊可以實際感受導入前後的差異，評估其對降低客服成本、提升問題解決效率的實際效益，從而為更大範圍的推廣提供數據支持。
最後，將眼光放遠。NLWeb 的價值不僅在於優化外部訪客的體驗，更在於打通內外部的資訊壁壘。當你的網站數據變得如此易於調用，你的內部銷售團隊是否可以透過 Slack Bot，直接查詢官網上的最新產品庫存與規格，而無需再登入複雜的後台？你的營運團隊是否能讓自動化腳本定期抓取網站上的公開數據，生成分析報告？這才是 NLWeb 對 B2B 企業自動化流程的真正賦能 — 將網站從一個孤立的行銷工具，轉變為整個企業營運流程中一個靈活、高效的數據節點。
延伸閱讀：WTF is NLWeb? — Whiteboard Friday
- `、表格 `