当 AI Agent 学会营销：43 个 Skill 如何把"首席营销官"装进 Markdown

项目：coreyhaines31/marketingskills · 139 stars/day · TypeScript/Markdown
作者：Corey Haines（SaaS 营销圈老人，Conversion Factory 创始人）
许可证：MIT

一个营销人为什么在写"代码"

Corey Haines 不是程序员。他是 SaaS 营销圈的老人，做过 Growth、做过 Copywriting、做过 Conversion Optimization。但他最近干了一件奇怪的事：把 43 个营销技能写成 Markdown 文件，放进一个 GitHub 仓库，让 AI Agent 能像加载函数一样加载它们。

这个仓库叫 marketingskills。它不是代码库——没有 .py、没有 .ts、没有可执行文件。它是一堆 .md 文件，每个文件描述一个营销任务的最佳实践：怎么做 A/B 测试、怎么写冷邮件、怎么做 SEO 审计、怎么降低流失率。

但当你把这些 .md 文件丢给 Claude Code、Codex 或 Cursor 时，AI Agent 会自动识别"哦，你在做营销任务"，然后加载对应的技能文件，按照文件里描述的框架和流程来帮你工作。

这听起来像是一个营销人在玩技术。但它实际上揭示了一个更深的趋势：知识正在变成可执行的代码。

01. Skill 不是文档，是"可加载的专业知识"

传统营销知识存在三个地方：书籍（系统但过时）、博客（新鲜但碎片化）、课程（结构化但昂贵）。它们有一个共同问题：知识是死的，需要人来读取、理解、应用。

Skill 改变了这一点。一个 Skill 文件不是给人读的教程，而是给 AI Agent 加载的"专业知识模块"。它包含：

• 触发条件：什么时候应该激活这个技能（"当用户想做 A/B 测试时..."）
• 工作流程：按什么步骤执行（"先确认假设→确定指标→设计变体→设置统计功效→..."）
• 依赖关系：需要先加载哪些其他技能（"先读 product-marketing 了解产品定位"）
• 参考数据：行业基准、最佳实践、检查清单

这和传统代码库的"函数"概念惊人地相似。函数有输入、输出、调用条件、依赖关系。Skill 也有：输入是用户意图，输出是营销方案，调用条件是触发条件，依赖是 Related Skills。

Skill 是用自然语言写的函数，AI Agent 是运行它的解释器。

这个类比的力量在于：它意味着营销知识可以被"模块化"、"版本化"、"组合"——所有软件工程的好东西都可以应用到知识管理上。

02. 依赖树：product-marketing 是根节点

仓库里最有意思的设计不是 43 个技能本身，而是它们之间的依赖关系。README 里有一张架构图，画出了所有技能的调用关系：

                    product-marketing（根节点）
                           |
    +------+------+-------+-------+------+------+
    |      |      |       |       |      |      |
  SEO    CRO    Copy   Paid Ads  Growth  Sales  Strategy
  内容   转化   文案   付费投放   留存    销售    策略

每个技能在执行前，都会先读 product-marketing 技能。为什么？因为你不能在不知道产品是什么、卖给谁、定位是什么的情况下做 SEO、写文案、设计 A/B 测试。

这和人类营销团队的工作方式完全一致。你不会让一个 SEO 专家在不了解产品的情况下去做关键词优化。但在 AI Agent 出现之前，这种"先理解产品再做营销"的流程需要人来保证——你需要一个营销总监来协调。

现在，product-marketing 技能就是这个营销总监。它定义了产品、受众、定位、差异化，然后所有其他技能在开始工作前都会先读取这些信息。

这不是一个技能集合，是一个有根节点的知识树。

跨域类比：这和软件架构里的"依赖注入"是同一个模式。product-marketing 是全局上下文，其他技能是消费者。在 Spring 里是 @Autowired，在 React 里是 Context.Provider，在 marketingskills 里是 product-marketing skill。

03. 交叉引用：技能之间的知识图谱

更有意思的是技能之间的横向引用。README 里列出了几条交叉引用关系：

copywriting ↔ CRO ↔ A/B testing
revops ↔ sales-enablement ↔ cold-email
SEO-audit ↔ schema ↔ AI-SEO
customer-research → copywriting, CRO, competitors

这不是简单的"相关阅读"链接。这是技能之间的运行时调用关系。当你做 copywriting 时，技能会告诉 Agent："如果涉及转化率优化，先加载 CRO 技能；如果涉及实验设计，先加载 A/B testing 技能。"

这形成了一个知识图谱——不是静态的"相关文章推荐"，而是动态的"执行时依赖解析"。

在传统营销知识体系里，这种交叉引用需要人脑来完成。一个营销人做完 SEO 审计后，需要自己想到"这和 AI-SEO 有关吗？需要更新 schema 吗？"——这依赖个人的经验和记忆力。

Skill 把这种"人脑里的关联"外化成了文件里的显式声明。知识不再是孤岛，是网络。

这个设计有一个深远的影响：当技能之间的依赖关系被显式声明后，AI Agent 可以做"知识图谱遍历"。你问它"帮我优化落地页"，它会自动遍历：copywriting → CRO → A/B testing → analytics → attribution，把整条链路上的技能都加载进来。

人类营销总监靠经验做这件事。AI Agent 靠依赖图做同一件事。区别在于：AI Agent 不会忘记某条依赖，也不会因为偷懒而跳过它。

04. Verified Partners：开源知识的变现模型

仓库是 MIT 许可证，完全免费。但有一个"Verified Partners"机制：Converly（转化追踪）和 Ploy（AI 营销平台）被列为"验证合作伙伴"，它们的集成指南和推荐工具一起出现在技能文件里。

README 里有一段很坦诚的说明：

The library is free and MIT-licensed. Verified Partners fund the work — vetted, disclosed tool integrations, listed alongside the neutral options and never influencing what the core skills recommend.

翻译：库免费，合作伙伴付费。但合作伙伴的推荐不影响核心技能的内容。

这是一个很聪明的开源变现模型。传统的开源变现靠"企业版"、"托管服务"、"咨询"。marketingskills 开辟了第三条路：知识免费，工具推荐收费。

类比：这像 npm 包的"sponsor"按钮，但更结构化。npm 的 sponsor 是"给你钱"的慈善行为，Verified Partners 是"你推荐我，我给你钱"的商业交易。但关键在于——技能文件本身保持中立，推荐的是"类别"而非"品牌"。

这个模式能不能持续？取决于两件事：

1. 社区是否信任推荐的中立性（"验证合作伙伴"是否真的验证过）
2. 合作伙伴的转化率是否足够高（如果没人点，合作会终止）

但作为一个"知识开源"的变现实验，它值得观察。

05. Magister：当 AI Agent 成为 CMO

README 里藏着一个链接：Magister。描述是："Want an autonomous AI agent that uses these skills to be your CMO? Try Magister."

翻译：想要一个用这些技能的自主 AI Agent 来当你的首席营销官？试试 Magister。

这不是空话。Magister 是一个基于这些技能构建的"自主营销 Agent"——它不只是帮你做营销任务，它自己决定做什么营销任务。

这和"AI 写代码"有本质区别。AI 写代码时，人决定写什么，AI 决定怎么写。Magister 是：AI 决定写什么、怎么写、什么时候写。

这是从"AI 作为工具"到"AI 作为角色"的跃迁。

在 coding 领域，这个跃迁还没发生——Claude Code、Cursor、Copilot 都是"人指挥，AI 执行"。但在营销领域，Corey Haines 已经在尝试让 AI 自己当 CMO 了。

为什么营销领域比 coding 领域更早实现这个跃迁？因为营销任务的反馈循环更短、更量化。代码写得好不好，需要 code review、需要测试、需要部署。营销方案好不好，看转化率、看 CTR、看 CAC——这些指标天然就是 AI Agent 的奖励信号。

所以营销可能是 AI Agent 从"工具"变成"角色"的第一个领域。marketingskills 提供知识，Magister 提供决策，转化率提供奖励信号。三者合一，就是一个完整的"AI CMO"系统。

06. 更大的图景：垂直技能库的崛起

marketingskills 不是唯一一个"技能库"。GitHub Trending 上最近反复出现同类项目：

• obra/superpowers：通用 Agent 技能框架
• mattpocock/skills：工程技能
• DietrichGebert/ponytail：代码精简哲学
• coreyhaines31/marketingskills：营销技能

但 marketingskills 有一个独特之处：它是垂直的，不是水平的。其他技能库试图覆盖"所有领域"，marketingskills 只做营销。

垂直的好处是深度。43 个营销技能覆盖了从 SEO 到 CRO 到流失预防的完整链条，每个技能都有详细的框架、检查清单、行业基准。水平技能库做不到这个深度——它们只能提供通用的工作流程。

这和 SaaS 行业的"垂直 vs 水平"之争是同一个模式。Salesforce 是水平 CRM，Veeva 是垂直医药 CRM。水平赢在覆盖面，垂直赢在深度。技能库也在走同一条路。

预测：未来会出现 legal-skills（法律）、finance-skills（财务）、hr-skills（人力资源）——每个专业领域都有自己的技能库，每个技能库都有完整的依赖树和交叉引用。

知识的专业化分工，正在从"人"迁移到"文件"。

结语：知识工程的费曼时刻

Richard Feynman 有一句名言："如果你不能用简单的话解释它，你就没有真正理解它。"

marketingskills 做的事情，是这句话的工程化版本：如果你不能把一个营销技能写成 Markdown 文件让 AI 执行，你就没有真正理解这个技能。

把隐性知识显性化，把显性知识结构化，把结构化知识可执行化——这是知识工程的三个阶段。marketingskills 处在第三阶段：知识不只是被组织了，它被"运行"了。

当 43 个营销技能在 AI Agent 里跑起来的时候，它们不再是 43 篇文章。它们是一个营销团队的集体智慧，被编码、被版本化、被组合——然后被一个 AI Agent 调用。

Corey Haines 不是在写文档。他是在把"营销总监"这个角色，一行一行地翻译成机器能读的语言。

项目地址：github.com/coreyhaines31/marketingskills
作者：Corey Haines（Conversion Factory 创始人）
许可证：MIT
配套项目：Magister（基于这些技能的自主营销 Agent）