1. 从marketingskills这个标题说起它到底在解决什么问题第一次看到marketingskills这个词很多人会下意识以为它是一个营销课程合集或者某个营销工具库。但结合它背后关联的 Claude Code、AI agents、SEO、CRO 这几个关键词来看事情就清晰多了——它本质上是一套把营销领域的专业动作拆解成 AI agent 可执行技能模块的思路。换句话说它不是在教人做营销而是在教 AI 怎么像一个懂营销的人那样干活。这个区别非常关键。市面上讲 AI 做营销的内容绝大多数停留在给个提示词让模型写篇文案的层面。这种玩法的问题在于每次都要重新描述需求输出质量全看当天提示词写得好不好完全没有稳定性可言。而 marketingskills 这个方向要做的是把写落地页做关键词研究优化转化路径这些动作沉淀成一个个结构化的、可复用的技能单元让 AI agent 在需要的时候直接调用。我接触这个方向是因为一个很实际的场景手上有几个独立站项目SEO 和 CRO 的活儿又碎又多靠人力一条条做效率太低靠通用大模型又总是答得漂亮但落不了地。后来开始研究怎么用 Claude Code 这类工具把营销流程工程化才慢慢摸到 marketingskills 这套思路的门道。这篇文章适合三类人看一是手上管着独立站或内容站、想用 AI 提效的运营二是对 Claude Code、AI agents 感兴趣、想找真实落地场景的技术人三是做 SEO、CRO 服务、想把自己的经验产品化的从业者。我会从技能拆解的逻辑讲起一路讲到具体怎么搭、怎么调、怎么避坑尽量把每一步的为什么都说清楚。需要先说明一点下面涉及的工具配置和操作步骤是基于我自己的实践和社区里常见的做法整理的不同版本的工具在细节上可能有差异你照着做的时候以实际界面为准。2. 把营销动作拆成技能marketingskills 的底层逻辑2.1 为什么提示词不够用非要搞成技能先说个我踩过的坑。早期我用大模型做 SEO 内容做法是每次把关键词、目标受众、字数要求写进提示词然后让它输出。前几篇还行做到第十篇就崩了——风格开始飘结构开始乱有时候连基本的标题层级都搞错。原因很简单提示词是一次性的它不携带任何持久化的规则和标准。技能skill的思路完全不同。一个技能本质上是一份结构化的说明书里面写清楚了这个动作的输入是什么、输出长什么样、中间要经过哪些步骤、有哪些硬性约束。比如写一篇 SEO 文章这个技能它会规定必须包含 H2/H3 层级、必须自然植入主关键词、必须覆盖 FAQ 结构化数据、必须控制关键词密度在合理区间。这些规则写死在技能文件里每次调用都自动生效输出质量就稳定了。打个比方提示词像是你临时口头交代实习生干活技能像是你给实习生发了一本《操作手册》。前者靠临场发挥后者靠制度保障。marketingskills 的核心价值就是把营销人的隐性经验变成 AI 能稳定执行的显性规则。2.2 一个营销技能应该包含哪几个部分我拆过不少社区里流传的技能模板也自己写过一些总结下来一个能用的营销技能通常包含四块内容触发条件什么情况下该调用这个技能。比如当用户要求优化落地页转化率时。输入规范需要提供哪些信息。比如目标关键词、竞品 URL、当前页面内容。执行步骤分几步做、每步做什么。这是技能的主体。输出标准交付物长什么样有哪些必须满足的硬性要求。这四块里最容易被人忽略的是输出标准。很多人写技能只写步骤不写验收标准结果 AI 交出来的东西看着像那么回事实际一检查全是漏洞。我的经验是输出标准要写得足够具体具体到如果不符合就重做的程度。2.3 SEO 技能和 CRO 技能在拆解上的差异SEO 和 CRO 虽然都属于营销但拆成技能时的思路差别很大。SEO 技能偏规则驱动。因为搜索引擎的评判标准相对明确——关键词覆盖、内容结构、页面加载、结构化数据这些都是有章可循的。所以 SEO 技能可以写得很硬把规则一条条列清楚AI 照着执行就行。CRO 技能偏假设驱动。转化率优化没有标准答案它依赖对用户行为的假设和测试。所以 CRO 技能的重点不是照做而是提出可测试的假设。比如一个 CRO 技能可能会引导 AI 分析当前页面的跳出点在哪、用户可能的顾虑是什么、可以设计哪几组 A/B 测试来验证。理解这个差异很重要因为它决定了你写技能时的语气和结构。SEO 技能可以写成命令式CRO 技能更适合写成引导式。3. 用 Claude Code 承载营销技能环境搭建与核心配置3.1 为什么选 Claude Code 而不是普通对话界面普通对话界面也能跑技能但有几个硬伤一是没法直接读写本地文件技能文件得手动粘贴二是没法执行终端命令做不了批量处理三是上下文管理弱长任务容易断片。Claude Code 这类工具的优势在于它是住在项目里的。你可以把技能文件放在项目目录下让它直接读取可以让它执行脚本批量处理关键词可以在一个会话里连续完成研究关键词→写大纲→写正文→检查优化整条链路。对于 marketingskills 这种需要反复调用、批量执行的场景这个差别是决定性的。3.2 安装与基础环境准备安装这块我不展开讲具体命令因为不同系统、不同版本差异较大而且官方文档更新很快。这里只说几个容易踩坑的点第一Node 环境版本。这类工具通常对 Node 版本有要求版本太低会直接报错。装之前先确认一下本机 Node 版本不够就升级。第二系统兼容性。Windows 用户要注意某些版本对系统位数有要求装之前看清楚。如果遇到兼容性报错优先考虑用 WSL 或者换到 Mac/Linux 环境能省掉大量折腾时间。第三账号与访问。部分地区可能会遇到访问限制提示这是正常现象按官方支持列表确认自己所在区域的情况即可。如果只是想本地跑技能、不依赖云端能力也可以考虑接入本地模型或其他兼容的模型服务。第四编辑器集成。如果你习惯在 VS Code 里干活装对应的插件会方便很多能在编辑器内直接调用不用来回切窗口。提示安装过程中如果遇到组织已禁用订阅访问之类的提示通常是账号权限或订阅状态的问题检查一下账号配置别急着怀疑是工具本身的问题。3.3 技能文件的组织方式技能文件怎么放直接决定了后面用起来顺不顺。我试过几种组织方式最后固定下来的结构是这样的project/ skills/ seo/ keyword-research.md content-brief.md onpage-optimize.md cro/ landing-audit.md ab-test-design.md shared/ tone-guide.md output-format.md按领域/具体技能两级目录来分共享的规范比如语气指南、输出格式放在 shared 里各个技能文件引用它。这样做的好处是改一次共享规范所有技能都跟着更新不用一个个改。每个技能文件用 Markdown 写开头用一段话说明这个技能干什么、什么时候用然后是输入、步骤、输出标准。文件别写太长一个技能控制在能一屏看完的篇幅太长了 AI 反而抓不住重点。3.4 让技能真正跑起来的关键配置光有技能文件还不够得让工具知道什么时候去读它。常见的做法是在项目根目录放一个总入口文件比如 CLAUDE.md 之类的约定文件在里面说明本项目包含哪些技能、分别在什么场景下调用、共享规范在哪。这个入口文件相当于技能目录AI 每次进项目先读它就知道手上有哪些工具可用。我见过不少人技能文件写得很用心但忘了写入口结果 AI 根本不知道这些技能存在白忙一场。另外如果你用的是支持本地模型的方案记得在配置里把模型指向调对。本地模型跑营销类任务胜在数据不出本地、成本可控但要注意上下文长度和指令遵循能力太小的模型跑复杂技能会力不从心。4. SEO 技能实战从关键词到结构化数据的完整链路4.1 关键词研究技能怎么写才不空关键词研究是 SEO 的起点也是最容易被写成正确的废话的技能。很多模板写的是分析关键词的搜索量和竞争度但没告诉 AI 具体怎么分析、数据从哪来、判断标准是什么。我的写法是把这一步拆成可执行的动作先让 AI 基于种子词扩展出一批候选词然后按搜索意图分类信息型、导航型、交易型、商业调研型再按竞争难度和商业价值两个维度打分最后输出一张优先级排序表。每个动作都有明确的产出物AI 就不会跑偏。这里有个实操心得别让 AI 凭空编搜索量数据。模型不知道真实搜索量硬让它给数字它会给一堆看起来合理但完全虚构的数。正确做法是让它做分类和排序这类逻辑工作真实数据从关键词工具里导出后喂给它。4.2 内容简报技能把写什么定死内容简报content brief是连接关键词和成稿的桥梁。一个好的简报技能应该能输出这些东西目标关键词和次要关键词、建议的标题和 H2 结构、需要覆盖的子话题、竞品内容里已经讲透的点、竞品没讲透可以差异化的点、建议的字数区间、需要引用的数据或来源。我特别看重竞品没讲透的点这一项。因为 SEO 内容同质化严重光是把别人讲过的东西再讲一遍很难排上去。让 AI 专门去找竞品的空白是提升内容竞争力的关键动作。写这个技能时要注意简报不是越长越好。我见过动辄两三千字的简报AI 读完都晕了。控制在合理篇幅把最关键的结构和差异化点说清楚就行。4.3 正文生成技能里的反 AI 味设计用 AI 写 SEO 正文最大的敌人是AI 味。那种随着……的发展综上所述为……提供支持的腔调读者一眼就能看出来搜索引擎也越来越能识别。所以正文生成技能里必须专门加一段反 AI 味的约束。我的做法是列一个禁用词清单把常见的 AI 套话列进去明确要求不许用同时要求句式长短交替、多用具体案例和数字、少用排比和空泛形容词。还有个技巧让 AI 在写之前先想一遍。比如要求它先输出一个简短的写作思路说明这篇打算怎么切入、用什么案例、怎么和竞品区分然后再动笔。这个先想后写的动作能显著提升成稿质量。4.4 FAQ 结构化数据被低估的流量入口热词里提到谷歌 SEO 的 FAQ page 结构化数据是怎么回事这块值得单独说。FAQ 结构化数据本质上是给搜索引擎看的内容标注告诉它页面上哪些是问题、哪些是答案。做好之后搜索结果里可能会直接展示这些问答占据更多展示空间点击率往往能提升。在技能里怎么落地我通常让 AI 在正文写完后自动提取出 3 到 5 个用户最可能问的问题配上简洁答案然后生成对应的结构化数据代码。这里要注意两点一是问题和答案必须和页面正文内容一致不能为了凑结构化数据硬编二是答案要简短直接控制在几十字内太长了展示效果反而不好。注意结构化数据不是加得越多越好。如果页面内容和标注不符可能被判定为作弊。老老实实标注真实内容才是长久之计。4.5 站内优化技能别只盯着正文很多人做 SEO 只关注正文忽略了标题标签、元描述、URL、内链、图片 alt 这些周边要素。这些恰恰是站内优化技能该管的。我写的站内优化技能会逐项检查标题标签是否包含主关键词且控制在合理长度、元描述是否有吸引力且包含行动号召、URL 是否简洁可读、内链是否指向相关页面且锚文本自然、图片是否有描述性 alt。每一项都有明确的通过标准检查完输出一份问题清单修改建议。这个技能的价值在于不漏项。人做站内优化容易顾此失彼交给技能逐项过一遍稳定性高得多。5. CRO 技能实战让 AI 帮你设计转化实验5.1 落地页诊断技能先找问题再谈优化CRO 的第一步不是改是诊断。落地页诊断技能要做的是系统性地找出转化障碍。我设计的诊断流程是这样的先看首屏——用户进来三秒内能不能明白这是什么、对我有什么用、我下一步该干嘛再看信任要素——有没有社会证明、评价、资质展示然后看行动路径——CTA 按钮是否醒目、表单是否过长、有没有多余的干扰项最后看异议处理——用户可能的顾虑有没有被提前解答。每一项都给出通过/不通过/待改进的判断并说明理由。这样输出的不是一堆泛泛而谈的建议而是一份有优先级的行动清单。5.2 A/B 测试设计技能把假设变成可执行的实验诊断出问题之后下一步是设计实验验证。A/B 测试设计技能的核心是帮 AI 把我觉得这样改会更好变成我假设把 X 改成 Y会导致 Z 指标提升通过对比 A 组和 B 组来验证。一个完整的测试设计包含测试假设、变量改什么、对照组和实验组、成功指标、样本量估算、测试周期。这里最容易出错的是样本量和周期——很多人测试跑了两天看到数据有差异就下结论结果根本不显著。技能里我会加一条硬性要求必须估算所需样本量并说明测试至少需要跑多久。样本量估算涉及基线转化率、最小可检测效应、显著性水平这些参数可以让 AI 按公式算也可以让它给出估算逻辑人工复核。5.3 文案说服力技能从自嗨到用户视角营销文案最常见的毛病是自嗨——满篇讲产品多牛不讲用户能得到什么。说服力技能要做的就是强制把视角从我们切换到你。具体怎么做我让技能执行一个翻译动作把每句以产品为主语的句子改写成以用户收益为主语。比如我们采用先进技术改成你能在几秒内完成原本要几分钟的操作。这个动作看似简单但效果立竿见影。另外技能还会检查文案是否覆盖了痛点—方案—证据—行动这条基本链路。缺哪一环补哪一环逻辑就完整了。5.4 把 SEO 和 CRO 技能串起来用单独用 SEO 技能或 CRO 技能价值有限。真正有意思的是把它们串起来先用 SEO 技能确定目标关键词和内容方向保证页面能被搜到再用 CRO 技能优化页面保证搜到的人愿意转化。串起来的关键是数据回流。SEO 带来的流量数据、CRO 测试的转化数据都应该反馈回技能里指导下一次的内容和优化决策。我在项目里会定期让 AI 汇总这两类数据输出一份哪些内容带来了流量、哪些页面转化好、下一步该重点优化什么的报告。这样技能就不是一次性工具而是持续迭代的闭环。6. 实操中踩过的坑与排查思路6.1 技能调用不生效从入口文件查起最常见的坑是技能文件写好了但 AI 就是不用。遇到这种情况排查顺序是这样的先确认入口文件里有没有登记这个技能。很多人写了技能文件忘了在入口里说明AI 自然不知道。再确认触发条件写得够不够明确——如果触发条件太模糊AI 判断不出该不该调用。最后确认技能文件路径对不对路径错了 AI 读不到。我遇到过一次特别隐蔽的情况技能文件里有个语法错误导致整个文件解析失败但工具没报错只是默默忽略了。后来是逐个文件检查才发现的。所以技能文件写完后最好单独测一下能不能被正常读取。6.2 输出质量忽高忽低多半是上下文问题技能跑起来之后如果发现输出质量不稳定八成是上下文管理出了问题。常见原因有两个一是会话太长前面的内容被截断了AI 忘了技能里的约束二是多个技能同时激活规则互相打架。解决办法长任务拆成多个短会话每个会话专注一个技能如果必须在一个会话里跑多个技能就在切换时明确说明现在切换到 XX 技能之前的规则暂时不适用。6.3 本地模型跑营销技能的注意事项用本地模型跑 marketingskills有几个现实问题要面对。一是模型能力营销类任务对语言理解和生成质量要求高参数量太小的模型跑出来效果差强人意。二是上下文长度技能文件加上项目内容很容易超出小模型的上下文窗口。三是指令遵循复杂技能包含多步指令小模型容易漏步骤。我的建议是如果主要跑 SEO 内容生成这类任务尽量用能力较强的模型如果只是做分类、提取这类简单任务本地小模型够用。别指望一个模型包打天下按任务难度选模型才是务实的做法。6.4 结构化数据被忽略检查输出格式前面提到 FAQ 结构化数据实操中经常遇到AI 生成了内容但没生成结构化数据代码的情况。排查下来多半是技能里没明确要求输出格式。解决办法是在输出标准里写死必须包含 JSON-LD 格式的结构化数据代码块并给出示例格式。要求越具体AI 越不容易漏。7. 关于技能迭代与个人经验技能不是写完就完事的它需要持续迭代。我的做法是每次用完技能后花两分钟记一下这次哪里不顺、哪里输出不对攒够几条就回去改技能文件。改的时候只改有问题的那部分别大改大改容易引入新问题。还有一点体会技能的价值不在于多而在于精。我一开始贪多写了二十几个技能结果大部分用不上维护起来还累。后来砍到七八个核心技能每个都打磨得比较扎实实际效率反而更高。营销这件事核心动作就那么几个把关键的做透比铺一堆花架子有用得多。最后分享一个小心得写技能的时候把自己想象成在给一个聪明但完全不懂营销的新人写操作手册。他执行力强、不会偷懒但缺乏判断力所以每个判断标准都要写清楚。按这个心态写出来的技能AI 执行起来通常不会跑偏。