1. 从marketingskills这个标题说起一个被低估的AI营销技能库第一次看到marketingskills这个词我脑子里蹦出来的不是某个具体工具而是一整套思路——把营销这件事拆成一项项可复用、可编排、可交给AI执行的技能。这两年我一直在折腾Claude Code、AI agents这类工具链也帮几个做独立站的朋友搭过SEO和转化率优化的自动化流程越做越觉得真正卡住大多数人的不是模型不够聪明而是没人把营销动作翻译成AI能稳定执行的技能单元。marketingskills要解决的就是这个翻译问题。它本质上是一套面向AI agents的营销技能集合覆盖SEO、CRO转化率优化、analytics数据分析三大块配合Claude Code这类能直接读写文件、执行终端命令的agent工具把过去需要人工反复操作的营销任务变成一条条可调用、可组合、可迭代的技能。适合谁来参考三类人一是做独立站、需要自己搞定谷歌SEO的站长二是想用AI agents把营销流程自动化的增长从业者三是刚上手Claude Code、想找个真实项目练手的技术同学。我写这篇东西不是要给你一份官方文档的复述而是把我自己踩过的坑、验证过的配置、以及为什么这么设计的逻辑摊开讲。你照着做大概率能少走两三个晚上的弯路。2. 为什么营销需要技能化核心思路与方案选型2.1 营销动作的碎片化困境做过独立站的人都有体会SEO不是一件事是一堆事。关键词研究、内容结构、内链布局、列表页的meta设置、结构化数据、页面加载速度、外链策略……每一项单独拎出来都不难难的是它们散落在十几个工具和文档里你今天改完标题明天忘了更新sitemap后天发现某个列表页的canonical标签写错了。CRO也一样A/B测试、热图分析、漏斗拆解、文案迭代全靠人肉记忆和Excel表格撑着。这种碎片化带来的直接后果是你永远在救火而不是在建设。marketingskills的思路就是把这些碎片化的动作抽象成一个个有明确输入、明确输出、明确判断标准的技能。比如检查列表页SEO设置就是一个技能输入是一个URL或一批URL输出是一份问题清单加修复建议。技能一旦定义清楚就可以交给AI agent去批量执行。2.2 为什么选Claude Code作为执行载体市面上能跑AI agents的工具不少我最终倾向Claude Code原因很实在它能直接操作文件系统和终端。营销任务里大量操作本质上是改文件——改HTML模板、改配置文件、改内容markdown。如果agent只能聊天、给你一段建议让你手动复制粘贴那效率提升有限。Claude Code能直接读你的项目文件、执行命令、改完再验证这个闭环才是关键。另外Claude Code的skills机制把一组指令和资源打包成一个可调用的技能天然适合承载marketingskills这种结构化知识。你可以把谷歌SEO检查清单写成一个skillagent调用时自动加载相关规则不用每次都在prompt里重复粘贴。提示Claude Code在不同地区的可用性有差异安装前先确认你所在环境是否在支持范围内避免装到一半卡住。2.3 技能库的分层设计我把marketingskills按诊断—执行—验证三层来理解这也是我实际搭建时的分层逻辑层级作用典型技能输出物诊断层发现问题SEO审计、页面速度检查、漏斗分析问题清单、优先级排序执行层修复问题批量改meta、生成内链、重写文案修改后的文件、变更记录验证层确认效果复查标签、对比数据、回归测试验证报告、前后对比这个分层的好处是每一层都可以独立迭代。你先把诊断层做扎实哪怕执行层还是半自动效率也已经上来了。很多人一上来就想全自动结果诊断都不准自动执行只会放大错误。3. 核心技能拆解SEO、CRO、Analytics三块怎么落地3.1 SEO技能从关键词到列表页的完整链路SEO这块我拆成四个核心技能。第一个是关键词聚类输入是一批种子词输出是按搜索意图分组的词簇。这里的关键不是词多而是意图准。我一般会让agent按信息型/导航型/交易型三类打标交易型词优先分配给产品页信息型词分配给博客。第二个是内容结构检查。这个技能会扫描你的文章检查H1是否唯一、H2/H3层级是否合理、关键词密度是否自然、段落是否过长。我实测下来agent对关键词堆砌的判断比人还敏感经常能揪出我自己没注意到的重复。第三个是列表页SEO设置这也是热搜里discuz列表页seo设置指向的痛点。列表页最容易出的问题是标题重复、描述缺失、分页的canonical指向错误、列表项没有结构化数据。我写过一个检查脚本逻辑大致是# 列表页SEO检查的核心逻辑伪代码示意 def check_list_page(url): issues [] html fetch(url) # 1. 检查title是否包含页码或重复模板 if is_duplicate_title(html): issues.append(标题重复建议加入分类名或页码区分) # 2. 检查meta description if not has_meta_description(html): issues.append(缺少meta description) # 3. 检查分页canonical if has_pagination(html) and canonical_points_to_self(html): issues.append(分页canonical应指向第一页或使用relnext/prev) # 4. 检查结构化数据 if not has_itemlist_schema(html): issues.append(建议添加ItemList结构化数据) return issues第四个是内链优化。这个技能会分析你站内的链接图谱找出孤岛页面没有任何内链指向的页面和过度链接页面然后给出内链建议。我踩过的坑是一开始让agent自动加内链结果它把不相关的页面硬连在一起反而稀释了权重。后来改成agent给建议、人工确认质量才稳定。3.2 CRO技能把转化率优化变成可执行清单CRO最怕的是凭感觉优化。marketingskills里的CRO技能核心是把优化动作变成可验证的假设。我常用的三个技能落地页诊断检查首屏是否有明确的价值主张、CTA按钮是否显眼、表单字段是否过多、信任元素评价、logo、保障是否到位。这个技能输出的是一个摩擦点清单按影响程度排序。A/B测试设计输入是当前页面和优化假设输出是测试方案——改什么、怎么改、样本量需要多少、预期提升多少。这里有个经验样本量计算千万别拍脑袋。我一般用这个公式估算每组所需样本量 ≈ 16 × (标准差²) / (最小可检测效应²)对于转化率这类二值指标简化版是基线转化率5%想检测到提升到6%相对提升20%每组大约需要3000-4000次访问。样本不够就下结论是最常见的自欺欺人。文案迭代基于用户评论、客服记录、搜索词生成多个文案变体。我一般让agent一次生成5-8个版本然后人工挑2-3个进测试不要一次测太多否则流量不够分。3.3 Analytics技能让数据说人话Analytics这块很多人卡在数据太多、洞察太少。marketingskills里的分析技能重点是异常检测和归因拆解。异常检测设定基线当某个指标如跳出率、转化率、页面停留时间偏离基线超过阈值时自动报警。我一般设2个标准差为警戒线3个为标准差为严重。归因拆解当转化率下降时自动拆解是哪个渠道、哪个页面、哪个设备类型拖了后腿。这个技能的价值在于它把转化率降了这种模糊问题变成移动端来自自然搜索的落地页B转化率降了30%这种可行动的信息。分析技能输入输出使用频率异常检测指标时间序列异常点可能原因每日归因拆解转化数据维度贡献度排序每周漏斗分析事件流流失最大的环节每次改版后cohort分析用户分组数据留存曲线对比每月4. 实操过程从零搭起一套可用的营销技能库4.1 环境准备与Claude Code安装先说环境。Claude Code支持macOS、Linux和Windows通过WSL我主力用macOS也在一台Ubuntu服务器上跑过。安装方式按平台不同macOS和Linux下官方推荐用npm全局安装# 确认Node版本建议18以上 node -v # 全局安装 npm install -g anthropic-ai/claude-code # 验证 claude --versionWindows下我建议走WSL原生Windows支持一直有些小毛病。装完WSL后在Ubuntu环境里按上面的步骤走即可。如果你用VS Code可以装Claude Code的VS Code扩展直接在编辑器里调用改文件的时候特别顺手。注意安装过程中如果遇到网络问题导致下载失败先检查npm源和网络环境不要反复重试浪费时间。mac上如果提示权限问题检查一下npm的全局目录权限。安装完成后第一次运行claude会引导你完成登录和初始化。初始化时它会问你项目目录建议专门建一个目录放你的营销项目不要和系统文件混在一起。4.2 搭建marketingskills技能目录结构Claude Code的skills一般放在项目的.claude/skills/目录下具体路径以你使用的版本为准。我的目录结构是这样的marketing-project/ ├── .claude/ │ └── skills/ │ ├── seo-audit/ │ │ ├── SKILL.md │ │ └── checklist.md │ ├── list-page-seo/ │ │ ├── SKILL.md │ │ └── rules.json │ ├── cro-landing/ │ │ ├── SKILL.md │ │ └── friction-points.md │ └── analytics-anomaly/ │ ├── SKILL.md │ └── baseline.json ├── content/ ├── templates/ └── data/每个skill的核心是SKILL.md里面写清楚这个技能干什么、什么时候用、输入是什么、输出是什么、有哪些注意事项。我写SKILL.md有个原则像写给一个新同事看的操作手册不要假设agent应该懂。4.3 编写第一个技能列表页SEO检查拿列表页SEO检查举例我的SKILL.md大致长这样# 列表页SEO检查技能 ## 何时使用 当需要检查分类页、标签页、归档页等列表型页面的SEO设置时。 ## 输入 - 一个或多个列表页URL - 站点根域名 ## 检查项 1. title标签是否唯一、是否包含分类名、是否超过60字符 2. meta description是否存在、是否超过160字符、是否包含关键词 3. H1是否唯一、是否与title呼应 4. 分页处理canonical是否正确、是否有relnext/prev 5. 结构化数据是否有ItemList或BreadcrumbList 6. 内链列表项是否都指向有效详情页 ## 输出格式 按严重程度排序的问题清单每项包含问题描述、影响、修复建议、示例代码 ## 注意事项 - 不要自动修改文件先输出建议 - 分页canonical的处理要区分查看全部和分页浏览两种模式写完SKILL.md再配一个rules.json放具体的规则参数比如title长度上限、description长度上限。这样以后调整规则不用改逻辑改配置就行。4.4 让agent跑起来一次真实的检查过程技能写好后在Claude Code里调用 用list-page-seo技能检查 https://example.com/category/seo 这个页面agent会读取SKILL.md按检查项逐条执行最后输出一份报告。我第一次跑的时候它揪出了三个问题title里带了第2页但canonical指向自己、缺少ItemList结构化数据、有两个列表项链接到了404页面。这三个问题我自己手动检查时漏掉了两个。这里有个实操心得第一次跑完不要急着让它自动修。先人工核对它的判断准不准把误报和漏报记下来回头改SKILL.md。我前两周基本都在做这个校准工作校准完之后准确率能到90%以上这时候再开自动修复才放心。4.5 参数计算样本量和阈值的确定前面提到A/B测试样本量这里展开说一下计算过程。假设你的落地页当前转化率是4%你想检测到提升到4.8%相对提升20%显著性水平0.05统计功效0.8import math def sample_size(baseline, mde_relative, alpha0.05, power0.8): p1 baseline p2 baseline * (1 mde_relative) # 简化公式 z_alpha 1.96 # alpha0.05双侧 z_beta 0.84 # power0.8 p_bar (p1 p2) / 2 n (2 * p_bar * (1 - p_bar) * (z_alpha z_beta)**2) / (p2 - p1)**2 return math.ceil(n) print(sample_size(0.04, 0.2)) # 输出每组所需样本量算下来每组大概需要3800左右。这意味着如果你的日访问量是500两组各分250需要跑15天以上。很多人测试跑三天就下结论纯属浪费流量。异常检测的阈值同理我用的是滚动窗口比如过去30天的均值和标准差超过均值±2倍标准差就报警。但要注意季节性电商大促期间流量本来就波动大这时候阈值要放宽否则天天报警。5. 常见问题与排查技巧实录5.1 安装与配置类问题问题一Claude Code装不上或启动报错。最常见的原因是Node版本太低。我遇到过Node 16装完启动直接崩升到18就好了。另外Windows原生环境问题多建议直接上WSL。如果提示not available in your country那是地区可用性问题确认你的环境是否在支持列表内不要硬折腾。问题二VS Code里调用不了。检查扩展是否装对、Claude Code CLI是否在PATH里。我踩过的坑是CLI装在了一个nvm管理的Node版本下VS Code用的是另一个Node版本导致找不到命令。解决办法是统一Node版本管理。问题三想接入其他模型。有人问能不能不登录、接别的模型。我的建议是先按官方方式跑通理解skills机制后再考虑替换执行后端。skills本身是纯文本规则理论上和具体模型解耦但不同模型对指令的遵循度差异很大换模型后一定要重新校准。5.2 技能执行类问题问题四agent误报太多。这是初期最常见的问题。根因通常是SKILL.md写得太模糊。比如检查标题是否合理这种描述agent只能猜。改成检查title是否超过60字符、是否包含目标关键词、是否与H1重复误报立刻下降。问题五自动修复改坏了文件。我强烈建议所有自动修改前先备份或者用git管理。我现在的流程是agent改完先git diff看变更确认没问题再commit。有一次它批量改meta description把一个页面的描述改成了另一个页面的内容幸好有git能回滚。问题六列表页分页处理混乱。这个坑很典型。分页的canonical到底指向哪取决于你的策略如果分页内容会被索引canonical指向自己并加relnext/prev如果不希望分页被索引canonical指向第一页。两种策略不能混用否则搜索引擎会困惑。我建议中小站点直接用第一种简单清晰。5.3 效果验证类问题问题七改了SEO但排名没动。先别慌SEO生效周期通常2-4周。我一般会记录改动日期两周后对比曝光量和点击率四周后看排名。如果四周还没动静再检查是不是改动本身有问题比如关键词选错了。问题八A/B测试结果不显著。先看样本量够不够再看测试周期是否覆盖了完整的周中/周末周期。我遇到过一次测试周一上线周五结束结果周末流量结构完全不同结论完全不可用。测试至少跑满一个完整周。问题类型典型症状排查方向解决动作安装失败命令找不到、启动崩溃Node版本、PATH、地区支持升级Node、统一版本管理误报过多报告里大量无效问题SKILL.md描述模糊细化检查项、加参数改坏文件内容错乱、标签错误缺少备份和diffgit管理、改前备份效果不显排名/转化无变化周期不够、假设错误等满周期、复盘假设样本不足测试结论反复流量不够、分流不均延长周期、重新计算样本量5.4 几个我踩过的独家坑第一个坑别让agent同时干太多事。我一开始想让它一次跑完SEO审计CRO诊断数据分析结果它每样都做得浅。后来改成一次只跑一个技能深度立刻上来了。技能库的价值在于专不在于全。第二个坑关键词聚类别只看搜索量。我早期按搜索量排序结果一堆高搜索量但意图不匹配的词写出来的内容转化极差。后来加了商业意图评分优先做那些搜索量中等但意图明确的词转化率翻了一倍多。第三个坑结构化数据别乱加。有次我给列表页加了ItemList但列表项的顺序和实际展示不一致被搜索引擎判定为误导。结构化数据必须和页面实际内容严格对应这是底线。第四个坑analytics的基线要定期更新。我设了基线后三个月没动结果业务增长后基线严重偏低天天误报。现在改成每月自动更新一次基线报警准确率稳定多了。6. 技能库的迭代与扩展思路marketingskills不是一次搭完就完事的它是个活的东西。我的迭代节奏是每周复盘一次误报和漏报每月更新一次规则参数每季度重新评估技能清单——哪些技能用得多、哪些基本没用、哪些需要拆分或合并。扩展方向上我最近在试的是把内容生成和SEO检查串起来agent先生成内容草稿然后自动跑一遍SEO检查把问题反馈回去让它改改完再检查循环两三轮。这个闭环跑通后内容生产的效率提升很明显但前提是检查技能足够准否则就是垃圾进垃圾出。另外一个小技巧把常用的技能组合存成工作流。比如新页面上线检查这个工作流包含SEO检查、速度检查、结构化数据检查、内链检查四个技能一键跑完。Claude Code支持这种编排省得每次手动一个个调。最后分享一个我个人的体会这套东西最大的价值不是让AI替你干活而是逼你把营销到底该怎么做想清楚。你写SKILL.md的过程本质上是在梳理自己的方法论。想不清楚的地方agent也执行不好。所以别急着追求全自动先把每个技能的逻辑理顺自动化是水到渠成的事。 AI营销技能库实战：用Claude Code自动化SEO与CRO
1. 从marketingskills这个标题说起一个被低估的AI营销技能库第一次看到marketingskills这个词我脑子里蹦出来的不是某个具体工具而是一整套思路——把营销这件事拆成一项项可复用、可编排、可交给AI执行的技能。这两年我一直在折腾Claude Code、AI agents这类工具链也帮几个做独立站的朋友搭过SEO和转化率优化的自动化流程越做越觉得真正卡住大多数人的不是模型不够聪明而是没人把营销动作翻译成AI能稳定执行的技能单元。marketingskills要解决的就是这个翻译问题。它本质上是一套面向AI agents的营销技能集合覆盖SEO、CRO转化率优化、analytics数据分析三大块配合Claude Code这类能直接读写文件、执行终端命令的agent工具把过去需要人工反复操作的营销任务变成一条条可调用、可组合、可迭代的技能。适合谁来参考三类人一是做独立站、需要自己搞定谷歌SEO的站长二是想用AI agents把营销流程自动化的增长从业者三是刚上手Claude Code、想找个真实项目练手的技术同学。我写这篇东西不是要给你一份官方文档的复述而是把我自己踩过的坑、验证过的配置、以及为什么这么设计的逻辑摊开讲。你照着做大概率能少走两三个晚上的弯路。2. 为什么营销需要技能化核心思路与方案选型2.1 营销动作的碎片化困境做过独立站的人都有体会SEO不是一件事是一堆事。关键词研究、内容结构、内链布局、列表页的meta设置、结构化数据、页面加载速度、外链策略……每一项单独拎出来都不难难的是它们散落在十几个工具和文档里你今天改完标题明天忘了更新sitemap后天发现某个列表页的canonical标签写错了。CRO也一样A/B测试、热图分析、漏斗拆解、文案迭代全靠人肉记忆和Excel表格撑着。这种碎片化带来的直接后果是你永远在救火而不是在建设。marketingskills的思路就是把这些碎片化的动作抽象成一个个有明确输入、明确输出、明确判断标准的技能。比如检查列表页SEO设置就是一个技能输入是一个URL或一批URL输出是一份问题清单加修复建议。技能一旦定义清楚就可以交给AI agent去批量执行。2.2 为什么选Claude Code作为执行载体市面上能跑AI agents的工具不少我最终倾向Claude Code原因很实在它能直接操作文件系统和终端。营销任务里大量操作本质上是改文件——改HTML模板、改配置文件、改内容markdown。如果agent只能聊天、给你一段建议让你手动复制粘贴那效率提升有限。Claude Code能直接读你的项目文件、执行命令、改完再验证这个闭环才是关键。另外Claude Code的skills机制把一组指令和资源打包成一个可调用的技能天然适合承载marketingskills这种结构化知识。你可以把谷歌SEO检查清单写成一个skillagent调用时自动加载相关规则不用每次都在prompt里重复粘贴。提示Claude Code在不同地区的可用性有差异安装前先确认你所在环境是否在支持范围内避免装到一半卡住。2.3 技能库的分层设计我把marketingskills按诊断—执行—验证三层来理解这也是我实际搭建时的分层逻辑层级作用典型技能输出物诊断层发现问题SEO审计、页面速度检查、漏斗分析问题清单、优先级排序执行层修复问题批量改meta、生成内链、重写文案修改后的文件、变更记录验证层确认效果复查标签、对比数据、回归测试验证报告、前后对比这个分层的好处是每一层都可以独立迭代。你先把诊断层做扎实哪怕执行层还是半自动效率也已经上来了。很多人一上来就想全自动结果诊断都不准自动执行只会放大错误。3. 核心技能拆解SEO、CRO、Analytics三块怎么落地3.1 SEO技能从关键词到列表页的完整链路SEO这块我拆成四个核心技能。第一个是关键词聚类输入是一批种子词输出是按搜索意图分组的词簇。这里的关键不是词多而是意图准。我一般会让agent按信息型/导航型/交易型三类打标交易型词优先分配给产品页信息型词分配给博客。第二个是内容结构检查。这个技能会扫描你的文章检查H1是否唯一、H2/H3层级是否合理、关键词密度是否自然、段落是否过长。我实测下来agent对关键词堆砌的判断比人还敏感经常能揪出我自己没注意到的重复。第三个是列表页SEO设置这也是热搜里discuz列表页seo设置指向的痛点。列表页最容易出的问题是标题重复、描述缺失、分页的canonical指向错误、列表项没有结构化数据。我写过一个检查脚本逻辑大致是# 列表页SEO检查的核心逻辑伪代码示意 def check_list_page(url): issues [] html fetch(url) # 1. 检查title是否包含页码或重复模板 if is_duplicate_title(html): issues.append(标题重复建议加入分类名或页码区分) # 2. 检查meta description if not has_meta_description(html): issues.append(缺少meta description) # 3. 检查分页canonical if has_pagination(html) and canonical_points_to_self(html): issues.append(分页canonical应指向第一页或使用relnext/prev) # 4. 检查结构化数据 if not has_itemlist_schema(html): issues.append(建议添加ItemList结构化数据) return issues第四个是内链优化。这个技能会分析你站内的链接图谱找出孤岛页面没有任何内链指向的页面和过度链接页面然后给出内链建议。我踩过的坑是一开始让agent自动加内链结果它把不相关的页面硬连在一起反而稀释了权重。后来改成agent给建议、人工确认质量才稳定。3.2 CRO技能把转化率优化变成可执行清单CRO最怕的是凭感觉优化。marketingskills里的CRO技能核心是把优化动作变成可验证的假设。我常用的三个技能落地页诊断检查首屏是否有明确的价值主张、CTA按钮是否显眼、表单字段是否过多、信任元素评价、logo、保障是否到位。这个技能输出的是一个摩擦点清单按影响程度排序。A/B测试设计输入是当前页面和优化假设输出是测试方案——改什么、怎么改、样本量需要多少、预期提升多少。这里有个经验样本量计算千万别拍脑袋。我一般用这个公式估算每组所需样本量 ≈ 16 × (标准差²) / (最小可检测效应²)对于转化率这类二值指标简化版是基线转化率5%想检测到提升到6%相对提升20%每组大约需要3000-4000次访问。样本不够就下结论是最常见的自欺欺人。文案迭代基于用户评论、客服记录、搜索词生成多个文案变体。我一般让agent一次生成5-8个版本然后人工挑2-3个进测试不要一次测太多否则流量不够分。3.3 Analytics技能让数据说人话Analytics这块很多人卡在数据太多、洞察太少。marketingskills里的分析技能重点是异常检测和归因拆解。异常检测设定基线当某个指标如跳出率、转化率、页面停留时间偏离基线超过阈值时自动报警。我一般设2个标准差为警戒线3个为标准差为严重。归因拆解当转化率下降时自动拆解是哪个渠道、哪个页面、哪个设备类型拖了后腿。这个技能的价值在于它把转化率降了这种模糊问题变成移动端来自自然搜索的落地页B转化率降了30%这种可行动的信息。分析技能输入输出使用频率异常检测指标时间序列异常点可能原因每日归因拆解转化数据维度贡献度排序每周漏斗分析事件流流失最大的环节每次改版后cohort分析用户分组数据留存曲线对比每月4. 实操过程从零搭起一套可用的营销技能库4.1 环境准备与Claude Code安装先说环境。Claude Code支持macOS、Linux和Windows通过WSL我主力用macOS也在一台Ubuntu服务器上跑过。安装方式按平台不同macOS和Linux下官方推荐用npm全局安装# 确认Node版本建议18以上 node -v # 全局安装 npm install -g anthropic-ai/claude-code # 验证 claude --versionWindows下我建议走WSL原生Windows支持一直有些小毛病。装完WSL后在Ubuntu环境里按上面的步骤走即可。如果你用VS Code可以装Claude Code的VS Code扩展直接在编辑器里调用改文件的时候特别顺手。注意安装过程中如果遇到网络问题导致下载失败先检查npm源和网络环境不要反复重试浪费时间。mac上如果提示权限问题检查一下npm的全局目录权限。安装完成后第一次运行claude会引导你完成登录和初始化。初始化时它会问你项目目录建议专门建一个目录放你的营销项目不要和系统文件混在一起。4.2 搭建marketingskills技能目录结构Claude Code的skills一般放在项目的.claude/skills/目录下具体路径以你使用的版本为准。我的目录结构是这样的marketing-project/ ├── .claude/ │ └── skills/ │ ├── seo-audit/ │ │ ├── SKILL.md │ │ └── checklist.md │ ├── list-page-seo/ │ │ ├── SKILL.md │ │ └── rules.json │ ├── cro-landing/ │ │ ├── SKILL.md │ │ └── friction-points.md │ └── analytics-anomaly/ │ ├── SKILL.md │ └── baseline.json ├── content/ ├── templates/ └── data/每个skill的核心是SKILL.md里面写清楚这个技能干什么、什么时候用、输入是什么、输出是什么、有哪些注意事项。我写SKILL.md有个原则像写给一个新同事看的操作手册不要假设agent应该懂。4.3 编写第一个技能列表页SEO检查拿列表页SEO检查举例我的SKILL.md大致长这样# 列表页SEO检查技能 ## 何时使用 当需要检查分类页、标签页、归档页等列表型页面的SEO设置时。 ## 输入 - 一个或多个列表页URL - 站点根域名 ## 检查项 1. title标签是否唯一、是否包含分类名、是否超过60字符 2. meta description是否存在、是否超过160字符、是否包含关键词 3. H1是否唯一、是否与title呼应 4. 分页处理canonical是否正确、是否有relnext/prev 5. 结构化数据是否有ItemList或BreadcrumbList 6. 内链列表项是否都指向有效详情页 ## 输出格式 按严重程度排序的问题清单每项包含问题描述、影响、修复建议、示例代码 ## 注意事项 - 不要自动修改文件先输出建议 - 分页canonical的处理要区分查看全部和分页浏览两种模式写完SKILL.md再配一个rules.json放具体的规则参数比如title长度上限、description长度上限。这样以后调整规则不用改逻辑改配置就行。4.4 让agent跑起来一次真实的检查过程技能写好后在Claude Code里调用 用list-page-seo技能检查 https://example.com/category/seo 这个页面agent会读取SKILL.md按检查项逐条执行最后输出一份报告。我第一次跑的时候它揪出了三个问题title里带了第2页但canonical指向自己、缺少ItemList结构化数据、有两个列表项链接到了404页面。这三个问题我自己手动检查时漏掉了两个。这里有个实操心得第一次跑完不要急着让它自动修。先人工核对它的判断准不准把误报和漏报记下来回头改SKILL.md。我前两周基本都在做这个校准工作校准完之后准确率能到90%以上这时候再开自动修复才放心。4.5 参数计算样本量和阈值的确定前面提到A/B测试样本量这里展开说一下计算过程。假设你的落地页当前转化率是4%你想检测到提升到4.8%相对提升20%显著性水平0.05统计功效0.8import math def sample_size(baseline, mde_relative, alpha0.05, power0.8): p1 baseline p2 baseline * (1 mde_relative) # 简化公式 z_alpha 1.96 # alpha0.05双侧 z_beta 0.84 # power0.8 p_bar (p1 p2) / 2 n (2 * p_bar * (1 - p_bar) * (z_alpha z_beta)**2) / (p2 - p1)**2 return math.ceil(n) print(sample_size(0.04, 0.2)) # 输出每组所需样本量算下来每组大概需要3800左右。这意味着如果你的日访问量是500两组各分250需要跑15天以上。很多人测试跑三天就下结论纯属浪费流量。异常检测的阈值同理我用的是滚动窗口比如过去30天的均值和标准差超过均值±2倍标准差就报警。但要注意季节性电商大促期间流量本来就波动大这时候阈值要放宽否则天天报警。5. 常见问题与排查技巧实录5.1 安装与配置类问题问题一Claude Code装不上或启动报错。最常见的原因是Node版本太低。我遇到过Node 16装完启动直接崩升到18就好了。另外Windows原生环境问题多建议直接上WSL。如果提示not available in your country那是地区可用性问题确认你的环境是否在支持列表内不要硬折腾。问题二VS Code里调用不了。检查扩展是否装对、Claude Code CLI是否在PATH里。我踩过的坑是CLI装在了一个nvm管理的Node版本下VS Code用的是另一个Node版本导致找不到命令。解决办法是统一Node版本管理。问题三想接入其他模型。有人问能不能不登录、接别的模型。我的建议是先按官方方式跑通理解skills机制后再考虑替换执行后端。skills本身是纯文本规则理论上和具体模型解耦但不同模型对指令的遵循度差异很大换模型后一定要重新校准。5.2 技能执行类问题问题四agent误报太多。这是初期最常见的问题。根因通常是SKILL.md写得太模糊。比如检查标题是否合理这种描述agent只能猜。改成检查title是否超过60字符、是否包含目标关键词、是否与H1重复误报立刻下降。问题五自动修复改坏了文件。我强烈建议所有自动修改前先备份或者用git管理。我现在的流程是agent改完先git diff看变更确认没问题再commit。有一次它批量改meta description把一个页面的描述改成了另一个页面的内容幸好有git能回滚。问题六列表页分页处理混乱。这个坑很典型。分页的canonical到底指向哪取决于你的策略如果分页内容会被索引canonical指向自己并加relnext/prev如果不希望分页被索引canonical指向第一页。两种策略不能混用否则搜索引擎会困惑。我建议中小站点直接用第一种简单清晰。5.3 效果验证类问题问题七改了SEO但排名没动。先别慌SEO生效周期通常2-4周。我一般会记录改动日期两周后对比曝光量和点击率四周后看排名。如果四周还没动静再检查是不是改动本身有问题比如关键词选错了。问题八A/B测试结果不显著。先看样本量够不够再看测试周期是否覆盖了完整的周中/周末周期。我遇到过一次测试周一上线周五结束结果周末流量结构完全不同结论完全不可用。测试至少跑满一个完整周。问题类型典型症状排查方向解决动作安装失败命令找不到、启动崩溃Node版本、PATH、地区支持升级Node、统一版本管理误报过多报告里大量无效问题SKILL.md描述模糊细化检查项、加参数改坏文件内容错乱、标签错误缺少备份和diffgit管理、改前备份效果不显排名/转化无变化周期不够、假设错误等满周期、复盘假设样本不足测试结论反复流量不够、分流不均延长周期、重新计算样本量5.4 几个我踩过的独家坑第一个坑别让agent同时干太多事。我一开始想让它一次跑完SEO审计CRO诊断数据分析结果它每样都做得浅。后来改成一次只跑一个技能深度立刻上来了。技能库的价值在于专不在于全。第二个坑关键词聚类别只看搜索量。我早期按搜索量排序结果一堆高搜索量但意图不匹配的词写出来的内容转化极差。后来加了商业意图评分优先做那些搜索量中等但意图明确的词转化率翻了一倍多。第三个坑结构化数据别乱加。有次我给列表页加了ItemList但列表项的顺序和实际展示不一致被搜索引擎判定为误导。结构化数据必须和页面实际内容严格对应这是底线。第四个坑analytics的基线要定期更新。我设了基线后三个月没动结果业务增长后基线严重偏低天天误报。现在改成每月自动更新一次基线报警准确率稳定多了。6. 技能库的迭代与扩展思路marketingskills不是一次搭完就完事的它是个活的东西。我的迭代节奏是每周复盘一次误报和漏报每月更新一次规则参数每季度重新评估技能清单——哪些技能用得多、哪些基本没用、哪些需要拆分或合并。扩展方向上我最近在试的是把内容生成和SEO检查串起来agent先生成内容草稿然后自动跑一遍SEO检查把问题反馈回去让它改改完再检查循环两三轮。这个闭环跑通后内容生产的效率提升很明显但前提是检查技能足够准否则就是垃圾进垃圾出。另外一个小技巧把常用的技能组合存成工作流。比如新页面上线检查这个工作流包含SEO检查、速度检查、结构化数据检查、内链检查四个技能一键跑完。Claude Code支持这种编排省得每次手动一个个调。最后分享一个我个人的体会这套东西最大的价值不是让AI替你干活而是逼你把营销到底该怎么做想清楚。你写SKILL.md的过程本质上是在梳理自己的方法论。想不清楚的地方agent也执行不好。所以别急着追求全自动先把每个技能的逻辑理顺自动化是水到渠成的事。