企业官网建设流程全解析

1. 从“marketingskills”说起：一个被低估的AI技能包到底解决什么问题

第一次看到marketingskills这个词，很多人会下意识以为是某个营销课程或者SaaS工具的名字。但如果你最近在折腾 Claude Code、AI agents 或者 Agent Skills spec 这套东西，就会明白它其实是一份面向营销场景的 Agent 技能定义集合——说白了，就是把“一个合格营销人该会的活儿”拆成一条条可被 AI agent 调用的技能指令，让 Claude Code 这类工具在跑营销任务时不再瞎编，而是按套路出牌。

我自己是从去年开始重度使用 Claude Code 做内容自动化和 SEO 分析的，踩过的最大坑就是：模型本身很聪明，但你让它写一篇落地页文案，它给你的东西永远“正确但没用”——没有关键词布局、没有结构化数据、没有转化路径设计。后来接触到 Agent Skills spec 这套规范，才意识到问题的根源不在模型，而在于你没有把领域知识以技能的形式喂给它。marketingskills就是干这个的。

它适合谁？三类人：一是做独立站、靠谷歌SEO吃饭的站长和运营；二是想把营销流程部分交给 AI agent 的中小团队负责人；三是单纯对 Claude Code 感兴趣、想搞明白“技能包”到底怎么落地的人。这篇文章我会从设计思路、核心技能拆解、实操配置到常见坑，完整讲一遍，你能直接抄作业。

2. 核心设计思路：为什么营销要被拆成“技能”而不是“提示词”

2.1 提示词和技能的本质区别

大部分人用 AI 做营销，停留在“写提示词”阶段：打开对话框，敲一段“你是一个资深SEO专家，请帮我写一篇关于XX的文章”。这种方式的问题在于，提示词是一次性的、不可复用的、无法组合的。你今天写一段，明天换个任务又得重写，而且模型每次理解的角度都不一样，输出质量飘忽不定。

Agent Skills spec 的思路完全不同。它把一项能力定义成一个有明确输入输出、有触发条件、有执行步骤的模块。打个比方，提示词像是你临时给员工口头交代一件事，技能则是写进员工手册的标准作业流程（SOP）。前者靠临场发挥，后者靠制度保障。

marketingskills里的每一个技能，本质上就是一份结构化的 SOP。比如“关键词研究”这个技能，它会明确规定：输入是种子词和地域，输出是带搜索意图分类的词表，执行时要先做竞品词挖掘、再做长尾扩展、最后按意图分组。Claude Code 读到这份技能定义后，就会按这个流程走，而不是随机发挥。

2.2 为什么营销场景特别需要技能化

营销这个领域有个特点：它既需要创意，又极度依赖流程和规范。一篇好的落地页，文案可以天马行空，但关键词密度、H标签结构、结构化数据、内链布局这些是硬性要求，差一点都不行。纯靠模型自由发挥，创意部分可能还行，规范部分必然翻车。

我实测过一个对比：同样让 Claude Code 写一篇产品页，不给技能包的情况下，它写出来的东西读起来很顺，但完全没有 FAQ 结构化数据，关键词也是随缘分布；加载了marketingskills之后，它会主动按“标题含主关键词、H2覆盖长尾词、文末生成FAQPage schema”这套流程走。差别不是模型能力，而是有没有把行业规范固化成技能。

2.3 技能包的可组合性才是杀手锏

单个技能价值有限，marketingskills真正厉害的地方在于技能之间可以串联。一个完整的独立站内容生产流程，可以拆成：关键词研究 → 搜索意图分析 → 内容大纲生成 → 正文撰写 → SEO优化 → 结构化数据注入 → 内链建议。每一步都是一个独立技能，前一步的输出是后一步的输入，串起来就是一条自动化流水线。

这种设计的好处是，你可以只替换其中一环。比如你觉得大纲生成这块想用自己的模板，那就只改那一个技能文件，其他不动。这比改一整段巨型提示词要清爽得多，也更符合工程化思维。

3. 核心技能拆解：marketingskills 里到底装了哪些干货

3.1 关键词与搜索意图技能

这是整个技能包的地基。它包含两个核心技能：keyword-research和search-intent-classifier。前者负责从种子词出发，扩展出长尾词、竞品词、问题词；后者负责把词按意图分成四类：信息型（informational）、导航型（navigational）、商业调研型（commercial）、交易型（transactional）。

为什么要分意图？因为不同意图的词，对应的内容形态完全不同。信息型词适合写教程和科普，交易型词适合写产品页和对比页。如果你把交易型词拿去做科普内容，转化率会低得可怜。我见过太多独立站犯这个错，用“best XX”这种商业词去写一篇纯介绍文章，流量来了但一单不出。

技能定义里会明确要求 Claude Code 输出一个表格，包含关键词、月搜索量区间、意图分类、建议内容类型。这个表格直接就是后续内容规划的输入。

3.2 内容结构与SEO技能

这块包含content-outline、on-page-seo和schema-markup三个技能。content-outline负责根据关键词和意图生成文章骨架，规定 H1 必须含主词、H2 覆盖长尾、每个 H2 下至少三个支撑点。on-page-seo负责检查标题长度、meta description、关键词密度、内链外链比例。schema-markup则是重头戏，专门处理结构化数据。

说到结构化数据，最近问得最多的就是谷歌SEO的 FAQPage 结构化数据到底怎么回事。简单讲，它是一段 JSON-LD 代码，告诉谷歌“这个页面里有问答对”。谷歌在搜索结果里可能会把这些问答直接展示出来，占据更多版面，点击率自然上去。但要注意，谷歌现在对 FAQ 富媒体结果的展示收紧了，不是什么页面都能触发，通常要求问答内容真实、页面本身有权威性。marketingskills里的schema-markup技能会生成符合规范的 JSON-LD，但是否被展示最终还是谷歌说了算，这点心态要放平。

3.3 转化与文案技能

landing-page-copy、cta-optimizer、email-sequence这三个技能偏向转化侧。landing-page-copy会按 AIDA（注意-兴趣-欲望-行动）或者 PAS（问题- agitation-解决）框架生成文案，并且强制要求每个段落都要有明确的下一步引导。cta-optimizer专门优化行动号召按钮的文案和位置，它会给出多个变体供A/B测试。email-sequence则负责生成欢迎邮件、弃购挽回、复购提醒这类序列。

这里有个实操心得：CTA文案不要用“提交”“了解更多”这种废话。技能包里默认会避免这类词，改用“获取我的专属方案”“看看别人怎么做的”这种带具体收益的表达。我测过，同样的落地页，光换CTA文案，转化率能差出30%以上。

3.4 技能之间的依赖关系

这些技能不是孤立的，它们有明确的依赖链。keyword-research的输出喂给search-intent-classifier，分类结果喂给content-outline，大纲喂给landing-page-copy，成稿再喂给on-page-seo和schema-markup做最后处理。理解这条链，你才能知道出问题时该去查哪个环节。

4. 实操落地：把 marketingskills 跑起来

4.1 环境准备与 Claude Code 安装

先解决工具问题。Claude Code 是 Anthropic 出的命令行 AI 编程助手，但它其实能干很多非编程的活，包括跑营销技能。安装方式按系统分：

macOS 和 Ubuntu 用户，最省事的是用 npm 全局安装：

npm install -g @anthropic-ai/claude-code

装完之后在终端敲claude就能启动。Windows 用户要注意，Claude Code 目前对 64 位 Windows 的兼容性有坑，官方推荐用 WSL2（Windows Subsystem for Linux）来跑，直接在 PowerShell 里装经常会遇到路径和权限问题。我自己的做法是 Ubuntu 虚拟机 + VS Code 远程连接，稳得很。

VS Code 用户可以直接装Claude Code for VS Code插件，在编辑器里就能调用。配置的时候需要填 API key，如果你用的是官方订阅，登录账号即可；如果想接第三方模型或者本地模型，就得走 API 方式。

提示：安装过程中如果遇到 “your organization has disabled claude subscription access” 这类提示，通常是账号权限或地区限制问题，检查一下账号状态和网络环境配置。

4.2 加载 marketingskills 技能包

技能包的本质是一堆 Markdown 或 JSON 格式的技能定义文件，放在项目目录下的特定文件夹里（通常是.claude/skills/或类似路径，具体看你的 Claude Code 版本）。每个技能一个文件，文件名就是技能名。

加载方式有两种：一是把技能文件直接放进项目目录，Claude Code 启动时会自动扫描；二是在对话里显式引用，比如“使用 keyword-research 技能处理以下种子词”。前者适合固定流程，后者适合临时调用。

我建议按项目建技能目录，不同项目用不同技能组合。比如做独立站的目录里放全套营销技能，做代码项目的目录里只放代码相关技能。这样 Claude Code 不会加载一堆用不上的东西，响应也更快。

4.3 一个完整的内容生产流程演示

假设我要给一个卖咖啡豆的独立站生产一篇“如何挑选咖啡豆”的文章。流程是这样的：

第一步，调用keyword-research，输入种子词“coffee beans”，地域选美国。技能会输出一张词表，包含“how to choose coffee beans”“best coffee beans for espresso”“coffee bean roast levels”等，并标注搜索量和意图。

第二步，把信息型词喂给content-outline，生成大纲。大纲会规定 H1 是“How to Choose Coffee Beans: A Complete Guide”，H2 包括“Understanding Roast Levels”“Matching Beans to Brewing Method”“Freshness Matters”等。

第三步，把大纲喂给landing-page-copy（这里其实用的是内容撰写模式），生成正文。技能会强制要求每个 H2 下至少 200 字，并且自然嵌入长尾词。

第四步，成稿喂给on-page-seo做检查，它会指出标题过长、某段关键词密度过高、缺少内链等问题。

第五步，喂给schema-markup，生成 FAQPage 的 JSON-LD 代码，插到页面底部。

整套流程跑下来，从种子词到可发布的内容，大概十几分钟。当然，AI 生成的内容必须人工过一遍，尤其是事实性信息和品牌调性，不能直接发。

4.4 参数配置与模型选择

Claude Code 默认用 Anthropic 的模型，但你也可以接第三方 API 或者本地模型。比如用cc switch这类工具切换到 DeepSeek、Qwen、GLM 等模型。这里要注意，不同模型对技能定义的理解能力差异很大。我实测下来，处理结构化技能这种任务，能力强的模型明显更靠谱，小模型经常漏掉技能里的约束条件。

如果要用本地模型，比如通过 LM Studio 跑一个开源模型，配置时要在 Claude Code 的设置里指定 API 端点。本地模型的好处是数据不出本地，适合处理敏感内容；坏处是速度和能力通常不如云端模型。我的建议是：技能开发和调试阶段用云端强模型，批量生产阶段可以考虑本地模型降本。

5. 常见问题与排查技巧实录

5.1 技能不生效怎么办

最常见的情况是技能文件放错位置，或者格式不对。Claude Code 对技能文件的格式有要求，通常是带 frontmatter 的 Markdown。检查三件事：文件是否在正确的技能目录、frontmatter 里的 name 和 description 是否填写、文件编码是否是 UTF-8。我踩过一次坑，文件是从 Windows 记事本存的，带了 BOM 头，导致解析失败，排查了半天。

5.2 输出质量不稳定

同一个技能，有时候输出很好，有时候一塌糊涂。原因通常是输入不够明确。技能定义再详细，也架不住你给一个模糊的输入。比如关键词研究，你只给一个“coffee”，它扩展出来的词可能很泛；你给“specialty coffee beans for pour over”，输出就精准得多。所以，把技能当成函数，输入越规范，输出越稳定。

5.3 结构化数据不展示

生成了 FAQPage 的 JSON-LD，但谷歌搜索结果里没显示问答。这不是代码写错了，而是谷歌的展示策略问题。谷歌会综合评估页面权威性、内容质量、用户意图匹配度来决定是否展示富媒体结果。你能做的是确保代码符合规范、问答内容真实有价值，剩下的交给时间和权重积累。别为了触发富媒体硬凑问答，那样反而可能被判定为低质内容。

5.4 常见问题速查表

5.5 几个独家避坑技巧

第一，技能定义要短而精。我一开始把技能写得特别长，恨不得把所有营销知识都塞进去，结果模型反而抓不住重点。后来精简到每个技能只保留最核心的 3-5 条规则，效果明显变好。

第二，给技能加示例。在技能定义里放一两个输入输出的例子，模型理解起来快得多。这就像给新员工看样板文件，比纯文字描述管用。

第三，版本管理。技能包是要迭代的，今天觉得这条规则好，明天可能发现有问题。用 Git 管理技能目录，每次改动都有记录，出问题能回滚。我吃过没做版本管理的亏，改崩了想恢复都找不到旧版本。

6. 技能包的扩展与个人化改造

marketingskills是个起点，不是终点。真正让它发挥价值的，是结合你自己的业务做改造。比如你做的是 B2B SaaS，那关键词研究的重点就不是长尾消费词，而是行业术语和解决方案词；你做的是本地服务，那地域词和“near me”类词的权重就要调高。

改造的方法很简单：复制一份技能文件，改里面的规则和示例。比如把keyword-research里的意图分类标准改成适合你行业的版本，或者在content-outline里加入你品牌特有的内容框架。改完之后在项目里测试，对比输出质量，好的留下，不好的继续调。

我自己的做法是维护一个“基础技能包”和一个“项目技能包”。基础包放通用规则，项目包放定制规则，项目包优先级更高。这样既复用了通用能力，又保留了灵活性。

另外，技能包还能和飞书这类协作工具打通。比如把 Claude Code 生成的内容草稿自动推到飞书文档，团队在飞书里审阅和批注，改完再回传。这套流程我搭过，虽然要写点胶水代码，但跑通之后内容生产效率提升很明显。核心思路就是让 AI 干重复劳动，让人干判断和创意，分工明确，谁也不耽误谁。

最后分享一个我自己的体会：技能包这东西，价值不在于多，而在于精和用。我见过有人收集了几十个技能，结果一个都没跑顺。不如先把三五个核心技能吃透，跑通一条完整流程，再慢慢扩展。营销这件事，流程跑通了，剩下的就是持续优化和积累，急不来。