基于Claude Code的营销Agent Skills实战：SEO审计与内容生成技能包-平芜编程栈

1. 项目缘起与核心定位

1.1 从"提示词收藏夹"到"可执行技能包"的转变

做SEO和内容营销的人大概都有过这种体验：收藏了几百条提示词模板，真到用的时候翻半天找不到合适的，找到了还得手动改品牌名、改关键词、改语气，改完发现输出格式又不对，还得再调一轮。更麻烦的是，团队里每个人用的提示词版本不一样，新人来了只能靠口口相传，效率极低。

marketingskills这个项目要解决的就是这个问题。它本质上是一套面向营销场景的Agent Skills 规范实现，把散落在各处的营销提示词、工作流、检查清单，封装成 AI Agent 可以直接调用和执行的"技能包"。你可以把它理解成给 AI 助手装上了一整套营销工具箱——不是给它一堆说明书让它自己琢磨，而是直接给它一套标准化的、带参数、带校验、带输出格式的工具。

这套东西的核心载体是Claude Code这个终端里的 AI 编程助手。Claude Code 本身是一个可以在命令行里运行的 AI Agent，能读写文件、执行命令、调用外部工具。marketingskills就是在这个基础上，定义了一套营销领域的技能规范，让 Claude Code 能够按照预设的流程完成 SEO 审计、内容生成、关键词分析、结构化数据检查等任务。

适合谁来参考？三类人最直接受益：一是独立站站长和跨境电商运营，需要批量处理 SEO 相关事务；二是内容营销团队的技术负责人，想给团队搭一套标准化的 AI 工作流；三是对 AI Agent 技能规范感兴趣的技术同学，想看看一套完整的 Skills 体系是怎么设计和落地的。

1.2 为什么是 Claude Code 而不是别的

市面上能跑 AI Agent 的工具不少，为什么marketingskills选择 Claude Code 作为主要运行环境？这里有几个很实际的考量。

第一，Claude Code 是终端原生的。营销人员做 SEO 审计的时候，经常需要跑脚本、读文件、分析日志、检查 sitemap，这些操作在终端里最顺手。如果用一个纯对话式的界面，每次都要把文件内容复制粘贴进去，效率差太多。Claude Code 可以直接在项目目录里操作文件，读一个 HTML 文件检查 meta 标签，或者批量扫描一批页面，都是几行命令的事。

第二，Claude Code 支持Agent Skills 规范。这个规范允许你把一套技能定义成结构化的文件，包括技能描述、触发条件、执行步骤、输入输出格式。Agent 在运行时会根据任务自动匹配对应的技能，不需要用户每次手动指定。这对营销场景特别有用——你不需要记住"检查 FAQ 结构化数据"这个技能叫什么名字，只需要说"帮我看看这个页面的 FAQ 标记对不对"，Agent 会自动匹配到对应的技能。

第三，Claude Code 的文件系统访问能力让技能可以持久化。技能定义、配置参数、历史记录都可以存在本地文件里，团队共享的时候直接同步目录就行。不像某些云端方案，配置都在网页上，迁移和版本管理很麻烦。

注意：Claude Code 在不同地区的可用性有差异，安装前建议先确认官方文档中的支持范围。如果遇到订阅相关的限制提示，可以检查账号状态或考虑使用 API 方式接入。

1.3 技能包的整体架构长什么样

marketingskills的目录结构遵循 Agent Skills 规范，核心是一个skills目录，里面每个子目录代表一个独立技能。每个技能目录下通常包含这几个文件：

SKILL.md：技能的主定义文件，描述这个技能做什么、什么时候触发、需要什么输入、输出什么格式
config.json或config.yaml：技能的可配置参数，比如目标关键词、品牌语气、输出语言
templates/：输出模板，比如报告格式、内容框架
scripts/：辅助脚本，比如调用外部 API 做关键词数据查询、跑 SEO 检查工具
examples/：示例输入输出，帮助理解技能的实际效果

这种结构的妙处在于关注点分离。技能逻辑写在 SKILL.md 里，参数放在 config 里，模板和脚本各自独立。改输出格式不用动逻辑，换关键词不用改模板，团队协作的时候不同角色可以各管一摊。

从技能分类上看，marketingskills大致覆盖这几个方向：SEO 审计类（页面元素检查、结构化数据验证、内链分析）、内容生成类（文章大纲、产品描述、Meta 描述）、关键词研究类（种子词扩展、搜索意图分类、竞争度评估）、数据分析类（流量日志解析、排名追踪、竞品对比）。每个类别下又有若干具体技能，加起来是一套相当完整的营销工具箱。

2. 核心技能拆解与实操要点

2.1 SEO 审计技能：从页面元素到结构化数据

SEO 审计是marketingskills里最常用的技能类别之一。传统做法是装一堆浏览器插件，一个个页面手动检查，或者用付费工具跑全站扫描。这套技能包的做法是：把审计规则写成可执行的检查清单，让 Agent 直接读 HTML 文件或抓取页面内容，逐项核对并输出报告。

具体来说，一个典型的 SEO 审计技能会检查这些项目：

检查项	检查内容	常见问题
Title 标签	长度、关键词位置、唯一性	超过 60 字符被截断，多页面重复
Meta Description	长度、吸引力、关键词	缺失或自动生成，点击率低
H1-H6 层级	层级是否合理、关键词分布	多个 H1，层级跳跃
图片 Alt	是否缺失、描述是否准确	全部为空或堆砌关键词
内链结构	锚文本、链接深度	锚文本全是"点击这里"
结构化数据	Schema 类型、字段完整性	FAQ 标记缺失或格式错误
页面速度	资源大小、请求数	未压缩图片、阻塞渲染

这里重点说一下FAQ 结构化数据，因为这是最近问得特别多的一个点。FAQPage 是 Schema.org 定义的一种结构化数据类型，作用是告诉搜索引擎"这个页面包含问答对"。在搜索结果里，带有 FAQ 标记的页面有机会展示折叠式的问答列表，占据更多视觉空间，点击率通常比普通结果高出一截。

但很多人标记的方式是错的。常见错误包括：把 FAQ 标记加在非问答内容上、答案字段里塞了整段文章、多个页面用完全相同的 FAQ 内容、标记了但页面上看不到对应内容。marketingskills里的 FAQ 检查技能会逐项验证这些问题，输出一份带具体行号和修改建议的报告。

实操的时候，你可以这样调用：

# 在 Claude Code 中触发 SEO 审计技能 > 帮我审计 ./pages/product.html 这个页面的 SEO 元素，重点检查 FAQ 结构化数据

Agent 会读取文件，解析 HTML，逐项检查，然后输出类似这样的结果：

SEO 审计报告 - product.html ================================ Title: "产品名称 - 品牌名" (28字符) ✓ Meta Description: 缺失 ✗ 建议补充 120-155 字符的描述 H1: "产品名称" ✓ 唯一 图片 Alt: 3/5 张图片缺失 alt 属性 ✗ FAQ 结构化数据: 检测到 FAQPage 标记，但第 47 行的 acceptedAnswer 字段为空 ✗ 建议: 补充答案内容，确保与页面可见文本一致

实操心得：审计技能跑完之后，不要直接照着报告改。先人工确认一遍，因为有些"问题"可能是业务上有意为之。比如某些页面故意不写 Meta Description 让搜索引擎自动生成，这种情况在报告里会被标为缺失，但实际不需要改。

2.2 内容生成技能：从关键词到成稿的流水线

内容生成是另一个高频使用的技能类别。和直接用 ChatGPT 写文章不同，marketingskills的内容生成技能是流水线式的：先做关键词分析，再生成大纲，然后逐节填充，最后做 SEO 优化检查。每一步都有独立的技能，可以单独调用，也可以串起来跑。

这个流水线的设计逻辑是：把大任务拆成小步骤，每步都可验证。直接让 AI 写一篇 2000 字的文章，出来的东西往往结构松散、关键词堆砌、事实错误多。但拆成"先定大纲→确认大纲→逐节写→检查优化"之后，每一步的产出都可以人工介入调整，最终质量高很多。

关键词分析这一步，技能会做几件事：读取种子关键词，扩展出相关词和长尾词，按搜索意图分类（信息型、导航型、交易型、商业调查型），评估竞争度，最后输出一个优先级排序的关键词列表。搜索意图分类特别重要，因为不同意图的关键词需要不同类型的内容来承接。信息型关键词适合写教程和指南，交易型关键词适合写产品页和购买指南，搞混了内容再好也排不上去。

大纲生成技能会基于关键词列表，输出一个带 H2/H3 层级的内容框架，每个标题下面标注目标关键词和预计字数。这个大纲可以直接给人工确认，改完之后再进入写作环节。

写作环节的技能支持多种内容类型：博客文章、产品描述、落地页文案、邮件序列、社交媒体帖子。每种类型有不同的模板和语气配置。比如产品描述强调卖点和行动号召，博客文章强调信息价值和可读性，邮件序列强调打开率和点击率。

# 生成一篇针对"独立站谷歌SEO"的博客文章大纲 > 用内容生成技能，针对关键词"独立站谷歌SEO"生成一篇 2000 字博客的大纲

输出的大纲会包含类似这样的结构：

标题: 独立站谷歌SEO实战指南：从0到1的完整流程 H2: 什么是独立站谷歌SEO（目标词：独立站谷歌SEO，300字） H3: 独立站和平台店铺的SEO差异 H3: 谷歌SEO的核心 ranking factors H2: 关键词研究怎么做（目标词：谷歌SEO关键词研究，500字） ...

注意事项：内容生成技能输出的初稿一定要人工润色。AI 写的东西在事实准确性、品牌语气、行业术语使用上经常有偏差。特别是涉及具体数据、案例、产品参数的地方，必须逐项核实。我一般把 AI 初稿当作"结构完整的草稿"，而不是"可以直接发布的成稿"。

2.3 关键词研究技能：搜索意图分类的实操细节

关键词研究单独拿出来说，是因为这个环节的 quality 直接决定了后续所有内容工作的效果。marketingskills的关键词研究技能有几个设计上的细节值得展开。

种子词扩展用的是"语义网络+搜索建议"的组合方式。语义网络部分基于词向量模型找语义相近的词，搜索建议部分模拟用户在搜索框输入时的自动补全。两种方式结合，既能覆盖同义表达，又能捕捉真实的搜索习惯。

搜索意图分类用的是规则+模型的双重判断。规则部分基于关键词里的信号词，比如包含"怎么""如何""教程"的归为信息型，包含"购买""价格""优惠"的归为交易型。模型部分用一个轻量级的分类器做二次判断，处理规则覆盖不到的边界情况。两轮判断之后，每个关键词会得到一个意图标签和置信度分数。

竞争度评估不依赖付费工具的数据，而是用几个可获取的代理指标：搜索结果里首页域名的权威度分布、是否有大量电商平台占据首页、是否有精选摘要、广告位数量。这些指标组合起来，能大致判断一个词好不好打。

意图类型	信号词示例	适合内容类型	转化潜力
信息型	怎么、如何、教程、指南	博客、教程、FAQ	低（但适合养流量）
商业调查型	对比、评测、哪个好、推荐	对比文、评测文	中高
交易型	购买、价格、优惠、折扣	产品页、落地页	高
导航型	品牌名、官网、登录	品牌页	中

实操心得：关键词研究最容易犯的错是"只看搜索量不看意图"。一个搜索量很高的信息型词，如果硬要用产品页去承接，排名上不去，上去了转化也差。反过来，一个搜索量中等但意图明确的交易型词，用对的内容去接，转化率可能高好几倍。我一般建议新手先从商业调查型和交易型词入手，信息型词作为长期流量池慢慢养。

2.4 技能配置与参数调优

每个技能都有一套可配置参数，这些参数决定了技能的行为方式。以内容生成技能为例，核心参数包括：

tone：语气风格，可选 professional、casual、friendly、authoritative
target_audience：目标读者，影响用词复杂度和举例方式
keyword_density：关键词密度目标，一般建议 1%-2%
output_format：输出格式，markdown、html、plain text
language：输出语言
brand_voice：品牌语气描述，可以传入一段品牌调性说明

这些参数写在技能的config.json里，也可以在调用时临时覆盖。比如：

{ "tone": "professional", "target_audience": "跨境电商运营人员", "keyword_density": 0.015, "output_format": "markdown", "language": "zh-CN", "brand_voice": "专业但不晦涩，用数据和案例说话，避免空洞的营销套话" }

参数调优的诀窍是小步迭代。不要一次性把所有参数都设成理想值，而是先跑一版看效果，然后针对最不满意的部分调一两个参数，再跑一版对比。比如第一版觉得语气太正式，就把tone从 professional 改成 friendly，其他不动，看变化。这样能清楚知道每个参数的实际影响。

注意：keyword_density不要设太高。超过 2.5% 就有堆砌嫌疑，谷歌的算法对关键词堆砌的识别越来越准。宁可低一点，靠语义相关词和自然表达来覆盖主题，也不要硬塞关键词。

3. 完整实操流程：从安装到跑通第一个技能

3.1 环境准备与 Claude Code 安装

先把运行环境搭起来。Claude Code 支持 macOS、Linux 和 Windows（通过 WSL），不同系统的安装方式略有差异。

macOS 安装最简单，用 Homebrew 或者 npm 都行：

# 方式一：Homebrew brew install claude-code # 方式二：npm npm install -g @anthropic-ai/claude-code

Ubuntu/Linux 安装推荐用 npm，因为包管理更统一：

# 先确认 Node.js 版本 >= 18 node --version # 安装 Claude Code npm install -g @anthropic-ai/claude-code # 验证安装 claude --version

Windows 安装建议走 WSL2，原生 Windows 支持有一些兼容性问题。在 WSL 里按照 Ubuntu 的方式装就行。如果遇到"与64位版本的 Windows 不兼容"的提示，基本就是没走 WSL 或者 Node 版本不对。

安装完之后需要配置 API 访问。Claude Code 支持官方 API 和第三方兼容 API。如果官方订阅在你的地区不可用，可以考虑用兼容 OpenAI 接口的第三方服务，通过环境变量配置：

# 设置 API 端点和密钥 export ANTHROPIC_BASE_URL="你的API端点" export ANTHROPIC_API_KEY="你的密钥" # 或者用配置文件 claude config set api.base_url "你的API端点" claude config set api.key "你的密钥"

实操心得：环境变量方式适合临时测试，配置文件方式适合长期使用。如果团队多人共用，建议把配置写进项目的.env文件，然后加到.gitignore里，避免密钥泄露。

3.2 在 VS Code 里配置 Claude Code

虽然 Claude Code 是终端工具，但配合 VS Code 使用体验会好很多。VS Code 的集成终端可以直接跑 Claude Code，同时编辑器里能实时看到文件变化。

配置步骤：

在 VS Code 里打开项目目录
打开集成终端（Ctrl+或 Cmd+）
在终端里运行claude启动
首次运行会引导你完成初始化配置

如果要用 VS Code 插件形式，可以在扩展市场搜索 Claude Code 相关插件安装。插件的好处是可以在编辑器侧边栏直接对话，不用切终端。但插件版本更新可能滞后于命令行版本，功能上以命令行版为准。

# 在项目目录里启动 Claude Code cd /path/to/your/marketing-project claude # 启动后可以直接用自然语言下指令 > 读取 skills/seo-audit/SKILL.md，然后对 pages/ 目录下所有 HTML 文件跑一遍 SEO 审计

注意事项：Claude Code 执行终端命令的能力很强，但这也意味着风险。建议在项目目录里操作，不要在主目录或系统目录里跑。另外，涉及删除、覆盖类操作时，Claude Code 会请求确认，不要习惯性地点"允许"，看清楚再确认。

3.3 部署 marketingskills 技能包

技能包的部署就是把skills目录放到 Claude Code 能识别的位置。有两种方式：

方式一：项目级部署。把技能包放在项目根目录的.claude/skills/下，只对当前项目生效。适合项目专用的技能配置。

# 在项目根目录创建技能目录 mkdir -p .claude/skills # 把 marketingskills 的技能复制进去 cp -r /path/to/marketingskills/skills/* .claude/skills/

方式二：全局部署。把技能包放在用户主目录的.claude/skills/下，对所有项目生效。适合通用的营销技能。

# 全局技能目录 mkdir -p ~/.claude/skills cp -r /path/to/marketingskills/skills/* ~/.claude/skills/

部署完之后，可以用claude skills list查看已加载的技能列表。如果某个技能没显示，检查目录结构是否正确，SKILL.md 的格式是否符合规范。

一个标准的 SKILL.md 大概长这样：

--- name: seo-audit description: 对 HTML 页面进行 SEO 元素审计，检查 title、meta、heading、图片 alt、结构化数据等 trigger: 当用户要求审计页面 SEO、检查 SEO 元素、验证结构化数据时触发 inputs: - path: 要审计的文件路径或目录 - checks: 可选，指定要检查的项目，默认全部 outputs: - format: markdown - content: 审计报告，包含每项检查的结果和修改建议 --- # SEO 审计技能 ## 执行步骤 1. 读取目标文件，解析 HTML 2. 逐项检查 SEO 元素 3. 对照最佳实践给出评分 4. 输出带具体位置和建议的报告 ## 检查规则 ...

实操心得：SKILL.md 的description和trigger字段很关键，它们决定了 Agent 什么时候会匹配到这个技能。描述要准确但不冗长，触发条件要覆盖用户可能的表达方式。我一般会写三到五种不同的触发表述，提高匹配率。

3.4 跑通第一个完整任务

环境搭好、技能部署完之后，跑一个完整任务验证一下。以"审计一个页面的 SEO 并生成优化建议"为例：

# 启动 Claude Code claude # 下达任务 > 用 seo-audit 技能审计 pages/landing-page.html，重点检查 FAQ 结构化数据和内链结构，输出 markdown 格式的报告

Agent 的执行流程大致是：

匹配到seo-audit技能
读取pages/landing-page.html
解析 HTML，提取 title、meta、heading、图片、链接、结构化数据
逐项对照检查规则
生成报告，写入reports/landing-page-audit.md

报告内容会包含每个检查项的状态、具体问题位置、修改建议。比如 FAQ 结构化数据部分，会指出标记是否存在、字段是否完整、内容是否与页面可见文本一致。

跑通之后，可以把这个任务串到更大的工作流里。比如先跑关键词研究，再跑内容生成，最后跑 SEO 审计，形成一个完整的内容生产流水线。

# 串联多个技能 > 针对关键词"独立站谷歌SEO"，先做关键词扩展和意图分类，然后生成一篇博客大纲，最后对大纲做 SEO 检查

注意事项：串联技能的时候，每一步的输出会作为下一步的输入。如果中间某一步的输出格式不对，后面的步骤会报错。建议先单独跑通每个技能，确认输出格式稳定之后再串联。另外，串联任务耗时较长，建议在后台跑或者分步执行。

4. 常见问题与排查技巧实录

4.1 安装与配置类问题

问题一：安装后运行claude提示命令不存在。

这个通常是 npm 全局安装路径没加到 PATH 里。检查npm config get prefix的输出，把这个路径加到 shell 的配置文件里（.bashrc、.zshrc或.bash_profile）。改完记得source一下或者重开终端。

问题二：提示"你的组织已禁用 Claude 订阅访问"。

这个提示一般出现在用组织账号登录的情况下。解决方式有两种：一是换个人账号登录，二是改用 API 密钥方式而不是订阅方式。API 方式在配置里设置ANTHROPIC_API_KEY就行，不依赖订阅状态。

问题三：Windows 下提示与 64 位版本不兼容。

Claude Code 的原生 Windows 支持有限，建议走 WSL2。在 WSL 里装 Ubuntu，然后在 Ubuntu 里按 Linux 方式安装。WSL 的文件系统性能和原生 Linux 接近，日常使用没问题。

问题四：VS Code 插件连不上 Claude Code。

先确认命令行版本能正常工作。如果命令行正常但插件不行，检查插件的配置里 API 端点和密钥是否填对。有些插件版本需要单独配置，不会自动读取命令行的配置。

问题现象	可能原因	排查方向
命令不存在	PATH 未配置	检查 npm prefix 和 shell 配置
订阅访问被禁	组织策略限制	换账号或改用 API 方式
Windows 不兼容	未使用 WSL	安装 WSL2 并在其中运行
插件连不上	配置未同步	检查插件独立配置
技能不加载	目录结构错误	检查 .claude/skills 路径和 SKILL.md 格式

4.2 技能运行类问题

问题五：技能匹配不上，Agent 说找不到相关技能。

先确认技能是否正确加载，用claude skills list查看。如果列表里有但匹配不上，检查 SKILL.md 的trigger字段是否覆盖了你的表达方式。可以手动指定技能名来强制匹配，比如"用 seo-audit 技能..."。

问题六：技能输出格式不符合预期。

检查技能的output_format配置，以及模板文件是否正确。有些技能的模板用了特定的占位符，如果输入数据里缺少对应字段，输出会不完整。建议先用examples/里的示例输入跑一遍，确认输出正常再换自己的数据。

问题七：处理大文件时超时或截断。

Claude Code 对单次处理的文件大小有限制。如果文件太大，可以先用脚本拆分，或者只处理关键部分。比如审计一个大型 HTML 文件时，可以先用 grep 提取 head 部分和结构化数据部分，再交给技能处理。

实操心得：技能跑不通的时候，先看日志。Claude Code 会在~/.claude/logs/下记录运行日志，里面有详细的错误信息。大部分问题看日志就能定位，比盲目试错快得多。

4.3 效果优化类问题

问题八：生成的内容质量不稳定。

内容生成的质量受多个因素影响：输入关键词的明确程度、配置参数的合理性、模板的质量。优化方向：一是把关键词和意图描述得更具体，二是调整tone和target_audience参数，三是优化模板里的示例。我一般会准备几套不同风格的模板，根据内容类型切换。

问题九：SEO 审计漏检或误报。

漏检通常是检查规则不完整，误报通常是规则太严格。建议定期 review 审计报告，把误报的规则调松，把漏检的项目补进规则里。marketingskills的规则文件是纯文本的，改起来很方便。

问题十：多个技能串联时中间结果丢失。

串联任务时，每个技能的输出默认写到文件里。如果下一个技能读不到，检查文件路径是否正确，以及上一个技能是否成功写入了文件。建议在串联之前，先确认每个技能单独运行时输出文件的位置和格式。

注意事项：技能包更新之后，之前跑通的任务可能会因为接口变化而失败。建议在更新前备份当前的技能配置，更新后先跑一遍测试任务验证兼容性。生产环境用的技能包不要盲目追新，稳定优先。

4.4 团队协作类问题

问题十一：团队成员技能配置不一致。

把技能包和配置文件纳入版本控制，用 Git 管理。每个人拉取最新版本，配置差异通过环境变量或本地覆盖文件处理。不要手动同步技能目录，容易漏文件或版本错乱。

问题十二：敏感信息泄露风险。

API 密钥、客户数据、未发布的内容，这些不要写进技能配置文件里。用环境变量或者单独的 secrets 文件，加到.gitignore里。Claude Code 执行命令时可能会读取到这些文件，确认技能的权限范围，避免意外泄露。

问题十三：技能输出风格不统一。

团队共用一套技能包时，输出风格应该由技能配置统一控制，而不是每个人自己调。把tone、brand_voice、output_format这些参数固化在团队共享的配置里，个人只在必要时临时覆盖。这样保证对外输出的内容风格一致。

协作问题	推荐做法	避免的做法
配置不一致	Git 管理技能包和配置	手动复制目录
敏感信息泄露	环境变量+gitignore	密钥写进配置文件
风格不统一	团队共享配置固化参数	每人各自调参
版本混乱	语义化版本+更新日志	直接覆盖旧版本

5. 技能扩展与二次开发

5.1 自定义技能的编写方法

marketingskills提供的技能覆盖了常见营销场景，但每个团队都有自己的特殊需求。自定义技能的编写不复杂，核心是把"做什么、什么时候做、怎么做、输出什么"这四件事说清楚。

一个自定义技能的最小结构：

--- name: your-skill-name description: 一句话描述技能功能 trigger: 什么情况下触发这个技能 inputs: - param1: 参数说明 outputs: - format: 输出格式 --- # 技能名称 ## 执行步骤 1. 第一步做什么 2. 第二步做什么 3. ... ## 规则和约束 - 规则一 - 规则二 ## 输出示例 （给出一个输出样例）

写自定义技能的几个要点：trigger要覆盖用户可能的多种表达方式；执行步骤要具体到可操作，不要写"分析内容"这种模糊描述；输出示例很重要，它决定了 Agent 生成输出的格式和风格。

实操心得：写自定义技能时，先手动跑一遍流程，把每一步的实际操作记下来，然后照着记录写 SKILL.md。这样写出来的技能最贴近实际需求，也最容易调试。不要凭空想象流程，一定要基于真实操作。

5.2 技能组合与工作流编排

单个技能解决单点问题，技能组合解决完整工作流。marketingskills支持把多个技能串成流水线，前一个的输出作为后一个的输入。

一个典型的内容生产工作流：

keyword-research：输入种子词，输出扩展词列表和意图分类
outline-generator：输入关键词列表，输出内容大纲
content-writer：输入大纲，输出初稿
seo-audit：输入初稿，输出优化建议
content-refiner：输入初稿和优化建议，输出终稿

这个工作流可以一键触发，也可以分步执行。分步执行的好处是每步可以人工介入，适合对质量要求高的内容。一键触发适合批量生产，效率优先。

# 一键触发完整工作流 > 对关键词"独立站谷歌SEO"跑完整的内容生产工作流，输出到 output/ 目录 # 分步执行 > 第一步：对"独立站谷歌SEO"做关键词研究 > 第二步：基于上一步结果生成大纲 > ...

注意事项：工作流越长，中间出错的概率越大。建议在关键节点加校验，比如大纲生成后人工确认再继续。另外，工作流的每一步都要有明确的输出文件，方便回溯和调试。

5.3 与外部工具的集成

marketingskills的技能可以通过scripts/目录下的脚本调用外部工具。常见的集成场景包括：调用 SEO 工具 API 获取关键词数据、调用翻译 API 做多语言内容、调用图片处理工具批量优化图片。

集成方式一般是写一个 Python 或 Node.js 脚本，封装外部 API 调用，然后在 SKILL.md 里引用这个脚本。脚本的输入输出格式要标准化，方便技能调用。

# scripts/keyword_api.py import requests import json import sys def get_keyword_data(seed_keyword): """调用外部 API 获取关键词数据""" # 实际调用逻辑 response = requests.get( "https://api.example.com/keywords", params={"seed": seed_keyword}, headers={"Authorization": "Bearer YOUR_KEY"} ) return response.json() if __name__ == "__main__": seed = sys.argv[1] result = get_keyword_data(seed) print(json.dumps(result, ensure_ascii=False))

在 SKILL.md 里这样引用：

## 执行步骤 1. 运行 `python scripts/keyword_api.py {seed_keyword}` 获取关键词数据 2. 解析返回的 JSON，提取关键词列表 3. 对每个关键词做意图分类 4. 输出排序后的关键词列表

实操心得：外部 API 调用要加错误处理和重试机制。网络请求失败是常态，脚本里要处理超时、限流、返回格式异常等情况。另外，API 密钥不要硬编码在脚本里，用环境变量传入。

6. 实际使用中的经验与建议

6.1 哪些场景适合用，哪些不适合

marketingskills这套东西不是万能的，用对场景效率翻倍，用错场景纯属浪费时间。

适合的场景：批量化的 SEO 审计、标准化的内容初稿生成、关键词数据的整理和分类、重复性的检查工作（比如每篇文章发布前跑一遍 SEO 检查）。这些场景的共同特点是规则明确、重复度高、人工做费时费力。

不适合的场景：需要深度行业洞察的策略制定、涉及敏感信息的内部文档处理、需要创意突破的品牌文案、需要实时人工判断的危机公关。这些场景 AI 只能做辅助，不能替代人的判断。

我个人的用法是：把marketingskills当作"初级助理"，让它做那些规则明确、重复度高的工作，我专注于需要判断力和创造力的部分。比如 SEO 审计报告让它生成，但报告里的优先级排序和修改决策我自己来定。

6.2 效率提升的实际数据

用了一段时间之后，我记录了一些效率对比数据，供参考：

任务类型	纯人工耗时	用技能包耗时	效率提升
单页面 SEO 审计	15-20 分钟	2-3 分钟	约 6 倍
博客初稿生成	2-3 小时	20-30 分钟	约 5 倍
关键词扩展分类	1-2 小时	10-15 分钟	约 6 倍
批量页面检查（50页）	1-2 天	1-2 小时	约 10 倍

这些数据是特定场景下的实测值，不同项目、不同熟练度会有差异。但整体趋势是：规则越明确、重复度越高的任务，效率提升越明显。

注意事项：效率提升的前提是技能配置正确、输入数据规范。如果输入数据乱七八糟，AI 处理起来反而更慢，因为要花时间纠错。用之前先把数据整理好，磨刀不误砍柴工。

6.3 后续可以扩展的方向

这套技能包目前覆盖了 SEO 和内容营销的主要场景，但还有不少可以扩展的方向。比如：社交媒体内容排期和生成、邮件营销序列的自动化、广告文案的 A/B 测试变体生成、竞品内容的定期监控和分析、多语言内容的本地化适配。

扩展的思路是：先找到重复度高、规则明确的任务，然后把它拆解成可执行的步骤，写成 SKILL.md，配上必要的脚本和模板。每扩展一个技能，就多一个可以复用的工具。

另外，技能包本身也可以持续优化。比如把常用的配置组合保存成预设，把高频的检查规则做成模板，把团队的最佳实践沉淀到技能定义里。用得越久，技能包越贴合实际需求，价值越大。

最后分享一个小技巧：定期 review 技能的使用日志，看看哪些技能用得最多、哪些几乎没用、哪些经常报错。用得多的技能值得投入时间优化，没用的技能可以考虑删掉减少干扰，报错的技能优先修复。技能包不是越多越好，精而实用才是正道。

基于Claude Code的营销Agent Skills实战：SEO审计与内容生成技能包