ad-creative 技能深度解析：Agent 规模化生成与迭代付费广告创意的完整实战指南

ad-creative 技能深度解析：Agent 规模化生成与迭代付费广告创意的完整实战指南

【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,600+ agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址: https://gitcode.com/GitHub_Trending/an/agentic-awesome-skills

在 agentic-awesome-skills 开源仓库中，ad-creative是一项面向付费广告创意（Paid Ad Creative）的 Agent 技能。它以plugins/agentic-awesome-skills-claude/skills/ad-creative/SKILL.md为行为定义，配套 平台字符规格参考、生成式 AI 工具参考 与 评测用例集，覆盖 Google Ads、Meta、LinkedIn、TikTok、Twitter/X 五大平台的广告文案与视觉素材的批量产出，以及基于真实投放数据的迭代优化。读完本文，你将掌握该技能的核心工作流：如何收集上下文、如何基于"角度（Angle）"批量生成合规的标题/描述/主文案、如何用生成式 AI 工具与 Remotion 规模化产出图片和视频素材，以及如何用投放数据驱动下一轮创意迭代。

---

一、技能定位：它解决什么问题

根据 SKILL.md 的description元数据，该技能的核心使命是"Create, iterate, and scale paid ad creative"——即创建、迭代并规模化付费广告创意，同时标注了risk: critical（关键风险级别）与版本号1.1.0（见 SKILL.md 元数据）。

它适用的典型场景（When to Use）包括：

• 需要规模化生成或迭代付费广告文案（headlines、descriptions、primary text）；
• 需要结构化的广告变体集合（ad variation sets）；
• 需要用真实投放数据（performance data）指导下一轮创意方向。

同时，技能边界也很清晰：当任务属于整体投放策略（平台选择、预算分配）时，应转交paid-ads技能处理。这一点在 评测用例 #6 中被明确列为断言：Agent 应当识别"这属于广告策略任务而非创意生成任务"，并 defer 到paid-ads技能，而不是用创意生成的模式硬套策略问题。

二、开始之前：先读产品营销上下文，再补齐 5 类信息

SKILL.md 在 "Before Starting" 阶段给出了一个强制性的上下文收集协议：

第一步：优先读取产品营销上下文。如果存在.agents/product-marketing-context.md（旧环境中为.claude/product-marketing-context.md），必须先读取它，再向用户提问；只有上下文未覆盖、或与本任务强相关的信息才需要额外询问。仓库中对应的上下文技能位于 skills/product-marketing-context，可视为该技能的数据前置。

第二步：按 5 类维度收集信息（未提供则询问）：

1. 平台与格式（Platform & Format）：目标平台（Google Ads、Meta、LinkedIn、TikTok、Twitter/X）、广告格式（Search RSA、展示、信息流、Stories、视频）、是基于已有广告迭代还是从零开始；
2. 产品与卖点（Product & Offer）：推广对象（产品、功能、免费试用、Demo、lead magnet）、核心价值主张、与竞品的差异点；
3. 受众与意图（Audience & Intent）：目标受众是谁、处于什么认知阶段（问题认知/方案认知/产品认知）、驱动他们的痛点或欲望是什么；
4. 投放数据（Performance Data，迭代场景必填）：当前跑量创意、表现最好的标题/描述（CTR、转化率、ROAS）、表现最差的、已测试过的角度与主题；
5. 约束（Constraints）：品牌语气规范或禁用词、合规要求（行业法规、平台政策）、强制元素（品牌名、商标符号、免责声明）。

这一协议在 评测用例 #1 中被验证：Agent 拿到 Meta 投放需求后，断言清单第一条就是"Checks for product-marketing-context.md"，随后才是角度化生成等动作。

三、两种工作模式与核心循环

技能支持两种模式（How This Skill Works）：

• 模式一：从零生成（Generate from Scratch）——基于产品上下文、受众洞察与平台最佳实践，产出一整套广告创意；
• 模式二：基于投放数据迭代（Iterate from Performance Data）——用户提供 CSV、粘贴文本或 API 输出形式的表现数据后，分析"什么在起作用"，找出头部创意的共同模式，生成建立在获胜主题之上、同时探索新角度的新变体。

两种模式共享同一个核心循环：

Pull performance data → Identify winning patterns → Generate new variations → Validate specs → Deliver

四、平台字符规格：每一行文案都要先过校验

平台会静默拒绝或截断超限创意，因此交付前必须核对字符数。SKILL.md 给出了 5 大平台的速查表，references/platform-specs.md 则提供了更完整的明细，以下合并整理。

4.1 Google Ads（响应式搜索广告 RSA）

元素	字符上限	数量
标题 Headline	30 字符	最多 15 条
描述 Description	90 字符	最多 4 条
展示 URL 路径 Display URL path	每段 15 字符	2 段

RSA 组合规则（来自 platform-specs.md）：Google 会从素材库中随机组合最多 3 条标题和 2 条描述展示，任何标题可出现在任何位置（除非固定）。因此：

• 每条标题必须独立成立，并且任意组合都通顺；
• 固定（Pin）标题只在必要时使用，因为固定会削弱 Google 的机器学习优化空间；
• 标题组合建议至少包含：1 条关键词聚焦标题、1 条利益聚焦标题、1 条 CTA 标题（SKILL.md 硬性要求）。

对于 15 条标题的推荐配比（详见 platform-specs.md）：

• 3-4 条关键词聚焦（匹配搜索意图）；
• 3-4 条利益聚焦（用户能得到什么）；
• 2-3 条社会证明（数字、奖项、客户数）；
• 2-3 条 CTA 聚焦（行动号召）；
• 1-2 条差异化（为什么选我们而非竞品）；
• 1 条品牌名标题。

4 条描述的推荐配比：1 条"利益+证据点"、1 条"特性+结果"、1 条"社会证明+CTA"、1 条"紧迫性/优惠+CTA"（如适用）。

4.2 Meta Ads（Facebook / Instagram）

元素	限制	说明
主文案 Primary text	可见约 125 字符（上限 2200）	钩子要前置
标题 Headline	建议 40 字符	位于图片下方
描述 Description	建议 30 字符	位于标题下方
URL 展示链接	40 字符	可选

platform-specs.md 补充了不同版位的差异：Feed 展示所有元素（主文案最显眼）；Stories/Reels 主文案以浮层呈现，建议控制在 72 字符以内；右栏（Right column）只显示标题，可省略描述；Audience Network 依发布商而异。最佳实践还包括：主文案前 125 字符放钩子、长文案用换行提升可读性、emoji 每则最多 1-2 个、标题应是清晰的 CTA 或价值陈述。

4.3 LinkedIn Ads

元素	建议值	上限
引言 Intro text	150 字符	600 字符
标题 Headline	70 字符	200 字符
描述 Description	100 字符	300 字符

platform-specs.md 还列出了轮播广告（Carousel，引言 255 字符、卡片标题 45 字符、2-10 张卡片）、Message Ad（InMail，主题行 60 字符、正文 1500 字符、CTA 按钮 20 字符）与 Text Ad（标题 25 字符、描述 75 字符）。LinkedIn 专属准则：保持专业但不枯燥、使用受众熟悉的岗位语言、数据点表现好、避免消费级夸张措辞（"Amazing!"）、同行第一人称证言最能引发共鸣。

4.4 TikTok Ads

元素	限制	说明
广告文案 Ad text	建议 80 字符（上限 100）	视频上方
展示名称 Display name	40 字符	品牌名

Spark Ads（加热原生内容）则直接使用原帖文案与创作者昵称，由广告主追加 CTA 按钮。TikTok 专属准则：原生感内容优于精修广告、前 2 秒决定是否被看完、善用热门声音与格式、文字浮层必不可少（大量用户静音观看）、只支持 9:16 竖版视频。

4.5 Twitter/X Ads

元素	限制	说明
推文正文 Tweet text	280 字符	即广告文案
卡片标题 Headline	70 字符	网站卡片
卡片描述 Description	200 字符	网站卡片

Twitter/X 专属准则：口语化、随意的语气；短句效果最好；一条推文只讲一个信息；话题标签最多 1-2 个（做广告时 0 个往往更好）；考虑型内容的转化可用 Threads。

4.6 字符计数技巧与多平台级联适配

platform-specs.md 特别提醒了容易被忽略的计数规则：

• 空格在所有平台都计入字符；
• emoji 按平台不同计 1-2 个字符；
• 特殊字符（|、&等）计 1 个字符；
• 正文中的 URL 计入限制；
• 动态关键词插入{KeyWord:default}可能超限，必须设置安全的默认词；
• 上线前务必在平台广告预览中逐条核对。

多平台同步创作时，从最严格的格式开始级联扩展（cascading approach）：

1. Google Search 标题（30 字符）——倒逼出最紧凑的 message；
2. 扩展到 Meta 标题（40 字符）——多一两个词；
3. 扩展到 LinkedIn 引言（150 字符）——补充上下文与证据；
4. 扩展到 Meta 主文案（125+ 字符）——完整钩子与价值主张。

这一策略保证核心信息在任何平台都能成立，再在有空间的平台逐步加料。

五、规模化产出视觉素材：生成式 AI 与代码渲染

SKILL.md 将视觉素材产出委托给 references/generative-tools.md，该参考文档提供了完整的工具选型与工作流。

5.1 图片生成

工具	最适合	关键能力
Nano Banana Pro（Gemini）	高质量广告图、产品视觉、图中文字渲染	原生图像编辑、同一模型完成生成与修改、API 价格约 $0.04/张（2.5 Flash Image）到 $0.24/张（4K）
Flux（Black Forest Labs）	写实图片、品牌一致性变体、多参考图生成	最多 8 张参考图保证跨广告的身份一致性；Flux 2 Pro/Flex/Dev/Klein 四档按速度与成本取舍
Ideogram	含文字的广告横幅、品牌图形	业界领先的文字渲染精度（约 90%，多数工具仅约 30%）、最多 3 张风格参考图
DALL-E 3 / Midjourney / Stable Diffusion	通用生成 / 高审美 / 自托管	分别适用于通用场景、无官方 API 的艺术风格、有 GPU 基建的自托管团队

5.2 视频生成

工具	最大时长	音频	分辨率	最适合
Veo 3.1	60 秒	原生	1080p/4K	竖版社交视频
Kling 2.6	3 分钟	原生	1080p	长片、电影感
Runway Gen-4	10 秒	无	1080p	受控、跨镜头一致
Sora 2	60 秒	原生	1080p	对话密集型
Seedance 2.0	20 秒	原生	2K	低成本高产量
Higgsfield	不定	有	1080p	社交、移动优先

5.3 配音与语音

generative-tools.md 给出的选型决策树非常实用：需要克隆特定品牌声音 → 质量优先用 ElevenLabs、企业本地化用 Resemble AI、预算敏感用 Fish Audio / PlayHT；需要多语言 → PlayHT（140+ 语言）或 ElevenLabs（29+）；需要免费/开源/本地 → Voicebox（MIT 协议，基于 Qwen3-TTS 本地运行）；需要便宜快速 → OpenAI TTS（约 $0.015/分钟）；需要商用授权安全 → WellSaid Labs；需要实时交互 → Cartesia Sonic（40ms 首字节延迟）。

5.4 代码式视频：Remotion 的规模化地位

参考文档明确将 Remotion 定位为模板化、数据驱动的视频广告的最佳方案：AI 视频生成器每次输出都独一无二、难以精确匹配品牌，而 Remotion 用 React 代码渲染出确定性、像素级精确的视频，能批量从数据渲染成百上千条广告。典型用例包括：

• 动态产品广告：喂入 JSON 产品数组，为每个产品渲染唯一视频；
• A/B 测试视频变体：同一模板渲染不同标题、CTA、配色；
• 个性化外联视频：按名字称呼潜客；
• 多比例批量生产：1:1 信息流、9:16 Stories/Reels、16:9 YouTube。

5.5 推荐的分层生产工作流与成本参考

SKILL.md 给出的规模化生产推荐流程：

1. 用 AI 工具生成主打创意（探索性、高质量）；
2. 基于获胜模式用 Remotion 建立模板；
3. 用 Remotion 配合数据馈送批量产出变体；
4. 迭代——AI 负责新角度，Remotion 负责规模化。

参考文档附带的成本对比（针对 100 个广告变体）可作为预算估算依据：100 张静态图 Nano Banana Pro 约 $4-24、Flux Dev 约 $1-2、Ideogram API 约 $6；100 条 15 秒视频 Veo 3.1 Fast 约 $225、Remotion 模板渲染约 $0（自托管）；"10 条主打视频 + 90 条模板化"混合方案约 $22 + 渲染时间。

六、文案生成的四步流程

SKILL.md 将文案生成拆解为 4 个可执行步骤：

Step 1：定义角度（Angles）。在写单条标题前，先确立 3-5 个互不相同的角度——用户点击的不同理由，每个角度对应一种动机。常见角度类别：

类别	示例角度
痛点 Pain point	"Stop wasting time on X"
结果 Outcome	"Achieve Y in Z days"
社会证明 Social proof	"Join 10,000+ teams who..."
好奇 Curiosity	"The X secret top companies use"
对比 Comparison	"Unlike X, we do Y"
紧迫 Urgency	"Limited time: get X free"
身份 Identity	"Built for [specific role/type]"
反直觉 Contrarian	"Why [common practice] doesn't work"

Step 2：每个角度生成多条变体。在以下维度上刻意变化：词汇选择（同义词、主动/被动）、具体程度（数字 vs 泛泛之谈）、语气（陈述/提问/命令）、结构（短句冲击 vs 完整利益陈述）。

Step 3：对照规格校验。交付前逐一核对平台字符上限，超限的必须标记并提供精简版替代。

Step 4：按上传要求组织输出。用与广告平台上传需求对齐的结构化格式呈现创意。

七、基于投放数据迭代：从胜负两端学

当用户提供表现数据时，进入"迭代模式"。SKILL.md 给出了四步流程，评测用例 #3 验证了它的数据解读逻辑（Ad A 痛点角度 CTR 最高、Ad B 社会证明角度转化率最高、Ad C 特性角度全面垫底 → 应加码痛点与社会证明、暂停或重做特性角度）。

Step 1：分析赢家——按 CTR、转化率或 ROAS（先问用户最看重哪个指标）找出头部创意，识别：获胜主题（哪些痛点/话题出现）、获胜结构（提问/陈述/命令/数字）、获胜词汇模式、字符利用率（赢家偏短还是偏长）。

Step 2：分析输家——找出表现最差的创意，识别：失效的主题（哪些角度不共鸣）、低表现创意的共性（太泛？太长？语气不对？）。

Step 3：生成新变体——新创意应当：在获胜主题上以新措辞加码、把获胜角度延伸出新变体、测试 1-2 个尚未探索的新角度、主动避开输家的模式。

Step 4：记录迭代日志——用结构化模板沉淀"学到什么、正在测什么"：

## Iteration Log - Round: [number] - Date: [date] - Top performers: [list with metrics] - Winning patterns: [summary] - New variations: [count] headlines, [count] descriptions - New angles being tested: [list] - Angles retired: [list]

八、写作质量标准：会点击的标题与会转化的描述

8.1 标题（Headlines That Click）

强标题特征：具体（"Cut reporting time 75%"）优于模糊（"Save time"）；讲利益（"Ship code faster"）优于讲功能（"CI/CD pipeline"）；主动语态（"Automate your reports"）优于被动（"Reports are automated"）；尽可能含数字（"3x faster"、"in 5 minutes"、"10,000+ teams"）。

要避免：受众不认识的行业黑话；无具体支撑的宣称（"Best"、"Leading"、"Top"）；全大写或过度标点；落地页兑现不了的标题党。

8.2 描述（Descriptions That Convert）

描述应与标题互补而非重复，用来：补充证据点（数字、证言、奖项）；化解异议（"No credit card required"、"Free forever for small teams"）；强化 CTA（"Start your free trial today"）；在真实存在时增加紧迫感（"Limited to first 500 signups"）。

九、输出格式：标准输出、CSV 批量与迭代报告

9.1 标准输出

按角度组织，并标注字符数；超限行给出精简替代：

## Angle: [Pain Point — Manual Reporting] ### Headlines (30 char max) 1. "Stop Building Reports by Hand" (29) 2. "Automate Your Weekly Reports" (28) 3. "Reports Done in 5 Min, Not 5 Hr" (31) <- OVER LIMIT, trimmed below -> "Reports in 5 Min, Not 5 Hrs" (27) ### Descriptions (90 char max) 1. "Marketing teams save 10+ hours/week with automated reporting. Start free." (73) 2. "Connect your data sources once. Get automated reports forever. No code required." (80)

9.2 批量 CSV 输出

当产出规模达到 10+ 条变体时，提供可直接上传的 CSV：

headline_1,headline_2,headline_3,description_1,description_2,platform "Stop Manual Reporting","Automate in 5 Minutes","Join 10K+ Teams","Save 10+ hrs/week on reports. Start free.","Connect data sources once. Reports forever.","google_ads"

9.3 迭代报告

迭代场景下附带总结：

## Performance Summary - Analyzed: [X] headlines, [Y] descriptions - Top performer: "[headline]" — [metric]: [value] - Worst performer: "[headline]" — [metric]: [value] - Pattern: [observation] ## New Creative [organized variations] ## Recommendations - [What to pause, what to scale, what to test next]

十、批量生成工作流：100+ 变体/周期的规模化生产

针对大规模创意生产（SKILL.md 提到 Anthropic 增长团队每周期产出 100+ 变体），工作流拆为三步：

1. 拆解子任务：标题生成（聚焦点击）、描述生成（聚焦转化）、主文案生成（聚焦互动，Meta/LinkedIn 用）。

2. 分波生成：Wave 1 核心角度（3-5 个角度 × 5 条变体）；Wave 2 在表现最好的 2 个角度上延伸；Wave 3 出奇制胜角度（反直觉、情绪化、具体化）。

3. 质量过滤：剔除超字符上限的；剔除重复或近似重复的；标记可能违反平台政策的；确保标题/描述任意组合都通顺。

评测用例 #5 验证了跨平台批量场景：为 Google、Meta、TikTok 三平台生成时，必须各自遵守字符限制（Google 30/90、Meta 125/40/30、TikTok 80 建议/100 上限），识别跨平台通用的角度（便利、健康、省时、多样性、性价比），并注意 TikTok 需要的是视频概念而非纯文本。

十一、常见错误清单：迭代时的自查表

SKILL.md 列出了 8 条高频错误，每一条都对应一个可执行的反制动作：

• 标题只能合在一起看才成立——RSA 标题会被随机组合，单条必须独立成立；
• 无视字符上限——平台无提示直接截断；
• 所有变体听起来都一样——要变化角度，而不只是换词；
• 没有 CTA 标题——RSA 需要行动导向标题驱动点击，至少 2-3 条；
• 描述过于泛化——"Learn more about our solution" 浪费了宝贵的展示位；
• 没有数据就迭代——直觉不如指标可靠；
• 一次测试太多变量——每个测试周期只改变一个变量；
• 过早弃用创意——至少积累 1,000+ 展示后再做判断。

十二、工具集成：拉取投放数据、分析、生成

技能支持与广告平台工具联动（Tool Integrations），用于拉取表现数据与管理广告系列：

平台	拉取表现数据	管理广告系列
Google Ads	google-ads campaigns list、google-ads reports get	google-ads campaigns create
Meta Ads	meta-ads insights get	meta-ads campaigns list
LinkedIn Ads	linkedin-ads analytics get	linkedin-ads campaigns list
TikTok Ads	tiktok-ads reports get	tiktok-ads campaigns list

配套的"拉数据 → 分析 → 生成"工作流示例：

# 1. Pull recent ad performance node tools/clis/google-ads.js reports get --type ad_performance --date-range last_30_days # 2. Analyze output (identify top/bottom performers) # 3. Feed winning patterns into this skill # 4. Generate new variations # 5. Upload to platform

需要说明的是：上述 CLI 命令来自 SKILL.md 的示例约定，具体可用命令以当前运行环境实际安装的广告平台集成工具为准（仓库 tools 目录内的 CLI 清单可能随版本变化，使用前请核对环境）。

十三、关联技能协作图谱

SKILL.md 明确了与其他技能的协作边界：

• paid-ads：负责广告系列策略、定向、预算与优化——创意生成与策略规划的分工边界即在于此；
• copywriting：负责落地页文案（广告流量的承接页）；
• ab-test-setup：用统计学严谨性设计创意测试结构；
• marketing-psychology：提供高绩效创意背后的心理学原理；
• copy-editing：上线前对广告文案做最后打磨。

十四、使用限制与风险边界

技能在 Limitations 中明确自我约束：

• 仅当任务明确匹配上述范围（创建/迭代/规模化广告创意）时才启用；
• 输出不能替代环境特定的验证、测试或专家评审——上线前仍需在平台预览中核对；
• 当必需输入、权限、安全边界或成功标准缺失时，应停下来向用户澄清，而不是擅自假设继续生成。

这也解释了risk: critical的定位：创意内容直接面向真实投放，字符合规、平台政策与落地页一致性是硬约束，Agent 需要在高自主性与强校验之间取得平衡。

---

通过上述解析可以看到，ad-creative是一套"上下文先行 → 角度化生成 → 规格校验 → 数据驱动迭代"的完整创意生产流水线。无论是单平台 RSA 的 15 条标题配比，还是跨 Google/Meta/TikTok 的多平台批量产出，亦或是从 CSV 投放数据中提取获胜模式的闭环迭代，它都给出了可复现、可校验、可评测的明确流程。对于想要用 Agent 规模化经营付费广告创意的团队，这个技能连同其 评测用例 与两份参考文档，构成了一个开箱即用的完整参考实现。

【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,600+ agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址: https://gitcode.com/GitHub_Trending/an/agentic-awesome-skills