1. 从marketingskills这个命名说起它到底想解决什么问题第一次看到marketingskills这个项目名我的直觉是这大概率不是一个普通的营销工具库而是一套面向 AI Agent 的技能包。事实也确实如此——它本质上是一组遵循Agent Skills spec规范编写的技能定义集合专门服务于 Claude Code 这类具备工具调用能力的 AI 编程代理把营销这件事拆解成可被 AI 理解和执行的原子能力。为什么这个方向值得单独拿出来聊因为过去一年里AI Agent 的落地瓶颈早就不是模型够不够聪明而是模型知不知道在具体业务场景下该干什么、按什么顺序干、产出什么格式的东西。你让一个通用大模型去写一份独立站落地页的 SEO 方案它能给你一堆正确的废话但如果你给它一套结构化的 skill告诉它先做关键词聚类再生成 FAQPage 结构化数据最后输出 meta 描述产出的质量完全是两个量级。marketingskills要解决的正是这个最后一公里问题。它把营销领域里那些高频、重复、有明确方法论的工作——比如独立站谷歌 SEO 诊断、FAQPage 结构化数据生成、关键词意图分类、竞品内容差距分析——封装成 Claude Code 可以直接加载和调用的技能单元。使用者不需要每次都写一大段 prompt 去教AI 怎么做营销而是让 AI 自己根据任务去匹配对应的 skill。这套东西适合谁我梳理了三类人第一类是独立站站长和跨境运营手里有站点但 SEO 做得稀碎想借助 AI 把基础优化批量做掉第二类是增长和内容营销从业者日常要产出大量结构化内容希望把重复劳动交给 Agent第三类是技术型营销人懂一点 Claude Code 的配置想把营销 SOP 沉淀成可复用的技能资产。如果你属于这三类中的任何一类接下来的内容值得你花时间看完。需要提前说明的是marketingskills本身是一个技能规范层面的项目它的价值高度依赖你对 Claude Code 的熟练程度。所以我会把 Claude Code 的安装配置、技能加载机制、以及营销技能的实际调用串起来讲而不是孤立地谈营销方法论——那样就变成空谈了。2. Claude Code 的安装与技能加载别在第一步就卡住2.1 安装路径的选择逻辑Claude Code 的安装方式有好几种官方推荐的是通过 npm 全局安装也有桌面版安装包。我实测下来如果你只是想在终端里快速跑起来npm 方式最省事npm install -g anthropic-ai/claude-code装完之后在项目目录下直接敲claude就能进入交互界面。但这里有个坑我必须提醒Node 版本低于 18 会直接报错而且报错信息往往很隐晦不会明确告诉你版本太低。我见过有人折腾半小时以为是网络问题最后发现是 Node 16。所以第一步先node -v确认版本这一步能省你很多时间。Windows 用户要特别注意热词里出现的由于与64位版本的windows不兼容是真实存在的问题。Claude Code 对 Windows 的原生支持一直比较别扭我的建议是优先用 WSL2在 WSL 里按 Linux 的方式装稳定性高一个档次。如果你非要在原生 Windows 上跑那就得确认你的系统架构和安装包匹配别下错了版本。Mac 用户相对省心brew或者 npm 都行。Ubuntu 用户直接 npm 全局装注意权限问题必要时加sudo或者配置 npm 的全局目录。2.2 VS Code 插件的配置要点很多人是在 VS Code 里用 Claude Code 的插件装完之后需要在设置里配置。这里的关键是认证方式和模型接入两块。认证方面官方账号登录是最顺的路径。但热词里提到的your organization has disabled claude subscription access这类提示通常出现在企业账号环境下——组织管理员关闭了订阅访问权限。遇到这种情况要么找管理员开权限要么走 API Key 的方式。模型接入是另一个高频问题。Claude Code 默认调用官方模型但很多人想接本地模型或者其他厂商的模型。热词里提到的调用 lmstudio 的本地模型、接入 deepseek、qwen、glm都属于这个范畴。实现方式一般是通过配置环境变量或者使用类似 cc switch 这样的切换工具把请求指向兼容 OpenAI 格式的第三方端点。这里我不展开具体配置因为不同工具的配置差异较大但核心逻辑是Claude Code 需要一个符合特定接口规范的 endpoint只要你的模型服务能提供这个接口理论上就能接。提示接入第三方模型时务必确认该模型支持工具调用function calling。Claude Code 的很多能力依赖工具调用如果模型不支持技能加载了也执行不了。2.3 技能目录的放置规则Claude Code 加载 skill 的方式是扫描特定目录。通常是在项目根目录下建一个.claude/skills或者类似的约定目录把 skill 定义文件放进去。marketingskills这类项目你 clone 下来之后需要把里面的技能文件按规范放到对应位置。这里有个容易忽略的细节skill 的命名和描述字段直接决定了 AI 会不会在合适的时机调用它。Agent Skills spec 里每个 skill 都有一个 name 和 descriptionClaude Code 会根据当前任务去匹配这些描述。如果你的 description 写得含糊比如只写营销相关那 AI 基本不会主动调用它。正确的做法是把触发场景写清楚比如当用户需要为独立站生成 FAQPage 结构化数据时使用。3. marketingskills 的核心技能拆解SEO 场景下的实际能力3.1 独立站谷歌 SEO 诊断技能独立站谷歌 SEO 是marketingskills里最实用的技能之一。它的工作逻辑不是泛泛地给你优化建议而是按照一套固定的诊断清单去逐项检查。我实际跑过一遍它大致会覆盖这几个维度页面标题和 meta 描述的长度与关键词布局、H 标签层级是否合理、内链结构是否存在孤岛页面、图片 alt 属性缺失情况、页面加载相关的技术信号、以及内容与目标关键词的匹配度。这些检查项听起来基础但真正能系统化做一遍的站点不到三成。这个技能的价值在于批量和一致。你手动检查一个页面可能要十分钟检查五十个页面就是大半天而且检查到后面注意力下降标准会漂移。交给 Agent 跑五十个页面几分钟出结果标准完全一致。不过我要泼一盆冷水这个技能的输出质量高度依赖你提供的输入质量。如果你只是丢一个首页 URL 给它它能分析的东西很有限。更好的做法是提供站点地图、目标关键词列表、以及竞品 URL这样它才能做对比分析而不是孤立地看你的站点。3.2 FAQPage 结构化数据的生成逻辑热词里谷歌seo的 faqpage 结构化数据是怎么回事出现频率很高说明这是很多人的知识盲区。简单说FAQPage 结构化数据是一种 Schema.org 标记告诉搜索引擎这个页面包含问答对。正确标记后搜索结果里可能会展示富媒体摘要点击率通常有提升。marketingskills里对应的技能做的不只是生成 JSON-LD 代码这么简单。它的完整流程是先从页面内容里抽取潜在的问答对再判断哪些问答对适合做成 FAQPage不是所有内容都适合然后生成符合规范的 JSON-LD最后给出嵌入位置的建议。这里有个实操心得FAQPage 的问答内容必须真实存在于页面上。有些人为了骗富媒体摘要在页面里藏了结构化数据但用户看不到对应内容这种做法一旦被判定为作弊后果比不做还严重。这个技能在设计上是遵守这个规则的它只从可见内容里抽取问答对不会凭空捏造。生成的 JSON-LD 大致长这样{ context: https://schema.org, type: FAQPage, mainEntity: [ { type: Question, name: 独立站做谷歌SEO需要多久见效, acceptedAnswer: { type: Answer, text: 通常需要三到六个月才能看到明显的自然流量增长具体取决于站点基础、内容质量和竞争程度。 } } ] }3.3 关键词意图分类与内容差距分析这个技能解决的是我该写什么内容的问题。它的逻辑是先把你手上的关键词按搜索意图分类信息型、导航型、商业调查型、交易型再对比竞品已经覆盖的内容找出你没覆盖但值得覆盖的缺口。意图分类这一步很关键因为不同意图的关键词需要不同类型的内容去承接。信息型关键词适合教程和指南交易型关键词适合产品页和对比页。如果你用产品页去承接信息型关键词排名上不去是正常的。内容差距分析则是把该写什么具体化。它会输出一个缺口列表标注每个缺口的优先级。优先级判断通常考虑三个因素搜索量、竞争难度、以及与你现有内容的相关性。这个排序逻辑比单纯看搜索量要合理得多。4. 把技能用起来从配置到产出的完整链路4.1 技能触发时机的控制技能装好了不代表就能用好。我踩过的一个坑是技能太多AI 反而不知道该用哪个。当你同时装了 SEO 诊断、内容生成、关键词分析好几个技能给一个模糊指令比如帮我优化网站AI 可能会随机挑一个技能执行结果不是你想要的。解决办法是在指令里明确任务边界。不要说优化网站而要说用 SEO 诊断技能检查这个页面的标题和 meta 描述。指令越具体技能匹配越准确。另一个技巧是利用 Claude Code 的上下文。如果你在对话开始时就把站点信息、目标关键词、竞品列表喂进去后续调用技能时它就能直接使用这些上下文不需要你反复提供。4.2 输出结果的验证与修正AI 生成的营销内容我的原则是必须人工过一遍。不是不信任 AI而是营销这件事有太多只可意会的判断AI 很难完全把握。举个具体例子FAQPage 技能生成的问答对语法和结构都没问题但有时候问法不符合真实用户的搜索习惯。用户搜的是独立站 SEO 多久见效AI 生成的是独立站进行谷歌 SEO 优化通常需要多长时间才能观察到效果——意思一样但前者更接近真实搜索词。这种细微差别需要你基于对用户的了解去修正。我的做法是把 AI 的输出当作初稿重点看它的结构和覆盖度然后在措辞上做本地化调整。这样效率比从零写高得多质量又比纯 AI 输出好。4.3 批量任务的编排思路marketingskills真正的威力在批量场景。比如你有五十个产品页要做 FAQPage 结构化数据一个个手动跑效率太低。这时候可以写一个简单的脚本把页面 URL 列表喂给 Claude Code让它循环调用技能。但批量执行有个风险中间某个页面出错可能导致整个批次中断。所以脚本里要做好错误处理单个页面失败就跳过并记录不要让它拖垮整个任务。另外批量输出的结果建议存成结构化文件比如 JSON 或 CSV方便后续导入 CMS。5. 实操中那些文档不会告诉你的坑5.1 模型能力对技能效果的隐性影响同一个技能用不同的模型跑效果差异可能很大。我对比过官方模型和几个第三方模型在 SEO 诊断技能上的表现差距主要体现在对模糊情况的判断上。比如一个页面的标题长度处于临界值官方模型会给出略长建议精简的判断而某些小模型可能直接判定为合格。这不是说第三方模型不能用而是你要知道技能的效果上限由模型能力决定。如果你的任务对判断精度要求高就别在这上面省钱。5.2 技能定义的版本管理marketingskills这类项目会持续更新技能定义可能会变。如果你直接 clone 到项目里用更新时容易覆盖掉你自己的修改。我的建议是把技能定义纳入版本管理用 git submodule 或者单独的仓库来管理这样既能跟进上游更新又能保留自己的定制。5.3 别指望技能解决策略问题这是我最想强调的一点。marketingskills解决的是执行层面的问题——怎么生成结构化数据、怎么诊断页面、怎么分类关键词。但该不该做独立站、目标市场选哪个、内容策略怎么定这些策略问题技能帮不了你。我见过有人把技能当万能药指望装上一套 skill 就能把 SEO 做起来。结果技能跑了一堆站点该没流量还是没流量。原因很简单技能是放大器不是发动机。你的策略方向对了技能帮你放大效率方向错了技能只是帮你更快地做错事。6. 关于这套技能组合的长期价值判断用了一段时间marketingskills之后我对它的定位有了更清晰的认识它不是替代营销人的工具而是把营销人从重复劳动里解放出来的工具。那些需要判断力、需要理解用户、需要做取舍的部分依然得人来干。从趋势上看Agent Skills 这种把领域知识封装成可调用单元的模式大概率会成为 AI 应用落地的主流形态之一。marketingskills在营销领域的探索价值不在于它现在有多完善而在于它示范了一种思路领域专家把自己的方法论写成 skillAI 负责执行专家负责判断和优化。如果你现在就想上手我的建议是从一个具体的小场景开始比如先只做 FAQPage 结构化数据这一个技能跑通完整链路理解技能加载、触发、输出、验证的全过程再逐步扩展到其他技能。一上来就全套上很容易因为某个环节没配好而卡住最后放弃。最后分享一个我自己的习惯每次用技能产出内容后我会记录下哪些输出直接可用、哪些需要大改、哪些完全不能用。积累一段时间后你就能摸清这套技能在你具体业务场景下的能力边界知道什么任务可以放心交给它什么任务必须自己来。这个边界感比任何配置技巧都重要。
marketingskills 实战：Claude Code 营销技能包与独立站 SEO 诊断
1. 从marketingskills这个命名说起它到底想解决什么问题第一次看到marketingskills这个项目名我的直觉是这大概率不是一个普通的营销工具库而是一套面向 AI Agent 的技能包。事实也确实如此——它本质上是一组遵循Agent Skills spec规范编写的技能定义集合专门服务于 Claude Code 这类具备工具调用能力的 AI 编程代理把营销这件事拆解成可被 AI 理解和执行的原子能力。为什么这个方向值得单独拿出来聊因为过去一年里AI Agent 的落地瓶颈早就不是模型够不够聪明而是模型知不知道在具体业务场景下该干什么、按什么顺序干、产出什么格式的东西。你让一个通用大模型去写一份独立站落地页的 SEO 方案它能给你一堆正确的废话但如果你给它一套结构化的 skill告诉它先做关键词聚类再生成 FAQPage 结构化数据最后输出 meta 描述产出的质量完全是两个量级。marketingskills要解决的正是这个最后一公里问题。它把营销领域里那些高频、重复、有明确方法论的工作——比如独立站谷歌 SEO 诊断、FAQPage 结构化数据生成、关键词意图分类、竞品内容差距分析——封装成 Claude Code 可以直接加载和调用的技能单元。使用者不需要每次都写一大段 prompt 去教AI 怎么做营销而是让 AI 自己根据任务去匹配对应的 skill。这套东西适合谁我梳理了三类人第一类是独立站站长和跨境运营手里有站点但 SEO 做得稀碎想借助 AI 把基础优化批量做掉第二类是增长和内容营销从业者日常要产出大量结构化内容希望把重复劳动交给 Agent第三类是技术型营销人懂一点 Claude Code 的配置想把营销 SOP 沉淀成可复用的技能资产。如果你属于这三类中的任何一类接下来的内容值得你花时间看完。需要提前说明的是marketingskills本身是一个技能规范层面的项目它的价值高度依赖你对 Claude Code 的熟练程度。所以我会把 Claude Code 的安装配置、技能加载机制、以及营销技能的实际调用串起来讲而不是孤立地谈营销方法论——那样就变成空谈了。2. Claude Code 的安装与技能加载别在第一步就卡住2.1 安装路径的选择逻辑Claude Code 的安装方式有好几种官方推荐的是通过 npm 全局安装也有桌面版安装包。我实测下来如果你只是想在终端里快速跑起来npm 方式最省事npm install -g anthropic-ai/claude-code装完之后在项目目录下直接敲claude就能进入交互界面。但这里有个坑我必须提醒Node 版本低于 18 会直接报错而且报错信息往往很隐晦不会明确告诉你版本太低。我见过有人折腾半小时以为是网络问题最后发现是 Node 16。所以第一步先node -v确认版本这一步能省你很多时间。Windows 用户要特别注意热词里出现的由于与64位版本的windows不兼容是真实存在的问题。Claude Code 对 Windows 的原生支持一直比较别扭我的建议是优先用 WSL2在 WSL 里按 Linux 的方式装稳定性高一个档次。如果你非要在原生 Windows 上跑那就得确认你的系统架构和安装包匹配别下错了版本。Mac 用户相对省心brew或者 npm 都行。Ubuntu 用户直接 npm 全局装注意权限问题必要时加sudo或者配置 npm 的全局目录。2.2 VS Code 插件的配置要点很多人是在 VS Code 里用 Claude Code 的插件装完之后需要在设置里配置。这里的关键是认证方式和模型接入两块。认证方面官方账号登录是最顺的路径。但热词里提到的your organization has disabled claude subscription access这类提示通常出现在企业账号环境下——组织管理员关闭了订阅访问权限。遇到这种情况要么找管理员开权限要么走 API Key 的方式。模型接入是另一个高频问题。Claude Code 默认调用官方模型但很多人想接本地模型或者其他厂商的模型。热词里提到的调用 lmstudio 的本地模型、接入 deepseek、qwen、glm都属于这个范畴。实现方式一般是通过配置环境变量或者使用类似 cc switch 这样的切换工具把请求指向兼容 OpenAI 格式的第三方端点。这里我不展开具体配置因为不同工具的配置差异较大但核心逻辑是Claude Code 需要一个符合特定接口规范的 endpoint只要你的模型服务能提供这个接口理论上就能接。提示接入第三方模型时务必确认该模型支持工具调用function calling。Claude Code 的很多能力依赖工具调用如果模型不支持技能加载了也执行不了。2.3 技能目录的放置规则Claude Code 加载 skill 的方式是扫描特定目录。通常是在项目根目录下建一个.claude/skills或者类似的约定目录把 skill 定义文件放进去。marketingskills这类项目你 clone 下来之后需要把里面的技能文件按规范放到对应位置。这里有个容易忽略的细节skill 的命名和描述字段直接决定了 AI 会不会在合适的时机调用它。Agent Skills spec 里每个 skill 都有一个 name 和 descriptionClaude Code 会根据当前任务去匹配这些描述。如果你的 description 写得含糊比如只写营销相关那 AI 基本不会主动调用它。正确的做法是把触发场景写清楚比如当用户需要为独立站生成 FAQPage 结构化数据时使用。3. marketingskills 的核心技能拆解SEO 场景下的实际能力3.1 独立站谷歌 SEO 诊断技能独立站谷歌 SEO 是marketingskills里最实用的技能之一。它的工作逻辑不是泛泛地给你优化建议而是按照一套固定的诊断清单去逐项检查。我实际跑过一遍它大致会覆盖这几个维度页面标题和 meta 描述的长度与关键词布局、H 标签层级是否合理、内链结构是否存在孤岛页面、图片 alt 属性缺失情况、页面加载相关的技术信号、以及内容与目标关键词的匹配度。这些检查项听起来基础但真正能系统化做一遍的站点不到三成。这个技能的价值在于批量和一致。你手动检查一个页面可能要十分钟检查五十个页面就是大半天而且检查到后面注意力下降标准会漂移。交给 Agent 跑五十个页面几分钟出结果标准完全一致。不过我要泼一盆冷水这个技能的输出质量高度依赖你提供的输入质量。如果你只是丢一个首页 URL 给它它能分析的东西很有限。更好的做法是提供站点地图、目标关键词列表、以及竞品 URL这样它才能做对比分析而不是孤立地看你的站点。3.2 FAQPage 结构化数据的生成逻辑热词里谷歌seo的 faqpage 结构化数据是怎么回事出现频率很高说明这是很多人的知识盲区。简单说FAQPage 结构化数据是一种 Schema.org 标记告诉搜索引擎这个页面包含问答对。正确标记后搜索结果里可能会展示富媒体摘要点击率通常有提升。marketingskills里对应的技能做的不只是生成 JSON-LD 代码这么简单。它的完整流程是先从页面内容里抽取潜在的问答对再判断哪些问答对适合做成 FAQPage不是所有内容都适合然后生成符合规范的 JSON-LD最后给出嵌入位置的建议。这里有个实操心得FAQPage 的问答内容必须真实存在于页面上。有些人为了骗富媒体摘要在页面里藏了结构化数据但用户看不到对应内容这种做法一旦被判定为作弊后果比不做还严重。这个技能在设计上是遵守这个规则的它只从可见内容里抽取问答对不会凭空捏造。生成的 JSON-LD 大致长这样{ context: https://schema.org, type: FAQPage, mainEntity: [ { type: Question, name: 独立站做谷歌SEO需要多久见效, acceptedAnswer: { type: Answer, text: 通常需要三到六个月才能看到明显的自然流量增长具体取决于站点基础、内容质量和竞争程度。 } } ] }3.3 关键词意图分类与内容差距分析这个技能解决的是我该写什么内容的问题。它的逻辑是先把你手上的关键词按搜索意图分类信息型、导航型、商业调查型、交易型再对比竞品已经覆盖的内容找出你没覆盖但值得覆盖的缺口。意图分类这一步很关键因为不同意图的关键词需要不同类型的内容去承接。信息型关键词适合教程和指南交易型关键词适合产品页和对比页。如果你用产品页去承接信息型关键词排名上不去是正常的。内容差距分析则是把该写什么具体化。它会输出一个缺口列表标注每个缺口的优先级。优先级判断通常考虑三个因素搜索量、竞争难度、以及与你现有内容的相关性。这个排序逻辑比单纯看搜索量要合理得多。4. 把技能用起来从配置到产出的完整链路4.1 技能触发时机的控制技能装好了不代表就能用好。我踩过的一个坑是技能太多AI 反而不知道该用哪个。当你同时装了 SEO 诊断、内容生成、关键词分析好几个技能给一个模糊指令比如帮我优化网站AI 可能会随机挑一个技能执行结果不是你想要的。解决办法是在指令里明确任务边界。不要说优化网站而要说用 SEO 诊断技能检查这个页面的标题和 meta 描述。指令越具体技能匹配越准确。另一个技巧是利用 Claude Code 的上下文。如果你在对话开始时就把站点信息、目标关键词、竞品列表喂进去后续调用技能时它就能直接使用这些上下文不需要你反复提供。4.2 输出结果的验证与修正AI 生成的营销内容我的原则是必须人工过一遍。不是不信任 AI而是营销这件事有太多只可意会的判断AI 很难完全把握。举个具体例子FAQPage 技能生成的问答对语法和结构都没问题但有时候问法不符合真实用户的搜索习惯。用户搜的是独立站 SEO 多久见效AI 生成的是独立站进行谷歌 SEO 优化通常需要多长时间才能观察到效果——意思一样但前者更接近真实搜索词。这种细微差别需要你基于对用户的了解去修正。我的做法是把 AI 的输出当作初稿重点看它的结构和覆盖度然后在措辞上做本地化调整。这样效率比从零写高得多质量又比纯 AI 输出好。4.3 批量任务的编排思路marketingskills真正的威力在批量场景。比如你有五十个产品页要做 FAQPage 结构化数据一个个手动跑效率太低。这时候可以写一个简单的脚本把页面 URL 列表喂给 Claude Code让它循环调用技能。但批量执行有个风险中间某个页面出错可能导致整个批次中断。所以脚本里要做好错误处理单个页面失败就跳过并记录不要让它拖垮整个任务。另外批量输出的结果建议存成结构化文件比如 JSON 或 CSV方便后续导入 CMS。5. 实操中那些文档不会告诉你的坑5.1 模型能力对技能效果的隐性影响同一个技能用不同的模型跑效果差异可能很大。我对比过官方模型和几个第三方模型在 SEO 诊断技能上的表现差距主要体现在对模糊情况的判断上。比如一个页面的标题长度处于临界值官方模型会给出略长建议精简的判断而某些小模型可能直接判定为合格。这不是说第三方模型不能用而是你要知道技能的效果上限由模型能力决定。如果你的任务对判断精度要求高就别在这上面省钱。5.2 技能定义的版本管理marketingskills这类项目会持续更新技能定义可能会变。如果你直接 clone 到项目里用更新时容易覆盖掉你自己的修改。我的建议是把技能定义纳入版本管理用 git submodule 或者单独的仓库来管理这样既能跟进上游更新又能保留自己的定制。5.3 别指望技能解决策略问题这是我最想强调的一点。marketingskills解决的是执行层面的问题——怎么生成结构化数据、怎么诊断页面、怎么分类关键词。但该不该做独立站、目标市场选哪个、内容策略怎么定这些策略问题技能帮不了你。我见过有人把技能当万能药指望装上一套 skill 就能把 SEO 做起来。结果技能跑了一堆站点该没流量还是没流量。原因很简单技能是放大器不是发动机。你的策略方向对了技能帮你放大效率方向错了技能只是帮你更快地做错事。6. 关于这套技能组合的长期价值判断用了一段时间marketingskills之后我对它的定位有了更清晰的认识它不是替代营销人的工具而是把营销人从重复劳动里解放出来的工具。那些需要判断力、需要理解用户、需要做取舍的部分依然得人来干。从趋势上看Agent Skills 这种把领域知识封装成可调用单元的模式大概率会成为 AI 应用落地的主流形态之一。marketingskills在营销领域的探索价值不在于它现在有多完善而在于它示范了一种思路领域专家把自己的方法论写成 skillAI 负责执行专家负责判断和优化。如果你现在就想上手我的建议是从一个具体的小场景开始比如先只做 FAQPage 结构化数据这一个技能跑通完整链路理解技能加载、触发、输出、验证的全过程再逐步扩展到其他技能。一上来就全套上很容易因为某个环节没配好而卡住最后放弃。最后分享一个我自己的习惯每次用技能产出内容后我会记录下哪些输出直接可用、哪些需要大改、哪些完全不能用。积累一段时间后你就能摸清这套技能在你具体业务场景下的能力边界知道什么任务可以放心交给它什么任务必须自己来。这个边界感比任何配置技巧都重要。