1. 从marketingskills这个标题说起它到底想解决什么问题第一次看到marketingskills这个词我脑子里冒出来的不是某个具体工具而是一类很实际的需求把营销这件事拆成一项项可复用的技能然后让 AI 去执行。过去我们做 SEO、做转化率优化CRO、做内容分发靠的是人肉堆时间——查关键词、写标题、改落地页、盯数据。现在有了 Claude Code 这类能直接读写文件、执行终端命令的 AI agent思路就变了能不能把营销变成一套技能包让 agent 按需调用这个标题背后其实藏着一个很清晰的判断营销工作的未来形态不是用 AI 写文案而是把营销能力封装成 agent 可调用的技能。这两者差别巨大。前者你还是在跟一个聊天框对话复制粘贴后者是 agent 直接在你的项目目录里读数据、改文件、跑脚本、出报告。关键词里出现的 Claude Code、AI agents、SEO、CRO正好对应了这条链路的四个环节执行载体、执行主体、两个最典型的营销场景。所以这篇内容我打算聊的不是营销理论而是怎么把 marketing skills 落地成一套能在 Claude Code 里跑起来的技能体系。适合谁看如果你已经在用 Claude Code 做开发想把它扩展到营销场景或者你是做 SEO/CRO 的听说 AI agent 能提效但不知道怎么下手再或者你只是想搞清楚技能包这种组织方式到底比提示词强在哪——那这篇应该对你有用。我会从技能拆解的逻辑讲起到目录结构、具体技能怎么写、怎么和 SEO/CRO 的真实工作流对接再到实测中踩的坑尽量把每一步的理由都讲透。先给一个我自己的结论marketing skills 的核心不是提示词写得多好而是边界划得多清。一个技能只干一件事输入输出明确agent 才能稳定调用。下面慢慢展开。2. 把营销拆成技能而不是提示词这个思路为什么更靠谱2.1 提示词的天花板在哪里大部分人用 AI 做营销停留在提示词阶段打开对话框输入帮我写 10 个 SEO 标题拿到结果复制走。这个模式在单次任务上没问题但一旦任务变复杂、要重复、要跟数据联动就崩了。原因有三个。第一上下文不可复用。你这次告诉 AI 你的品牌调性、目标关键词、竞品名单下次开新对话又得重新说一遍。提示词是一次性的没有沉淀。第二无法操作真实文件。SEO 和 CRO 的工作大量依赖真实数据——关键词表、页面 HTML、GA/GSC 导出、落地页代码。纯对话式 AI 拿不到这些只能靠你手动喂喂的过程本身就消耗时间。第三结果不可验证。AI 说这个标题 SEO 友好友好在哪关键词密度多少有没有覆盖搜索意图没有可执行的检查你只能凭感觉。2.2 技能Skill的本质可调用的能力单元Claude Code 这类 agent 工具引入技能概念后逻辑变了。一个 skill 本质上是一个带说明书的可执行单元它有自己的描述什么时候该用、自己的输入需要什么数据、自己的执行逻辑读哪些文件、跑什么命令、自己的输出生成什么文件。agent 在接到任务时会先判断我该调用哪个 skill然后按 skill 的定义去执行。打个比方提示词像是你临时打电话问朋友帮我看看这个标题行不行技能像是你给朋友留了一本操作手册他照着手册就能独立完成整套流程而且每次结果一致。对营销来说这个差别是决定性的。因为营销工作里大量是重复性 规则性的任务批量生成 meta description、批量检查页面关键词覆盖、批量生成 FAQ 结构化数据、批量做 A/B 变体。这些正是技能最擅长的。2.3 一个技能该划多大颗粒度判断标准这是实操里最容易搞错的地方。技能划太大agent 调用时不知道从哪下手划太小调用链太长效率反而低。我自己的判断标准是三条单一职责一个 skill 只产出一类结果。比如生成 FAQ 结构化数据和检查结构化数据是否合规应该是两个 skill不是一个。输入可枚举skill 需要的输入能列清楚最好是文件路径或明确的参数而不是一些背景信息。输出可验证产出物能被检查。生成 JSON-LD 就能用校验器验生成标题就能用规则查。按这个标准一套完整的 marketing skills 大概会覆盖这些方向关键词研究与聚类、页面 SEO 审计、内容生成标题/meta/正文、结构化数据生成、CRO 变体生成、落地页文案优化、竞品内容分析、数据报告生成。下面挑几个最核心的展开讲。3. 一套 marketing skills 的目录结构与文件组织3.1 为什么目录结构值得单独讲很多人写 skill 就是丢一个 markdown 文件进去能跑就行。但当你攒到十几个 skill问题就来了agent 找不到该用哪个你自己也记不清哪个 skill 依赖哪个数据文件。目录结构不是洁癖是让 agent 能快速定位、让你能快速维护的基础设施。Claude Code 的技能通常放在项目下的特定目录里常见约定是.claude/skills/或项目根目录的skills/每个 skill 一个子目录里面放技能定义文件和辅助资源。我推荐的结构是这样skills/ ├── seo/ │ ├── keyword-cluster/ │ │ ├── SKILL.md │ │ └── templates/ │ ├── meta-generator/ │ │ ├── SKILL.md │ │ └── rules.json │ ├── faq-schema/ │ │ ├── SKILL.md │ │ └── schema-template.json │ └── page-audit/ │ ├── SKILL.md │ └── checklist.md ├── cro/ │ ├── headline-variants/ │ ├── cta-optimizer/ │ └── landing-audit/ └── shared/ ├── brand-voice.md └── keyword-db.csv3.2 每个 skill 目录里放什么核心是SKILL.md这是 agent 读的说明书。它一般包含几块技能名称和一句话描述、触发条件什么情况下该用、输入要求、执行步骤、输出格式、注意事项。辅助文件放模板、规则、示例数据。这里有个经验SKILL.md里的触发条件要写得像给新同事交代任务而不是像 API 文档。比如不要写用于生成 meta description而要写当用户需要为一批页面生成或优化 meta description且已有页面标题和核心关键词时使用。前者 agent 可能判断不准后者它能明确匹配。3.3 shared 目录的价值避免每个 skill 重复造轮子shared/这个目录是我强烈建议保留的。品牌调性、关键词库、禁用词表、目标受众画像这些东西几乎每个 skill 都要用。如果每个 skill 里都复制一份改一次要改十几处迟早出错。抽到 shared 里skill 通过相对路径引用维护成本直接降下来。提示shared 里的文件尽量用结构化格式CSV、JSON、YAML少用自由文本。agent 解析结构化数据比解析一段散文稳定得多。4. SEO 类技能实战从关键词聚类到 FAQ 结构化数据4.1 关键词聚类技能把几千个词变成可执行的页面规划关键词研究是 SEO 的起点但拿到几千个关键词之后真正的难点是聚类——哪些词该归到同一个页面哪些该单独开页。人工做这件事几千个词能搞一整天。做成 skill 之后流程是这样的输入是一个关键词列表CSV含关键词、搜索量、难度skill 的执行逻辑是先按语义相似度分组再按搜索意图信息型/导航型/交易型二次切分最后输出一个页面规划表每个聚类对应一个建议页面附带主关键词和次要关键词。这里的关键设计是意图判断规则。纯靠 AI 判断意图不稳定我会在 skill 里内置一个规则表意图类型典型词特征建议页面类型信息型什么是、如何、教程、原因博客/指南导航型品牌名、官网、登录首页/品牌页交易型购买、价格、对比、推荐产品页/落地页本地型附近、城市名、门店本地落地页规则表 AI 语义判断结合比纯 AI 判断稳得多。实测下来聚类准确率能到八成以上剩下两成人工微调即可。4.2 FAQ 结构化数据技能热词里那个问题值得展开热词里有一条谷歌 SEO 的 FAQPage 结构化数据是怎么回事这个问题问得很实在。FAQPage 结构化数据本质上是给搜索引擎看的问答说明书用 JSON-LD 格式写在页面里告诉搜索引擎这个页面包含这些问答对。它可能让页面在搜索结果里展示成可展开的问答形式提升点击率。做成 skill 之后流程是输入页面正文或主题skill 自动提取或生成 3-8 组问答对输出符合规范的 JSON-LD 代码块并做基础校验问题是否以问号结尾、答案长度是否合理、是否有重复。这里有几个实操坑必须说不要为了结构化而硬凑问答。搜索引擎对内容与结构化数据不符是有判定的页面正文里没有的问答硬塞进 JSON-LD 里可能适得其反。答案长度控制在 40-60 字比较合适太短信息不足太长展示时会被截断。一个页面一组 FAQPage 就够不要多个 JSON-LD 块堆叠。skill 里我会加一条校验规则生成的每个问答对必须能在页面正文里找到对应内容找不到就标记出来让人工确认。这条规则帮我避免过好几次翻车。4.3 页面 SEO 审计技能把 checklist 变成自动检查页面审计是最适合做成 skill 的任务之一因为它高度规则化。一个页面该检查什么标题长度、meta description 长度、H1 是否唯一、关键词是否出现在关键位置、内链数量、图片 alt、结构化数据是否存在、页面加载相关的基础指标。这些都能写成规则。skill 的执行逻辑输入页面 URL 或 HTML 文件逐项跑检查输出一份带优先级的问题清单。优先级判断也有讲究——标题缺失是 P0图片 alt 缺失是 P2不能一视同仁否则用户看到一长串问题反而不知道先改哪个。检查项判定规则优先级标题标签存在且 30-60 字符P0Meta 描述存在且 120-158 字符P1H1 唯一性有且仅有一个 H1P0关键词位置出现在标题/H1/首段P1图片 alt所有内容图有 altP2结构化数据存在且格式合法P2这张表直接写进 skill 的规则文件里agent 照着跑输出稳定。5. CRO 类技能让 agent 帮你生成和筛选转化变体5.1 CRO 和 SEO 的技能设计差异SEO 技能偏检查和生成规范内容CRO 技能偏生成变体和评估假设。这个差异决定了 CRO 类 skill 的设计重点不一样它更依赖对目标受众和转化目标的理解输出的是候选方案而不是标准答案。所以 CRO 类 skill 的SKILL.md里我会强制要求输入三样东西当前页面/元素、转化目标注册/购买/留资、目标受众特征。缺了受众特征生成的变体就是空泛的没有针对性。5.2 标题与 CTA 变体生成技能这是 CRO 里最高频的需求。skill 的逻辑是基于当前标题和转化目标生成 5-10 个变体每个变体标注它用的说服策略如社会认同、稀缺性、利益前置、痛点直击方便后续做 A/B 测试时对照。为什么要标注策略因为 A/B 测试最怕改了但不知道改的是什么变量。如果两个变体同时改了措辞和策略测出来效果好也不知道是哪个因素起作用。标注策略之后你可以设计同策略不同措辞或同措辞不同策略的对照实验结论才有意义。5.3 落地页审计技能从感觉不好到具体哪里不好落地页审计是很多人的痛点——知道转化率低但说不清问题在哪。做成 skill 后检查维度可以固定下来首屏信息清晰度、价值主张是否明确、CTA 是否突出且唯一、信任元素评价/资质/案例是否到位、表单字段是否过多、移动端适配。每个维度给出评分和具体修改建议。这里有个经验建议要具体到改哪句话而不是优化文案。比如不要输出建议强化价值主张而要输出首屏副标题当前是我们提供专业服务建议改为包含具体结果和数字的表述例如帮助 X 类客户在 Y 时间内实现 Z 结果。agent 能做到这个粒度前提是 skill 里给了足够的示例。6. 让技能真正跑起来Claude Code 里的调用与串联6.1 技能是怎么被触发的Claude Code 判断用哪个 skill主要看两件事用户的自然语言请求和每个 skill 的触发条件描述。所以触发条件写得准不准直接决定调用成功率。我的经验是触发条件里要包含同义表达。比如生成 meta 描述这个技能触发条件里要同时覆盖meta description页面描述搜索摘要文案这几种说法否则用户换个词它就找不到。6.2 多技能串联一个完整工作流长什么样单个技能解决单点问题真正的价值在串联。举个完整例子给一个新页面做 SEO CRO 优化。调用keyword-cluster确定这个页面的主关键词和次要关键词。调用meta-generator基于关键词生成标题和 meta 描述。调用faq-schema生成 FAQ 结构化数据。调用headline-variants生成首屏标题的 CRO 变体。调用page-audit对最终页面做一次全面检查。这一套跑下来原本要半天的活十几分钟能出初稿。注意是初稿——AI 产出必须人工过一遍尤其是涉及品牌调性和事实准确性的部分。6.3 本地模型与第三方 API 的接入考量热词里大量出现claude code 调用 lmstudio 的本地模型使用 cc switch 接入 deepseek、qwen、glm 等模型这类内容说明很多人关心能不能换模型跑。从技能体系的角度看这件事的影响是不同模型对SKILL.md的理解能力不一样。规则写得越明确、示例给得越多换模型时的稳定性越好。如果你的 skill 大量依赖模型的悟性比如让它自己判断意图换到能力弱一些的模型上就容易崩。所以我的建议是把判断逻辑尽量外化成规则和示例减少对模型能力的依赖。这样无论用哪个模型技能表现都相对稳定。这也是为什么前面反复强调规则表、checklist、示例数据——它们不只是给人看的更是给模型兜底的。7. 实测踩过的坑技能体系里那些文档不会写的问题7.1 技能描述太抽象agent 直接看不见最开始我写的触发条件是用于 SEO 相关工作结果 agent 几乎从不调用它——因为太宽泛它判断不出什么时候该用。改成当需要分析一批关键词并规划页面结构时使用之后调用率立刻上来了。触发条件要具体到场景不要停留在领域。7.2 输出格式不固定下游没法用早期我让 skill 输出一份报告结果每次格式都不一样有时是列表有时是表格有时是散文。后来强制规定输出必须是 Markdown 表格 固定字段下游技能才能稳定解析。技能之间的接口就是输出格式这个必须锁死。7.3 规则写太死遇到边界情况就卡住有一版页面审计 skill我把标题长度规则写成必须 30-60 字符结果遇到中文页面字符计算方式不同就误报。后来改成给出长度超出建议范围时提示但不阻断灵活多了。规则是辅助判断的不是用来卡死的。7.4 忘了处理数据缺失skill 跑起来最怕输入不全。比如关键词聚类 skill如果 CSV 里没有搜索量列它要么报错要么瞎猜。后来我在每个 skill 开头都加了输入校验步骤缺什么列、缺什么字段先明确提示而不是硬跑。这个改动让整个体系的稳定性上了一个台阶。7.5 品牌调性没统一产出风格飘忽这是最隐蔽的坑。不同 skill 生成的文案语气不一致有的正式有的随意拼在一起很割裂。解决办法就是把品牌调性抽到shared/brand-voice.md每个生成类 skill 都引用它。改一次全局生效。8. 关于这套技能体系我自己的几点体会搭这套东西花了我不少时间但回头看最值钱的不是某个具体 skill而是**把营销工作拆成可调用单元这个思维方式**。一旦你这么想问题很多以前觉得只能靠人的活都会冒出自动化的可能。如果让我给刚上手的人一条建议别一上来就搭大体系先挑一个你每周都要重复做、且规则清晰的任务把它做成第一个 skill。跑通一个你就理解整套逻辑了。我自己的第一个 skill 就是 meta description 生成简单、高频、好验证特别适合练手。另外提醒一句AI 产出的营销内容尤其是涉及数据、事实、合规表述的部分一定要人工过。技能体系提升的是效率不是替你承担责任。这个边界心里要清楚。后面如果继续扩展我会往技能之间的依赖管理和多技能协同的编排方向走让整套流程从手动串联变成一句话触发全流程。这块还在摸索有进展再聊。