项目详情

Marketing OS

整个市场部，打包成一个 Claude Skill——14 个模块，纯 Markdown，零可执行代码

GitHub 地址 MIT 纯 Markdown · 65KB Claude / Codex / Cursor

更新于 2026-08-31 · 数据来源：GitHub API（采集于 2026-08-31）

项目速览

一句话定位

不是营销建议生成器，是带评分表的营销产线

一个覆盖市场部全工作面的 Agent Skill：站点审计（加权 0-100 分）、18 战术 hook 引擎、文案先生成 15-20 个变体再专家评分后交付、广告疲劳诊断、GEO（AI 搜索可引用性）、邮件全序列撰写、发布剧本、定价策略。方法论来自「拆解 GitHub 全部高星营销 skill 仓库后重建」。适合独立开发者、小团队市场负责人和想给 Agent 装上营销纪律的人。

项目速览

核心数据

439

Stars（2 周）

模块 · 1 个 skill

~2k

路由 token 预算

可执行代码行数

2026-08-17 一次性发布，之后无推送（完整交付型仓库）· 96 forks · 2 open issues · 65KB 纯 Markdown——体量小，但设计密度不低

元方法

站在全部前任的尸体上重建

起点是一次系统拆解：把 GitHub 上最高星的营销 skill 仓库——「从 44K star 大合集到 100 star 手艺件」——逐一拆开，保留被验证有效的结构
然后补上所有人都缺的三件事——这是项目自我定义的核心差异点：

三大补缺

万物可评分：审计 0-100 加权分、文案专家面板评分、hook 诊断漏斗——不给无锚点的形容词
产出工件而非建议：交付的是写完的邮件序列、生产级广告简报，不是「你可以考虑」
显式无知声明：每份报告列出「我无法确定的」——营销建议最稀缺的诚实

内容构成

14 模块矩阵

模块	覆盖	产出物
`audit`	网站/漏斗审计	加权 0-100 分 + 优先级排序的修复清单
`geo`	AI 搜索可引用性（ChatGPT / Perplexity / AI Overviews）	可被 AI 引擎引用的结构化改写
`copy`	文案生成	15-20 个变体 → 专家面板评分 → 去 slop 后交付
`hooks`	开头钩子	18 战术引擎 → hook 矩阵 → 诊断漏斗
`paid-ads`	广告疲劳诊断	概念级诊断 → 排序的生产简报（接 Arcads MCP 可直出素材）
`email`	邮件序列	欢迎/培育/发布序列全文写好
`social` · `launch` · `positioning`	社媒/发布/定位	能活过信息流的帖子 · 含 Product Hunt 的发布剧本 · 定位+定价设计
`competitive` · `app-store` · `analytics`	竞品/ASO/数据	公开信息竞品拆解 · ASO 诊断+截图序列 · 诚实的统计读法与测试设计
`slop-patterns` + `rubrics/specs`	AI 腔目录 + 评分规范	AI 味模式目录跑在所有产出的文字上；分数档位/引擎剧本/商店字段规则

架构

渐进披露：一个 skill 怎么装下整个市场部

常驻与产出层按需加载（任务触发）横切质量层

设计原则

四条原则，条条针对 Agent 弱点

渐进披露：路由器 ~2k tokens 先行，每个任务只载入所需模块——14 个模块不用时零成本。上下文预算意识是 skill 工程的分水岭
子代理原生：审计、竞品拆解、变体生成这类多维任务，host 支持时自动并行展开——为多 agent 架构预留的结构

无可执行代码：纯 Markdown，零脚本——「信任前无需审查任何东西」。对比 scientific-agent-skills 需要 Cisco 扫描器的安全模型，这是另一种极端：不可执行 = 不可投毒
诚实脊柱：不发明证据、不假精确、十个转化不宣布赢家、每个分数标注为它本来的启发式——给最会一本正经胡说的机器装上免责的嘴

核心机制

copy 模块：文案不过审不交付

输入 brief + brand-context→ 15-20 个变体→ 专家面板评分→ 去 slop（AI 腔目录过滤）→ 交付过审文案

「文案先评分再给你看」是项目 slogan 级设计——对抗 Agent 文案的最大顽疾：看起来流畅但没有一句能打动人
slop-patterns 横切所有产出：AI 腔模式目录（中英文都有类似机制）跑在每一段产出的散文上——delve / tapestry / 「在当今快节奏的时代」「不仅…更…」这类 AI 指纹被系统性清除
品牌上下文强制：brand-context.template.md 填好后每模块读取——README 直言「跳过它，产出就是称职但无差别的——营销唯一不能是的东西」

快速上手

三分钟装完一个市场部

# Claude Code（plugin marketplace 一条命令）
/plugin marketplace add Yuzzyuk/marketing-os
/plugin install marketing-os@marketing-os

# Claude 网页/桌面：上传 release 里的 marketing-os.zip（需开代码执行）
# Codex / Cursor / 其他：拷贝 skills/marketing-os/ 到技能目录

# 第一步永远是：复制 brand-context.template.md → 填写 → 放项目根

MCP 联动可选：接上广告生成 MCP（如 Arcads）后，诊断 → 简报 → 素材一个会话直通
无依赖无构建：65KB Markdown，装完即用，卸载即走

适用场景

适合谁用

独立开发者 / solo 创业者：没有市场部，但需要每个模块都能按及格线以上运转——审计、定价、发布剧本照单执行
小团队市场负责人：把个人经验固化为评分标准，Agent 按你的纪律产出初稿，你只做终审
Agent Skill 工程学习者：渐进披露 + 路由器 + 横切层的 skill 架构范本——65KB 读完就能学会怎么组织一个大型 skill
对 AI 文案过敏的人：slop-patterns + 评分前置的设计，专治「一眼 AI 味」

风险提示

需要警惕

一次性发布仓库：创建当天最后推送，无后续维护迹象——bug 修复与营销方法论更新取决于作者是否回归
评分是启发式不是裁判：0-100 分与专家面板都是 LLM 自评——它把「主观」结构化了，但没有外部真值校准，分数间可比性有限
营销效果本质不可评：文案过审 ≠ 转化提升——诚实脊柱声明了这一点，使用者仍需 A/B 与数据验证（analytics 模块倒是教了正确的测试设计）
单人作品 · 2 周热度：439 stars 尚在早期，社区贡献与长期演进未经验证

在线体验

把 slop-patterns 拆出来给你玩

Playground 复刻项目最有趣的横切层：粘贴任意文案（或用预设），slop 检测引擎实时标红 AI 腔指纹（中英双语词表 + 句长 + 排比模式），给出 0-100 评分——与 copy 模块「去 slop 后交付」的产线纪律同构。

打开 Playground

纯前端实现，零网络依赖 · 检测规则经真值表验证（干净≥90 / 重度<40 / 单调递减 / 下界 0）

潜力评估

未来空间

体量小，但踩中了两个真趋势：Agent Skill 作为「打包的专业知识」正在爆发，而营销恰是「建议不值钱、工件才值钱」的最佳验证场。它的元方法（拆解前任 + 补齐评分/工件/诚实三缺）本身就是可复制的 skill 工程范式——比这个仓库本身更有传播力的是它的做法。风险同样直白：单人、无维护、评分自证——当模板用可以，当拐杖不够。

skill 工程范本价值评分/工件/诚实三补缺零代码零信任成本单人一次性发布评分无外部校准

上一个
HyperFrames

下一个
GeoLook