企业官网建设流程全解析

ai-marketing-skills Autoresearch 深度解析：Karpathy启发的50+变体进化优化循环

【免费下载链接】ai-marketing-skillsOpen-source AI marketing skills — growth experiments, sales pipeline, content ops, outbound, SEO, and finance automation项目地址: https://gitcode.com/gh_mirrors/ai/ai-marketing-skills

ai-marketing-skills开源项目中有一个非常实用的技能模块 ——Autoresearch，它把 Karpathy 启发的"自主研究循环"搬到了营销文案优化上：自动批量生成 50+ 个文案变体、用模拟的 5 人专家评审团打分、再对胜出者持续进化，几分钟内帮你把落地页、邮件、广告语的转化质量推向 85 分以上，完全不需要真实流量和 A/B 测试基建。

什么是 Autoresearch？为什么需要它

传统做法：写一版文案 → 上线 → 等流量 → 跑 A/B 测试 → 几周后看数据。

Autoresearch 的做法：

生成 10 个变体 → 5 位专家评审打分 → 保留 Top 3 进化 → 交叉育种 → 输出最优版本

它的核心思想来自 Andrej Karpathy 提出的autoresearch 概念——让 AI 自主执行"生成 → 评估 → 进化"的迭代循环。Autoresearch 把这个模式从 ML 实验迁移到转化型内容（landing page、邮件序列、广告文案、表单页）上。

🎯 定位很清晰：上线前用它把模拟分数打到 85+，再部署、再用真实流量验证。它不替代真实 A/B 测试，而是帮你把"能上"的底线拉高。

50+ 变体进化循环：4 步走完全拆解

Autoresearch 的进化循环是整套方法的灵魂，每个内容元素（标题、副标题、CTA 等）都会独立经历以下 4 个阶段：

第 1 步：批量生成 10 个变体

模型不是简单换词，而是刻意变换策略角度：有的直击痛点、有的用好奇心钩子、有的用数据说话、有的打情感牌。默认每轮 10 个变体，可通过--variants调高。

第 2 步：5 位模拟专家打分

这是最有趣的部分。每个变体都会交给 5 位"虚拟评委"，每人 0–100 分，最终得分 = 5 人平均分：

第 5 位评委可自定义——在references/founder-voice.md里描述你自己的表达风格，整个评审团就会带上你的"老板视角"。

💡效率细节：一整轮 10 个变体的打分只会发起1 次 API 调用（批量评分），成本可控、速度飞快。

第 3 步：进化 Top 3（循环核心）

• 按平均分排序，只保留前 3 名
• 分析"它们做对了什么"，把胜出模式写成进化笔记
• 下一轮基于这些笔记沿胜者方向继续推，而不是随机再来 10 个
• 如果第 3 轮仍未达标，会定位最弱的评分维度（比如"信任感"低），专门针对它生成变体

第 4 步：交叉育种（Cross-Breed）

单个元素各自选出胜者后，再把各元素的 Top 1 组合成完整内容单元，生成 5 个整体组合版本、整体打分，选出最终最优组合。

停止条件：最高分达到阈值（默认 80）或跑满 3 轮即停。10 变体 × 3 轮 × 5 个元素，就是 50+ 变体的由来。

一键安装与快速上手

环境要求

• Python 3.10+
• 一个 Anthropic API Key（环境变量ANTHROPIC_API_KEY）
• 依赖仅一个包：anthropic（见 autoresearch/requirements.txt）

三步运行

# 1. 获取项目 git clone https://gitcode.com/gh_mirrors/ai/ai-marketing-skills cd ai-marketing-skills/autoresearch pip install -r requirements.txt # 2. 配置 API Key export ANTHROPIC_API_KEY="your-api-key-here" # 3. 运行优化器 python3 autoresearch.py --input landing-page.html --type landing_page --min-score 85

跑完后查看结果：

cat data/landing-page-optimization-report.md

常用参数速查

它能优化什么？4 类内容与评分维度

不同内容类型有不同的优化元素和评分维度，这套"评分量表"正是打分的依据：

源码中这四套配置定义在 autoresearch/autoresearch.py 的CONTENT_TYPES里，想扩展新内容类型（比如社媒帖）从这里入手即可。

质量门禁：多少分才敢上线？

Autoresearch 内置了一套非常干脆的"发货标准"：

📌 一个很反直觉但重要的提示：3 轮后还不到 80 分，多半是策略问题（定位错了），不是措辞问题。此时继续堆轮次没有意义。

一次运行输出 3 个文件

每次运行都会产出完整可追溯的结果：

实验日志的 JSON 结构（含 run_id、每轮 top_3、最终 winner）定义在 autoresearch/SKILL.md 中，方便接入你自己的分析流程。

避坑指南：作者列出的 4 个反模式

来自 autoresearch/SKILL.md 的官方"不要做"清单，都是实战教训：

1. 永远不要一个变体调一次 API——必须批量，10 个变体 = 1 次调用
2. 不要过度优化单一维度——清晰度 95 分但信任感只有 45 分，总分是失真的
3. 不要跑超过 5 轮——3 轮不达标说明是定位问题，不是用词问题
4. 不要在元素还没各自胜出前就交叉育种——过早组合只会产出不协调的缝合怪

项目文件导航

想深入 Autoresearch 模块，推荐按这个顺序阅读：

• 完整方法论与执行协议：autoresearch/SKILL.md
• 快速上手与配置说明：autoresearch/README.md
• 核心优化脚本（变体生成 → 批量打分 → 进化 → 交叉育种）：autoresearch/autoresearch.py
• Python 依赖：autoresearch/requirements.txt

Autoresearch 是 ai-marketing-skills 中最能体现"AI 自主优化"思想的模块：用模拟专家团替代真实流量做早期筛选，用进化循环替代人工反复改稿。如果你正在做落地页、冷启动邮件或广告素材，值得花 10 分钟跑一轮，看看你的文案离 85 分还有多远。🚀

【免费下载链接】ai-marketing-skillsOpen-source AI marketing skills — growth experiments, sales pipeline, content ops, outbound, SEO, and finance automation项目地址: https://gitcode.com/gh_mirrors/ai/ai-marketing-skills