1. 从“marketingskills”说起一个被低估的AI技能包思路第一次看到marketingskills这个词我脑子里蹦出来的不是某个具体工具而是一种组织方式——把营销领域里那些高频、重复、有固定套路的活儿拆成一个个可以被 AI agent 直接调用的“技能单元”。这个词最近和 Claude Code、Agent Skills spec、SEO 这些关键词绑在一起出现不是偶然。它背后代表的是一种正在成型的工程实践不再让 AI 从零开始猜你要什么而是把领域知识固化成结构化的技能描述让 agent 按图索骥地执行。说白了marketingskills就是一套面向营销场景的 Agent Skills 集合。它可能包含关键词研究、竞品页面拆解、FAQ 结构化数据生成、独立站 SEO 审计、内容大纲规划、落地页文案改写等一揽子技能。每个技能本质上是一份带元数据的说明文档告诉 AI agent这个技能叫什么、什么时候该用、需要哪些输入、按什么步骤执行、输出成什么格式。Claude Code 这类工具之所以能和它配合是因为 Claude Code 本身支持读取项目里的技能定义文件然后在对话或任务执行过程中自动匹配、加载、调用。这套东西解决的核心痛点是营销人员懂业务但不懂写 prompt工程师懂 prompt 但不懂营销细节。marketingskills把两边粘起来——营销专家把经验写成技能描述AI agent 负责在合适的时候调用。适合谁来参考三类人一是独立站站长或出海营销从业者想用 AI 批量处理 SEO 和内容工作二是做 AI agent 应用开发的人想看看技能规范怎么落地到具体垂直领域三是技术型营销人愿意折腾 Claude Code、VS Code 插件、本地模型接入这些配置把 AI 真正嵌进日常工作流。我接下来会从整体设计思路、核心技能拆解、实操落地、常见坑排查几个层面把marketingskills这套东西讲透。不是泛泛谈概念而是给到能直接抄的目录结构、技能文件写法、Claude Code 配置片段和 SEO 场景的具体案例。2. 整体设计与思路拆解为什么是“技能”而不是“提示词”2.1 从散装 prompt 到结构化技能包的演进逻辑早两年大家用 AI 做营销基本是打开对话框手打一段 prompt复制结果再手动改。这种方式的问题很明显每次都要重新描述背景输出格式不稳定经验没法沉淀换个人用效果就崩。后来有人开始做 prompt 模板库把常用指令存成文档稍微好一点但模板之间是孤立的AI 不知道什么时候该用哪个。Agent Skills spec 这类规范的出现本质上是把“提示词”升级成了“带触发条件的可执行单元”。一个技能不只是指令文本它还有名称、描述、适用场景、输入参数、执行步骤、输出约束。Claude Code 在运行时可以扫描项目里的技能目录根据当前任务语义去匹配最合适的技能然后加载对应内容。这就从“人找 prompt”变成了“agent 自动选技能”。marketingskills选择这条路我认为有三个考量。第一营销工作天然是模块化的——关键词研究、内容生产、技术 SEO、外链分析彼此边界清晰适合拆成独立技能。第二营销结果需要可复现同一个技能在不同项目上跑输出结构应该一致方便对比和迭代。第三营销知识更新快技能文件是纯文本改起来比改代码快得多运营人员自己就能维护。2.2 技能目录结构怎么设计才不乱我见过不少人一上来就把所有技能平铺在一个文件夹里几十个 md 文件堆着找起来靠搜索。这种组织方式在技能少的时候还行超过二十个就失控了。比较合理的做法是按营销职能分层再按具体任务细分。一个我实际用过的目录结构大概是这样marketingskills/ ├── README.md ├── skills/ │ ├── seo/ │ │ ├── keyword-research.md │ │ ├── serp-analysis.md │ │ ├── faq-schema.md │ │ ├── internal-link-audit.md │ │ └── technical-seo-check.md │ ├── content/ │ │ ├── outline-builder.md │ │ ├── landing-page-copy.md │ │ ├── blog-rewrite.md │ │ └── meta-description.md │ ├── competitor/ │ │ ├── page-teardown.md │ │ ├── pricing-compare.md │ │ └── content-gap.md │ └── analytics/ │ ├── ga4-event-plan.md │ └── funnel-review.md └── config/ └── skill-index.jsonskill-index.json是给 agent 快速检索用的索引里面记录每个技能的名称、路径、一句话描述、触发关键词。Claude Code 读取这个索引后能在对话中快速判断该加载哪个技能文件而不是把整个目录都塞进上下文。这个设计很关键因为上下文窗口是稀缺资源全量加载既慢又贵。2.3 为什么选 Claude Code 作为执行载体市面上能跑 agent skills 的工具不少但marketingskills这类项目频繁和 Claude Code 一起出现有它的道理。Claude Code 对项目内文件的读取和引用比较自然支持在对话中直接引用技能文件路径也支持通过配置让它在特定任务前自动加载技能。它的 VS Code 插件形态让营销人员不用离开编辑器就能调用降低了使用门槛。另一个原因是 Claude Code 支持接入第三方模型和本地模型。有些团队出于成本或数据考虑不想全部走云端 API就会用 CC Switch 这类工具把请求转发到 DeepSeek、Qwen、GLM 等模型上。marketingskills的技能文件是纯文本规范不绑定具体模型所以换模型后技能依然可用只是执行质量会有差异。这种解耦设计让整套方案更耐用。注意技能文件里不要写死某个模型的特殊语法或私有格式否则换模型后技能直接失效。保持纯自然语言描述加结构化字段兼容性最好。3. 核心技能拆解SEO 场景下的技能文件怎么写3.1 FAQ 结构化数据技能从页面内容到合法 JSON-LD热搜里有人问“谷歌 SEO 的 FAQPage 结构化数据是怎么回事”这正好是marketingskills里一个典型技能。FAQPage 结构化数据本质上是告诉搜索引擎这个页面里有一组问答对请你在搜索结果里把它们展示出来。写对了能增加搜索结果占位面积写错了轻则不展示重则被判定为垃圾结构化数据。一个 FAQ schema 技能文件核心要包含这几块触发条件、输入要求、执行步骤、输出格式、校验规则。我拿实际用过的版本改一改给你看--- name: faq-schema-generator description: 根据页面正文生成符合规范的 FAQPage JSON-LD 结构化数据 triggers: - FAQ结构化数据 - FAQPage schema - 常见问题标记 inputs: - page_content: 页面正文纯文本 - page_url: 页面规范链接 outputs: - jsonld: 可直接嵌入 head 的 script 标签内容 constraints: - 问答对必须来自页面可见内容 - 每个答案不超过 300 字符 - 不得编造页面中不存在的问题 --- ## 执行步骤 1. 扫描正文识别以问句形式出现的小标题或段落 2. 提取每个问题对应的答案段落压缩到 300 字符以内 3. 按 FAQPage 规范组装 JSON-LD 4. 校验必填字段context、type、mainEntity、name、acceptedAnswer 5. 输出完整 script 标签这个技能的关键约束是“问答对必须来自页面可见内容”。很多人为了凑结构化数据在页面里藏一堆用户看不到的问答这种做法一旦被识别结构化数据权限可能被整体收回。技能文件里把这条写成硬约束就是防止 agent 为了完成任务而走捷径。3.2 关键词研究技能别让 AI 直接编搜索量关键词研究是营销里最容易被 AI 带偏的环节。你让模型“给我 50 个相关关键词”它能给你 50 个看起来很像那么回事的词但搜索量、竞争度、意图分类全是编的。marketingskills里的关键词技能必须明确边界AI 负责扩展和聚类数据必须来自外部工具或人工提供。我用的版本是这样设计的技能接收一个种子词和一份从关键词工具导出的 CSV然后执行聚类、意图标注、优先级排序。排序逻辑写在技能文件里比如商业意图词优先、长尾词优先、与产品页匹配度高的优先。这样输出的是有依据的列表而不是模型幻觉。字段来源AI 是否可生成关键词文本工具导出 AI 扩展部分可月搜索量关键词工具否竞争难度关键词工具否搜索意图AI 分类是聚类分组AI 聚类是优先级评分按技能内公式计算是这个表格我建议直接放进技能文件里让 agent 清楚哪些字段它能碰、哪些不能碰。边界清晰了输出才可信。3.3 独立站 SEO 审计技能把检查清单变成可执行流程“什么是独立站谷歌 SEO”这个问题放到技能语境里就是把 SEO 审计拆成可逐项执行的检查流程。一个完整的独立站审计技能应该覆盖技术层、内容层、外链层三个维度每个维度下有具体检查项和判定标准。技术层检查项包括robots.txt 是否误屏蔽、sitemap 是否可访问且包含核心页面、 canonical 标签是否规范、页面加载速度、移动端适配、结构化数据覆盖情况。内容层包括标题标签长度和关键词布局、H1 唯一性、内容深度、内链结构、图片 alt 文本。外链层包括外链来源质量、锚文本分布、有毒链接比例。技能文件里我会给每个检查项写清楚“合格标准”和“常见问题”。比如标题标签合格标准是 50 到 60 字符、包含核心关键词、每个页面唯一。常见问题是多个页面共用同一标题或者标题堆砌关键词。Agent 按这个清单逐项过输出一份带优先级的问题列表而不是笼统地说“你的 SEO 有问题”。3.4 内容大纲技能先定结构再写正文内容生产环节我强烈建议先跑大纲技能再跑写作技能。直接让 AI 写全文结构容易散而且改起来成本高。大纲技能接收目标关键词、搜索意图、竞品前三名的标题结构然后输出一份带 H2/H3 层级、每节要点、预估字数的提纲。这个技能的难点在于竞品结构分析。Agent 需要抓取竞品页面或接收人工提供的结构文本识别它们覆盖了哪些子话题然后找出内容缺口。技能文件里要写明如果竞品都覆盖了某个子话题我们必须覆盖且要更深如果只有一家覆盖可以作为差异化点如果都没覆盖评估搜索需求后再决定是否加入。4. 实操过程从零把 marketingskills 跑起来4.1 环境准备与 Claude Code 安装要点先把基础环境搭好。Claude Code 支持 macOS、Ubuntu、Windows但 Windows 上有些版本兼容性问题热搜里也出现了“由于与64位版本的windows不兼容”这类词。我的建议是如果主力机是 Windows优先考虑 WSL2 里跑 Ubuntu 环境或者直接用 macOS / Ubuntu 机器。省下来的排查时间够你写好几个技能了。安装流程大致是先装 Node.js 运行时然后通过包管理器安装 Claude Code CLI再装 VS Code 插件。macOS 和 Ubuntu 下命令略有差异但核心步骤一致。装完后用claude --version验证能输出版本号就说明 CLI 就绪。VS Code 插件装好后在设置里确认 Claude Code 的路径指向正确否则插件调不到 CLI。提示安装过程中如果遇到组织策略限制导致订阅不可用先确认账号类型和所在环境是否支持。这类问题通常和账号配置有关不是安装步骤本身的问题。4.2 项目初始化与技能目录挂载环境好了之后新建一个项目目录把前面说的marketingskills结构建起来。核心是skills/目录和skill-index.json。索引文件我一般用脚本生成扫描 skills 目录下所有 md 文件读取 frontmatter 里的 name、description、triggers汇总成 JSON。这样新增技能后跑一下脚本索引自动更新不用手动维护。然后在 Claude Code 的项目配置里把技能目录路径加进去。不同版本配置方式略有差异有的是在项目根目录放配置文件有的是在插件设置里指定。配置完成后在对话里输入一个触发词比如“帮我生成 FAQ 结构化数据”观察 agent 是否会去读取对应的技能文件。如果它直接开始编说明技能没被正确加载回去检查索引路径和触发词匹配。4.3 用 CC Switch 接入第三方模型的配置思路有些团队想用 DeepSeek、Qwen、GLM 这类模型来跑技能降低成本或满足数据要求。CC Switch 这类工具的作用是在 Claude Code 和模型 API 之间做一层转发把请求格式转换成目标模型能理解的格式。配置的核心是填对 API 地址、密钥、模型名称以及确认工具支持的协议版本。配置完成后建议先用一个简单技能测试比如让 agent 读取一个技能文件并复述其执行步骤。如果它能正确读取并理解说明链路通了。然后再跑复杂技能比如完整的 SEO 审计。这里有个经验不同模型对结构化输出的遵循程度不一样有些模型会忽略技能文件里的格式约束输出自由文本。遇到这种情况要么在技能文件里把格式要求写得更强硬要么换一个指令遵循能力更强的模型。4.4 跑通第一个完整技能FAQ 结构化数据生成拿 FAQ 技能做首次完整测试最合适因为输入输出都明确容易判断对错。准备一个包含问答内容的测试页面正文调用技能看输出是否符合 FAQPage 规范。检查点包括JSON 是否合法、必填字段是否齐全、问答是否来自原文、答案长度是否超标。我第一次跑的时候agent 把页面里一个陈述句改成了问句来凑问答对。这违反了“问答对必须来自页面可见内容”的约束。后来我在技能文件里加了一条如果页面中没有足够的问题形式内容输出空结果并说明原因不得自行改写。改完之后就稳定了。这个坑很典型——技能约束要写到 agent 没有发挥空间的程度否则它总会想办法“帮你完成任务”。5. 常见问题与排查技巧实录5.1 技能不触发或触发错误怎么办最常见的问题是技能该触发时没触发或者触发了错误的技能。排查顺序是先看索引文件里触发词是否覆盖了你输入的表述再看技能文件的 description 是否足够具体。如果两个技能触发词重叠agent 可能选错。解决办法是给每个技能加更独特的触发词或者在索引里设置优先级。还有一种情况是技能被加载了但没执行。这通常是技能文件里的执行步骤写得太抽象agent 不知道从哪下手。把步骤拆成具体的、可操作的指令比如“第一步读取输入中的 page_content 字段”而不是“第一步分析内容”。5.2 输出格式不稳定的处理办法不同模型、不同温度设置下同一个技能的输出格式可能飘。我试过在技能文件里用 Markdown 表格定义输出字段效果比纯文字描述好很多。另外可以在技能末尾加一段“输出示例”给 agent 一个明确的模仿对象。示例不用太长覆盖关键字段即可。如果格式还是飘考虑在技能执行后加一个校验步骤让 agent 自己检查输出是否符合约束不符合就重做。这个自检环节会增加一点耗时但能显著提升稳定性。5.3 SEO 技能输出被搜索引擎判定为作弊的风险这是营销类技能最需要警惕的问题。AI 生成内容如果直接批量发布质量低且重复度高容易被搜索引擎降权。FAQ 结构化数据如果和页面可见内容不符会被判定为违规。关键词堆砌、隐藏文本、 doorway page 这些老套路AI 能更快地批量生产但风险也成倍放大。我的做法是在技能文件里内置合规检查。比如内容技能输出后自动检查关键词密度是否超过阈值、段落是否通顺、是否有实质信息增量。FAQ 技能强制校验问答对与页面内容的一致性。这些检查不能保证百分百安全但能挡掉大部分低级错误。常见问题排查方向解决动作技能不触发索引触发词、description 具体度补充触发词细化描述触发错误技能触发词重叠、优先级缺失加独特触发词设优先级输出格式飘约束不够硬、缺示例加表格定义、加输出示例内容被判定低质关键词密度、信息增量内置合规检查人工复核结构化数据不展示字段缺失、内容不符校验必填字段核对可见内容5.4 本地模型接入后的性能与质量问题用本地模型跑技能好处是数据不出本地、成本可控代价是模型能力可能不如云端大模型。我实测下来本地模型在简单技能上表现可以比如格式转换、字段提取但在需要推理和判断的技能上比如竞品内容缺口分析输出质量明显下降。应对策略是分层使用简单、高频、格式固定的技能走本地模型复杂、低频、需要判断的技能走能力更强的模型。技能文件本身不用改只需要在调用时指定不同模型。这种混合模式在成本和效果之间取得平衡。6. 技能包的维护与迭代经验6.1 技能文件的版本管理技能文件是纯文本天然适合用 Git 管理。我建议每个技能单独提交commit message 写清楚改了什么、为什么改。比如“faq-schema增加问答对来源校验防止编造问题”。这样出问题时能快速定位是哪次改动导致的。另外建议给技能文件加版本号字段在 frontmatter 里写version: 1.2。当技能逻辑有较大调整时递增版本号方便追踪。如果团队多人维护还可以加author和last_updated字段。6.2 从实际项目反馈中沉淀新技能技能包不是一次写完就完事的。每次做项目遇到重复性工作就考虑把它抽成技能。比如你发现每次做落地页都要检查一遍移动端适配那就写一个移动端检查技能。沉淀的时机是“第二次做同样的事”第一次可以手动第二次就该考虑自动化。我自己的习惯是建一个inbox/目录把临时想到的技能点子先扔进去写成粗糙的草稿。等有空了再整理成正式技能补全 frontmatter 和执行步骤。这样不会打断当前工作也不会漏掉想法。6.3 技能之间的组合调用单个技能能力有限组合起来才能覆盖完整工作流。比如做一篇 SEO 文章流程是关键词研究技能选出目标词SERP 分析技能拆解竞品结构大纲技能生成提纲写作技能产出初稿FAQ 技能生成结构化数据内链审计技能检查链接。这一串可以在 Claude Code 里按顺序调用也可以写一个上层技能来编排。编排技能的关键是定义好技能之间的输入输出衔接。前一个技能的输出字段要能直接作为后一个技能的输入。字段命名保持一致比如统一用target_keyword、outline、draft_content。这样组合时不用做额外的格式转换。6.4 安全与合规的持续检查营销技能涉及对外发布内容合规检查必须常态化。我在技能包里放了一个compliance-check技能专门检查输出内容是否包含敏感表述、是否违反广告法、是否有虚假承诺。每次内容技能输出后自动跑一遍。这个技能本身也要定期更新根据实际遇到的合规问题补充检查项。另外技能文件里不要存放任何真实的 API 密钥、账号密码、客户数据。这些应该放在环境变量或独立的配置文件中通过引用方式使用。技能文件可能被分享、提交到仓库写死敏感信息是重大隐患。7. 我对这套东西的实际体会折腾marketingskills这套东西大半年最大的感受是AI 在营销里的价值不在于替代人写内容而在于把人的经验固化成可重复执行的流程。一个资深 SEO 的判断逻辑写成技能文件后新人也能跑出七八成水准的输出。这才是技能包真正的杠杆。另一个体会是技能文件的质量比模型能力更重要。同一个模型技能写得细和写得粗输出质量差距巨大。我见过有人抱怨 AI 做 SEO 不行一看他的技能文件就三行字那确实不行。把约束、步骤、示例、校验都写清楚普通模型也能给出可用结果。最后分享一个实用习惯每次技能输出不理想时不要只改这一次的结果而是回头改技能文件。把这次遇到的问题变成技能里的一条新约束或一个新示例。这样技能包会越用越顺手而不是每次都在原地打转。 marketingskills：用Claude Code打造AI营销技能包，落地SEO与内容自动化
1. 从“marketingskills”说起一个被低估的AI技能包思路第一次看到marketingskills这个词我脑子里蹦出来的不是某个具体工具而是一种组织方式——把营销领域里那些高频、重复、有固定套路的活儿拆成一个个可以被 AI agent 直接调用的“技能单元”。这个词最近和 Claude Code、Agent Skills spec、SEO 这些关键词绑在一起出现不是偶然。它背后代表的是一种正在成型的工程实践不再让 AI 从零开始猜你要什么而是把领域知识固化成结构化的技能描述让 agent 按图索骥地执行。说白了marketingskills就是一套面向营销场景的 Agent Skills 集合。它可能包含关键词研究、竞品页面拆解、FAQ 结构化数据生成、独立站 SEO 审计、内容大纲规划、落地页文案改写等一揽子技能。每个技能本质上是一份带元数据的说明文档告诉 AI agent这个技能叫什么、什么时候该用、需要哪些输入、按什么步骤执行、输出成什么格式。Claude Code 这类工具之所以能和它配合是因为 Claude Code 本身支持读取项目里的技能定义文件然后在对话或任务执行过程中自动匹配、加载、调用。这套东西解决的核心痛点是营销人员懂业务但不懂写 prompt工程师懂 prompt 但不懂营销细节。marketingskills把两边粘起来——营销专家把经验写成技能描述AI agent 负责在合适的时候调用。适合谁来参考三类人一是独立站站长或出海营销从业者想用 AI 批量处理 SEO 和内容工作二是做 AI agent 应用开发的人想看看技能规范怎么落地到具体垂直领域三是技术型营销人愿意折腾 Claude Code、VS Code 插件、本地模型接入这些配置把 AI 真正嵌进日常工作流。我接下来会从整体设计思路、核心技能拆解、实操落地、常见坑排查几个层面把marketingskills这套东西讲透。不是泛泛谈概念而是给到能直接抄的目录结构、技能文件写法、Claude Code 配置片段和 SEO 场景的具体案例。2. 整体设计与思路拆解为什么是“技能”而不是“提示词”2.1 从散装 prompt 到结构化技能包的演进逻辑早两年大家用 AI 做营销基本是打开对话框手打一段 prompt复制结果再手动改。这种方式的问题很明显每次都要重新描述背景输出格式不稳定经验没法沉淀换个人用效果就崩。后来有人开始做 prompt 模板库把常用指令存成文档稍微好一点但模板之间是孤立的AI 不知道什么时候该用哪个。Agent Skills spec 这类规范的出现本质上是把“提示词”升级成了“带触发条件的可执行单元”。一个技能不只是指令文本它还有名称、描述、适用场景、输入参数、执行步骤、输出约束。Claude Code 在运行时可以扫描项目里的技能目录根据当前任务语义去匹配最合适的技能然后加载对应内容。这就从“人找 prompt”变成了“agent 自动选技能”。marketingskills选择这条路我认为有三个考量。第一营销工作天然是模块化的——关键词研究、内容生产、技术 SEO、外链分析彼此边界清晰适合拆成独立技能。第二营销结果需要可复现同一个技能在不同项目上跑输出结构应该一致方便对比和迭代。第三营销知识更新快技能文件是纯文本改起来比改代码快得多运营人员自己就能维护。2.2 技能目录结构怎么设计才不乱我见过不少人一上来就把所有技能平铺在一个文件夹里几十个 md 文件堆着找起来靠搜索。这种组织方式在技能少的时候还行超过二十个就失控了。比较合理的做法是按营销职能分层再按具体任务细分。一个我实际用过的目录结构大概是这样marketingskills/ ├── README.md ├── skills/ │ ├── seo/ │ │ ├── keyword-research.md │ │ ├── serp-analysis.md │ │ ├── faq-schema.md │ │ ├── internal-link-audit.md │ │ └── technical-seo-check.md │ ├── content/ │ │ ├── outline-builder.md │ │ ├── landing-page-copy.md │ │ ├── blog-rewrite.md │ │ └── meta-description.md │ ├── competitor/ │ │ ├── page-teardown.md │ │ ├── pricing-compare.md │ │ └── content-gap.md │ └── analytics/ │ ├── ga4-event-plan.md │ └── funnel-review.md └── config/ └── skill-index.jsonskill-index.json是给 agent 快速检索用的索引里面记录每个技能的名称、路径、一句话描述、触发关键词。Claude Code 读取这个索引后能在对话中快速判断该加载哪个技能文件而不是把整个目录都塞进上下文。这个设计很关键因为上下文窗口是稀缺资源全量加载既慢又贵。2.3 为什么选 Claude Code 作为执行载体市面上能跑 agent skills 的工具不少但marketingskills这类项目频繁和 Claude Code 一起出现有它的道理。Claude Code 对项目内文件的读取和引用比较自然支持在对话中直接引用技能文件路径也支持通过配置让它在特定任务前自动加载技能。它的 VS Code 插件形态让营销人员不用离开编辑器就能调用降低了使用门槛。另一个原因是 Claude Code 支持接入第三方模型和本地模型。有些团队出于成本或数据考虑不想全部走云端 API就会用 CC Switch 这类工具把请求转发到 DeepSeek、Qwen、GLM 等模型上。marketingskills的技能文件是纯文本规范不绑定具体模型所以换模型后技能依然可用只是执行质量会有差异。这种解耦设计让整套方案更耐用。注意技能文件里不要写死某个模型的特殊语法或私有格式否则换模型后技能直接失效。保持纯自然语言描述加结构化字段兼容性最好。3. 核心技能拆解SEO 场景下的技能文件怎么写3.1 FAQ 结构化数据技能从页面内容到合法 JSON-LD热搜里有人问“谷歌 SEO 的 FAQPage 结构化数据是怎么回事”这正好是marketingskills里一个典型技能。FAQPage 结构化数据本质上是告诉搜索引擎这个页面里有一组问答对请你在搜索结果里把它们展示出来。写对了能增加搜索结果占位面积写错了轻则不展示重则被判定为垃圾结构化数据。一个 FAQ schema 技能文件核心要包含这几块触发条件、输入要求、执行步骤、输出格式、校验规则。我拿实际用过的版本改一改给你看--- name: faq-schema-generator description: 根据页面正文生成符合规范的 FAQPage JSON-LD 结构化数据 triggers: - FAQ结构化数据 - FAQPage schema - 常见问题标记 inputs: - page_content: 页面正文纯文本 - page_url: 页面规范链接 outputs: - jsonld: 可直接嵌入 head 的 script 标签内容 constraints: - 问答对必须来自页面可见内容 - 每个答案不超过 300 字符 - 不得编造页面中不存在的问题 --- ## 执行步骤 1. 扫描正文识别以问句形式出现的小标题或段落 2. 提取每个问题对应的答案段落压缩到 300 字符以内 3. 按 FAQPage 规范组装 JSON-LD 4. 校验必填字段context、type、mainEntity、name、acceptedAnswer 5. 输出完整 script 标签这个技能的关键约束是“问答对必须来自页面可见内容”。很多人为了凑结构化数据在页面里藏一堆用户看不到的问答这种做法一旦被识别结构化数据权限可能被整体收回。技能文件里把这条写成硬约束就是防止 agent 为了完成任务而走捷径。3.2 关键词研究技能别让 AI 直接编搜索量关键词研究是营销里最容易被 AI 带偏的环节。你让模型“给我 50 个相关关键词”它能给你 50 个看起来很像那么回事的词但搜索量、竞争度、意图分类全是编的。marketingskills里的关键词技能必须明确边界AI 负责扩展和聚类数据必须来自外部工具或人工提供。我用的版本是这样设计的技能接收一个种子词和一份从关键词工具导出的 CSV然后执行聚类、意图标注、优先级排序。排序逻辑写在技能文件里比如商业意图词优先、长尾词优先、与产品页匹配度高的优先。这样输出的是有依据的列表而不是模型幻觉。字段来源AI 是否可生成关键词文本工具导出 AI 扩展部分可月搜索量关键词工具否竞争难度关键词工具否搜索意图AI 分类是聚类分组AI 聚类是优先级评分按技能内公式计算是这个表格我建议直接放进技能文件里让 agent 清楚哪些字段它能碰、哪些不能碰。边界清晰了输出才可信。3.3 独立站 SEO 审计技能把检查清单变成可执行流程“什么是独立站谷歌 SEO”这个问题放到技能语境里就是把 SEO 审计拆成可逐项执行的检查流程。一个完整的独立站审计技能应该覆盖技术层、内容层、外链层三个维度每个维度下有具体检查项和判定标准。技术层检查项包括robots.txt 是否误屏蔽、sitemap 是否可访问且包含核心页面、 canonical 标签是否规范、页面加载速度、移动端适配、结构化数据覆盖情况。内容层包括标题标签长度和关键词布局、H1 唯一性、内容深度、内链结构、图片 alt 文本。外链层包括外链来源质量、锚文本分布、有毒链接比例。技能文件里我会给每个检查项写清楚“合格标准”和“常见问题”。比如标题标签合格标准是 50 到 60 字符、包含核心关键词、每个页面唯一。常见问题是多个页面共用同一标题或者标题堆砌关键词。Agent 按这个清单逐项过输出一份带优先级的问题列表而不是笼统地说“你的 SEO 有问题”。3.4 内容大纲技能先定结构再写正文内容生产环节我强烈建议先跑大纲技能再跑写作技能。直接让 AI 写全文结构容易散而且改起来成本高。大纲技能接收目标关键词、搜索意图、竞品前三名的标题结构然后输出一份带 H2/H3 层级、每节要点、预估字数的提纲。这个技能的难点在于竞品结构分析。Agent 需要抓取竞品页面或接收人工提供的结构文本识别它们覆盖了哪些子话题然后找出内容缺口。技能文件里要写明如果竞品都覆盖了某个子话题我们必须覆盖且要更深如果只有一家覆盖可以作为差异化点如果都没覆盖评估搜索需求后再决定是否加入。4. 实操过程从零把 marketingskills 跑起来4.1 环境准备与 Claude Code 安装要点先把基础环境搭好。Claude Code 支持 macOS、Ubuntu、Windows但 Windows 上有些版本兼容性问题热搜里也出现了“由于与64位版本的windows不兼容”这类词。我的建议是如果主力机是 Windows优先考虑 WSL2 里跑 Ubuntu 环境或者直接用 macOS / Ubuntu 机器。省下来的排查时间够你写好几个技能了。安装流程大致是先装 Node.js 运行时然后通过包管理器安装 Claude Code CLI再装 VS Code 插件。macOS 和 Ubuntu 下命令略有差异但核心步骤一致。装完后用claude --version验证能输出版本号就说明 CLI 就绪。VS Code 插件装好后在设置里确认 Claude Code 的路径指向正确否则插件调不到 CLI。提示安装过程中如果遇到组织策略限制导致订阅不可用先确认账号类型和所在环境是否支持。这类问题通常和账号配置有关不是安装步骤本身的问题。4.2 项目初始化与技能目录挂载环境好了之后新建一个项目目录把前面说的marketingskills结构建起来。核心是skills/目录和skill-index.json。索引文件我一般用脚本生成扫描 skills 目录下所有 md 文件读取 frontmatter 里的 name、description、triggers汇总成 JSON。这样新增技能后跑一下脚本索引自动更新不用手动维护。然后在 Claude Code 的项目配置里把技能目录路径加进去。不同版本配置方式略有差异有的是在项目根目录放配置文件有的是在插件设置里指定。配置完成后在对话里输入一个触发词比如“帮我生成 FAQ 结构化数据”观察 agent 是否会去读取对应的技能文件。如果它直接开始编说明技能没被正确加载回去检查索引路径和触发词匹配。4.3 用 CC Switch 接入第三方模型的配置思路有些团队想用 DeepSeek、Qwen、GLM 这类模型来跑技能降低成本或满足数据要求。CC Switch 这类工具的作用是在 Claude Code 和模型 API 之间做一层转发把请求格式转换成目标模型能理解的格式。配置的核心是填对 API 地址、密钥、模型名称以及确认工具支持的协议版本。配置完成后建议先用一个简单技能测试比如让 agent 读取一个技能文件并复述其执行步骤。如果它能正确读取并理解说明链路通了。然后再跑复杂技能比如完整的 SEO 审计。这里有个经验不同模型对结构化输出的遵循程度不一样有些模型会忽略技能文件里的格式约束输出自由文本。遇到这种情况要么在技能文件里把格式要求写得更强硬要么换一个指令遵循能力更强的模型。4.4 跑通第一个完整技能FAQ 结构化数据生成拿 FAQ 技能做首次完整测试最合适因为输入输出都明确容易判断对错。准备一个包含问答内容的测试页面正文调用技能看输出是否符合 FAQPage 规范。检查点包括JSON 是否合法、必填字段是否齐全、问答是否来自原文、答案长度是否超标。我第一次跑的时候agent 把页面里一个陈述句改成了问句来凑问答对。这违反了“问答对必须来自页面可见内容”的约束。后来我在技能文件里加了一条如果页面中没有足够的问题形式内容输出空结果并说明原因不得自行改写。改完之后就稳定了。这个坑很典型——技能约束要写到 agent 没有发挥空间的程度否则它总会想办法“帮你完成任务”。5. 常见问题与排查技巧实录5.1 技能不触发或触发错误怎么办最常见的问题是技能该触发时没触发或者触发了错误的技能。排查顺序是先看索引文件里触发词是否覆盖了你输入的表述再看技能文件的 description 是否足够具体。如果两个技能触发词重叠agent 可能选错。解决办法是给每个技能加更独特的触发词或者在索引里设置优先级。还有一种情况是技能被加载了但没执行。这通常是技能文件里的执行步骤写得太抽象agent 不知道从哪下手。把步骤拆成具体的、可操作的指令比如“第一步读取输入中的 page_content 字段”而不是“第一步分析内容”。5.2 输出格式不稳定的处理办法不同模型、不同温度设置下同一个技能的输出格式可能飘。我试过在技能文件里用 Markdown 表格定义输出字段效果比纯文字描述好很多。另外可以在技能末尾加一段“输出示例”给 agent 一个明确的模仿对象。示例不用太长覆盖关键字段即可。如果格式还是飘考虑在技能执行后加一个校验步骤让 agent 自己检查输出是否符合约束不符合就重做。这个自检环节会增加一点耗时但能显著提升稳定性。5.3 SEO 技能输出被搜索引擎判定为作弊的风险这是营销类技能最需要警惕的问题。AI 生成内容如果直接批量发布质量低且重复度高容易被搜索引擎降权。FAQ 结构化数据如果和页面可见内容不符会被判定为违规。关键词堆砌、隐藏文本、 doorway page 这些老套路AI 能更快地批量生产但风险也成倍放大。我的做法是在技能文件里内置合规检查。比如内容技能输出后自动检查关键词密度是否超过阈值、段落是否通顺、是否有实质信息增量。FAQ 技能强制校验问答对与页面内容的一致性。这些检查不能保证百分百安全但能挡掉大部分低级错误。常见问题排查方向解决动作技能不触发索引触发词、description 具体度补充触发词细化描述触发错误技能触发词重叠、优先级缺失加独特触发词设优先级输出格式飘约束不够硬、缺示例加表格定义、加输出示例内容被判定低质关键词密度、信息增量内置合规检查人工复核结构化数据不展示字段缺失、内容不符校验必填字段核对可见内容5.4 本地模型接入后的性能与质量问题用本地模型跑技能好处是数据不出本地、成本可控代价是模型能力可能不如云端大模型。我实测下来本地模型在简单技能上表现可以比如格式转换、字段提取但在需要推理和判断的技能上比如竞品内容缺口分析输出质量明显下降。应对策略是分层使用简单、高频、格式固定的技能走本地模型复杂、低频、需要判断的技能走能力更强的模型。技能文件本身不用改只需要在调用时指定不同模型。这种混合模式在成本和效果之间取得平衡。6. 技能包的维护与迭代经验6.1 技能文件的版本管理技能文件是纯文本天然适合用 Git 管理。我建议每个技能单独提交commit message 写清楚改了什么、为什么改。比如“faq-schema增加问答对来源校验防止编造问题”。这样出问题时能快速定位是哪次改动导致的。另外建议给技能文件加版本号字段在 frontmatter 里写version: 1.2。当技能逻辑有较大调整时递增版本号方便追踪。如果团队多人维护还可以加author和last_updated字段。6.2 从实际项目反馈中沉淀新技能技能包不是一次写完就完事的。每次做项目遇到重复性工作就考虑把它抽成技能。比如你发现每次做落地页都要检查一遍移动端适配那就写一个移动端检查技能。沉淀的时机是“第二次做同样的事”第一次可以手动第二次就该考虑自动化。我自己的习惯是建一个inbox/目录把临时想到的技能点子先扔进去写成粗糙的草稿。等有空了再整理成正式技能补全 frontmatter 和执行步骤。这样不会打断当前工作也不会漏掉想法。6.3 技能之间的组合调用单个技能能力有限组合起来才能覆盖完整工作流。比如做一篇 SEO 文章流程是关键词研究技能选出目标词SERP 分析技能拆解竞品结构大纲技能生成提纲写作技能产出初稿FAQ 技能生成结构化数据内链审计技能检查链接。这一串可以在 Claude Code 里按顺序调用也可以写一个上层技能来编排。编排技能的关键是定义好技能之间的输入输出衔接。前一个技能的输出字段要能直接作为后一个技能的输入。字段命名保持一致比如统一用target_keyword、outline、draft_content。这样组合时不用做额外的格式转换。6.4 安全与合规的持续检查营销技能涉及对外发布内容合规检查必须常态化。我在技能包里放了一个compliance-check技能专门检查输出内容是否包含敏感表述、是否违反广告法、是否有虚假承诺。每次内容技能输出后自动跑一遍。这个技能本身也要定期更新根据实际遇到的合规问题补充检查项。另外技能文件里不要存放任何真实的 API 密钥、账号密码、客户数据。这些应该放在环境变量或独立的配置文件中通过引用方式使用。技能文件可能被分享、提交到仓库写死敏感信息是重大隐患。7. 我对这套东西的实际体会折腾marketingskills这套东西大半年最大的感受是AI 在营销里的价值不在于替代人写内容而在于把人的经验固化成可重复执行的流程。一个资深 SEO 的判断逻辑写成技能文件后新人也能跑出七八成水准的输出。这才是技能包真正的杠杆。另一个体会是技能文件的质量比模型能力更重要。同一个模型技能写得细和写得粗输出质量差距巨大。我见过有人抱怨 AI 做 SEO 不行一看他的技能文件就三行字那确实不行。把约束、步骤、示例、校验都写清楚普通模型也能给出可用结果。最后分享一个实用习惯每次技能输出不理想时不要只改这一次的结果而是回头改技能文件。把这次遇到的问题变成技能里的一条新约束或一个新示例。这样技能包会越用越顺手而不是每次都在原地打转。