尧图网站建设 
ai-marketing-skills 专家团评测7-10位AI领域专家递归打磨内容直到90分【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-skillsai-marketing-skills是一个开源的 AI 营销技能库Open-source AI marketing skills覆盖增长实验、销售管道、内容运营、SEO、财务自动化等场景。其中最硬核的玩法是 content-ops 模块的专家团评测Expert Panel系统自动组建 7–10 位 AI 领域专家对你的文案、落地页、策略文档打分然后递归迭代修改直到平均分达到 90 才放行。这不是玩具 Demo而是一套已在真实营收管道上验证过的内容质量门禁。专家团评测工作流程自动组队 → 打分 → 递归打磨整个机制定义在 content-ops/SKILL.md 中流程分三步无需你手动配置任何评委名单。第一步自动组建 7–10 位专家这是最巧妙的部分——专家团是按需动态组装的规则如下内容类型专家打底系统先查 content-ops/experts/ 目录为常见内容类型预置了现成专家团比如experts/linkedin.md — LinkedIn 帖子的 10 位专家B2B 思想领袖、算法专家、故事教练、Hook 写手……experts/instagram.md、experts/newsletter.md、experts/youtube-shorts.md 等领域专家加持根据你的业务场景加 1–3 位懂行的专家——给烘焙店做营销会加食品营销专家做 SaaS 落地页会加SaaS 转化专家医疗文案会加合规审查专家。完整示例见 references/expert-assembly.md两位必选项永远在场AI Writing DetectorAI写作检测器权重 1.5 倍一票否决级Brand Voice Match检查品牌语气一致性上限 10 人超了就合并重叠角色保证评审聚焦第二步按内容类型选评分表系统从 content-ops/scoring-rubrics/ 中挑选对应的评分维度共 5 套内容类型评分表博客、社媒、邮件、脚本scoring-rubrics/content-quality.md策略文档、分析建议scoring-rubrics/strategic-quality.md落地页、广告、CTAscoring-rubrics/conversion-quality.md图表、数据可视化scoring-rubrics/visual-quality.md候选人评估scoring-rubrics/evaluation-quality.md以内容质量评分表为例四个维度各占 25 分Hook 吸引力能否让人停下来、声音真实性是否像真人写的、价值密度每句话是否都言之有物、互动潜力是否让人想转发、评论。第三步递归打分最多 3 轮直到 90 分这是递归打磨的核心循环规则写得非常严格## Round 1 — Score: 82/100 | Expert | Score | Key Feedback | |--------|-------|--------------| | Hook Writer | 78 | 前两句没有制造好奇缺口 | | Humanizer | 74 | 出现 delve 等 3 个 AI 高频词 | | ... | ... | ... | **Top 3 weaknesses:** [排名前三的短板] **Changes made:** [针对每个短板的具体修改]每轮结束后分数 90 → 定位前 3 大短板 → 修改 → 进入下一轮分数 ≥ 90 → 定稿进入输出环节3 轮仍未达标→ 返回最佳版本 诚实的分数 说明卡在哪里关键约束禁止刷分No padding to 90所有评分轮的迭代痕迹必须完整展示在输出里——因为修改轨迹本身就是这套系统的价值之一。AI 写作检测器24 种 AI 腔调的照妖镜专家团里最有意思的一位是 experts/humanizer.md 定义的AI Writing Detector。它基于 Wikipedia 的AI 写作特征指南内置 24 种模式检测禁词表出现 delve、tapestry、leverage、seamless 等AI 味词汇每个直接 -5 分意义膨胀-10marked a pivotal moment in the evolution of... 这类废话空洞 -ing 分析-8句尾硬贴 highlighting...、showcasing...虚假引用-8Experts believe... 却不给具体来源谄媚语气-8Great question! Youre absolutely right!打分逻辑是从 100 分往下扣90–100 像人写的70–89 有小瑕疵50–69 一眼 AI0–49 整体重写。而且它在综合分里权重是 1.5 倍——意味着 AI 味重的一票可以拉垮整个评审。越用越懂你评审系统的记忆机制这套专家团评测不只是打分机它还会学习拒绝即学习如果你否决了某篇 90 分的内容系统会追问原因然后把这条偏好写入 references/patterns.md并给该模式设定扣分惩罚。以后每轮评分开始前都会先对照这份已知坏模式清单扣分反馈回源如果评审对象来自其他技能比如外发邮件生成器专家团会额外产出一份Source Improvement Brief直接建议上游技能如何改进流程——形成质量闭环姊妹技能内容选题也用专家团过 85 分线如果你想评测的还不是成品文案而是选题本身可以看 content-eval 技能它从播客文稿、会议纪要、销售通话、竞品扫描中收集素材生成 20–30 个内容点子再送进一个固定的 7 人专家团详见 references/panel.mdViral Hook Expert— 能不能停下拇指Algorithm Expert— 平台会不会推荐Founder Brand Strategist— 是否强化品牌支柱B2B Buyer Persona Expert— CMO/CEO 会想看你卖的东西吗Content Differentiation Expert— 还有别人在做同样的内容吗Short-form Adaptation Expert— 能剪出 3 个以上病毒 Short 吗Debate/Engagement Expert— 评论区会不会吵起来平均 85 分才进入 4 周排期表未达标的进淘汰清单并注明是哪位专家投了否决票——同样严禁人情分泛泛而谈的点子差异化一项必须低于 70。快速上手三步接入你的 Claude Code# 1. 克隆仓库 git clone https://gitcode.com/gh_mirrors/ai/ai-marketing-skills # 2. 安装依赖 cd ai-marketing-skills/content-ops pip install -r requirements.txt # 3. 把技能文件放进你的项目 cp SKILL.md .claude/skills/expert-panel.md然后直接用自然语言下指令即可比如用专家团评测这篇落地页文案 或 给这 3 个邮件变体打分哪个更好。AI Agent 会自动组队、选评分表、开始递归打磨最后输出一份带完整评分历史的结果报告。如果你想把这套门禁接入 CI还可以看看 scripts/content-quality-gate.py——一个CI/CD 式的发布门禁草稿不过自动质量评分就不允许上线。小结ai-marketing-skills 的专家团评测把内容好不好这件主观的事变成了可量化、可追溯、会学习的工程流程7–10 位专家各司其职AI 味检测一票重锤90 分线卡死质量3 轮递归逼出最佳版本。对新手来说你不需要懂提示词工程——把 SKILL.md 放进项目开口说话就行。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 ai-marketing-skills 专家团评测：7-10位AI领域专家递归打磨内容直到90+分
ai-marketing-skills 专家团评测7-10位AI领域专家递归打磨内容直到90分【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-skillsai-marketing-skills是一个开源的 AI 营销技能库Open-source AI marketing skills覆盖增长实验、销售管道、内容运营、SEO、财务自动化等场景。其中最硬核的玩法是 content-ops 模块的专家团评测Expert Panel系统自动组建 7–10 位 AI 领域专家对你的文案、落地页、策略文档打分然后递归迭代修改直到平均分达到 90 才放行。这不是玩具 Demo而是一套已在真实营收管道上验证过的内容质量门禁。专家团评测工作流程自动组队 → 打分 → 递归打磨整个机制定义在 content-ops/SKILL.md 中流程分三步无需你手动配置任何评委名单。第一步自动组建 7–10 位专家这是最巧妙的部分——专家团是按需动态组装的规则如下内容类型专家打底系统先查 content-ops/experts/ 目录为常见内容类型预置了现成专家团比如experts/linkedin.md — LinkedIn 帖子的 10 位专家B2B 思想领袖、算法专家、故事教练、Hook 写手……experts/instagram.md、experts/newsletter.md、experts/youtube-shorts.md 等领域专家加持根据你的业务场景加 1–3 位懂行的专家——给烘焙店做营销会加食品营销专家做 SaaS 落地页会加SaaS 转化专家医疗文案会加合规审查专家。完整示例见 references/expert-assembly.md两位必选项永远在场AI Writing DetectorAI写作检测器权重 1.5 倍一票否决级Brand Voice Match检查品牌语气一致性上限 10 人超了就合并重叠角色保证评审聚焦第二步按内容类型选评分表系统从 content-ops/scoring-rubrics/ 中挑选对应的评分维度共 5 套内容类型评分表博客、社媒、邮件、脚本scoring-rubrics/content-quality.md策略文档、分析建议scoring-rubrics/strategic-quality.md落地页、广告、CTAscoring-rubrics/conversion-quality.md图表、数据可视化scoring-rubrics/visual-quality.md候选人评估scoring-rubrics/evaluation-quality.md以内容质量评分表为例四个维度各占 25 分Hook 吸引力能否让人停下来、声音真实性是否像真人写的、价值密度每句话是否都言之有物、互动潜力是否让人想转发、评论。第三步递归打分最多 3 轮直到 90 分这是递归打磨的核心循环规则写得非常严格## Round 1 — Score: 82/100 | Expert | Score | Key Feedback | |--------|-------|--------------| | Hook Writer | 78 | 前两句没有制造好奇缺口 | | Humanizer | 74 | 出现 delve 等 3 个 AI 高频词 | | ... | ... | ... | **Top 3 weaknesses:** [排名前三的短板] **Changes made:** [针对每个短板的具体修改]每轮结束后分数 90 → 定位前 3 大短板 → 修改 → 进入下一轮分数 ≥ 90 → 定稿进入输出环节3 轮仍未达标→ 返回最佳版本 诚实的分数 说明卡在哪里关键约束禁止刷分No padding to 90所有评分轮的迭代痕迹必须完整展示在输出里——因为修改轨迹本身就是这套系统的价值之一。AI 写作检测器24 种 AI 腔调的照妖镜专家团里最有意思的一位是 experts/humanizer.md 定义的AI Writing Detector。它基于 Wikipedia 的AI 写作特征指南内置 24 种模式检测禁词表出现 delve、tapestry、leverage、seamless 等AI 味词汇每个直接 -5 分意义膨胀-10marked a pivotal moment in the evolution of... 这类废话空洞 -ing 分析-8句尾硬贴 highlighting...、showcasing...虚假引用-8Experts believe... 却不给具体来源谄媚语气-8Great question! Youre absolutely right!打分逻辑是从 100 分往下扣90–100 像人写的70–89 有小瑕疵50–69 一眼 AI0–49 整体重写。而且它在综合分里权重是 1.5 倍——意味着 AI 味重的一票可以拉垮整个评审。越用越懂你评审系统的记忆机制这套专家团评测不只是打分机它还会学习拒绝即学习如果你否决了某篇 90 分的内容系统会追问原因然后把这条偏好写入 references/patterns.md并给该模式设定扣分惩罚。以后每轮评分开始前都会先对照这份已知坏模式清单扣分反馈回源如果评审对象来自其他技能比如外发邮件生成器专家团会额外产出一份Source Improvement Brief直接建议上游技能如何改进流程——形成质量闭环姊妹技能内容选题也用专家团过 85 分线如果你想评测的还不是成品文案而是选题本身可以看 content-eval 技能它从播客文稿、会议纪要、销售通话、竞品扫描中收集素材生成 20–30 个内容点子再送进一个固定的 7 人专家团详见 references/panel.mdViral Hook Expert— 能不能停下拇指Algorithm Expert— 平台会不会推荐Founder Brand Strategist— 是否强化品牌支柱B2B Buyer Persona Expert— CMO/CEO 会想看你卖的东西吗Content Differentiation Expert— 还有别人在做同样的内容吗Short-form Adaptation Expert— 能剪出 3 个以上病毒 Short 吗Debate/Engagement Expert— 评论区会不会吵起来平均 85 分才进入 4 周排期表未达标的进淘汰清单并注明是哪位专家投了否决票——同样严禁人情分泛泛而谈的点子差异化一项必须低于 70。快速上手三步接入你的 Claude Code# 1. 克隆仓库 git clone https://gitcode.com/gh_mirrors/ai/ai-marketing-skills # 2. 安装依赖 cd ai-marketing-skills/content-ops pip install -r requirements.txt # 3. 把技能文件放进你的项目 cp SKILL.md .claude/skills/expert-panel.md然后直接用自然语言下指令即可比如用专家团评测这篇落地页文案 或 给这 3 个邮件变体打分哪个更好。AI Agent 会自动组队、选评分表、开始递归打磨最后输出一份带完整评分历史的结果报告。如果你想把这套门禁接入 CI还可以看看 scripts/content-quality-gate.py——一个CI/CD 式的发布门禁草稿不过自动质量评分就不允许上线。小结ai-marketing-skills 的专家团评测把内容好不好这件主观的事变成了可量化、可追溯、会学习的工程流程7–10 位专家各司其职AI 味检测一票重锤90 分线卡死质量3 轮递归逼出最佳版本。对新手来说你不需要懂提示词工程——把 SKILL.md 放进项目开口说话就行。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考