你有没有这种感觉——AI 工具越来越多，但真正用到业务上时，还是不知道让它帮你干点啥？

写代码有 Copilot，做设计有 Midjourney，但一到营销、增长、转化率优化这些「非标准化」的活儿，AI 就帮不上忙了。

今天要聊的这个项目，可能会改变这个局面。

项目是什么

marketingskills 是一套给 AI 编程助手（如 Claude Code、Cursor、Windsurf）用的「营销技能包」。

它把营销工作拆成了几十个具体的 skill（技能），每个 skill 都是一个 Markdown 文件。当你告诉 AI 你想做什么（比如「帮我做个 A/B 测试」「写一封冷启动邮件」「优化一下落地页」），AI 就会自动调用对应的 skill，把行业最佳实践喂给它。

比如：

• SEO & 内容：seo-audit、ai-seo、schema-markup
• 转化率优化：page-cro、signup-cro、form-cro
• 付费广告：ad-creative、ab-test、analytics
• 销售赋能：cold-email、revops、sales-enablement
• 增长 & 留存：referral、churn-prevent、community

核心思路是：让 AI 不是凭空猜测怎么做事，而是调用一个经过验证的营销专家知识库。

解决什么问题

现在 AI 很强，但有一个致命问题——它不懂你的业务上下文。

你让它写一封营销邮件，它能写得文采斐然，但它不知道：

• 你的产品是卖给谁的
• 你的定价策略是什么
• 你的竞争对手有哪些
• 你的品牌调性该怎么把握

marketingskills 的做法是：先让 AI 读取你的 product-marketing-context（产品营销上下文），再让它调用具体技能。 这个上下文文件就是整个技能体系的基础，所有 skill 都会先读取它。

这样做的好处是，AI 不再是「通用万能但没深度的助手」，而是一个「懂你业务、懂你行业」的营销专家。

GitHub 数据

增长非常稳健，而且可持续。

值得关注的点

1. Agent Skills 标准的成功案例

这个项目用的是 Agent Skills spec^[1]——一个开放的标准，让不同 AI 工具（Claude Code、Cursor、Windsurf、Codex）都能复用同一套技能。如果这个标准普及，AI Agent 的生态会变得更丰富。

2. 技能体系的「可组合性」

skill 之间不是孤立的，而是互相引用的。比如：

• copywriting ↔ page-cro（文案和落地页优化联动）
• seo-audit ↔ schema-markup（SEO 和结构化数据联动）
• customer-research → copywriting（用户研究驱动文案）

这种设计让技能像乐高一样可以拼接，扩展性极强。

3. 作者的背景值得深挖

作者 Corey Haines^[2] 是 SaaS 圈的老炮，之前做 Swipe Files^[3]（一个很火的营销案例库），后来做了 Conversion Factory^[4]（转化率优化 agency），现在又做了这个 AI 技能库。

他本身就是一个「用内容 + 产品做增长」的典型案例。

个人启发

看到这个项目，我脑子里冒出一个想法：

「prompt engineering 的下一阶段，不是更好的 prompt，而是更好的知识库。」

与其教 AI 怎么做事，不如给它一套「专家知识」。让 AI 读取一个上下文文件，就能变成你业务领域的专家，这才是真正有价值的 AI 落地方式。

如果你在做一个 SaaS 产品，或者做增长相关的工作，这个项目值得 Star & 关注。

引用链接