「竞品」の検索結果

DyNote: systematically and efficiently extract raw Douyin/DY video data and analyze videos, comments, accounts, hashtags, and short-video scenes into evidence-graded learning notes, summaries, research briefs, scripts, and knowledge-base material. Use when the user asks to 抓取/提取/整理 抖音视频字幕、视频文案、ASR 转写、Qwen3-ASR 中文转写、原始材料归档、学习笔记、analysis plan、note budget、避免返工、复用已有素材、评论洞察、账号分析、赛道/话题研究、竞品拆解、电商/本地生活视频分析、事实核查、自动搜索素材, save Douyin content as Markdown/TXT, or use subtitle/local ASR as the factual spine with logged-in Douyin Web built-in AI / Doubao fallback as visual or quick-reading supplements.

日本語の概要は準備中です。原文の説明を表示しています。

产品营销 (PMM, Product Marketing) — 拥有「产品如何被定位 / 表达 / 发布 / 卖进市场」的从业者认知操作系统: 是产品 / 销售 / 市场 / 客户之间的连接组织, 负责把产品能力翻译成市场价值, 并把市场声音带回产品。覆盖 (a) 定位与差异化 (April Dunford 「刻意选择语境」框架 + 竞争性替代方案 + 卖价值不卖功能 + 选择「让你优势成立的市场参照系」, 对照 Ries & Trout 经典「定位是占领心智」), (b) 信息传递与叙事 (messaging 层级 / 信息屋 + 价值主张 + 收益导向 vs 战略叙事「换框架」Andy Raskin + 表达清晰度 Emma Stratton / Punchy + 初创 homepage 定位 FletchPMM), (c) 进入市场 (GTM) 策略与产品发布 (发布分级 T1/T2/T3 + 发布流程与跨职能编排 + GTM 打法 PLG vs SLG vs 混合 + 滩头细分选择), (d) 市场与竞争情报 (竞品分析 + battlecard 战卡 + 输赢分析 win/loss + 竞争赋能 Klue/Crayon/Clozd), (e) 买家与客户研究 (ICP 理想客户画像 + 买家 / 用户 persona + Jobs-to-be-Done 任务理论 Christensen/Moesta/Ulwick ODI + 客户之声 VoC + 用真实买家测信息 Wynter/Peep Laja), (f) 销售赋能 (战卡 + pitch / 销售 deck + 一页纸 + demo 叙事 + 异议处理 + 销售培训 + 内容采用率 — 你的产出只值销售实际用到的那部分), (g) 定价与打包 (价值定价 + 打包分层 + 《Monetizing Innovation》Ramanujam/Simon-Kucher + PLG 定价 — 常与产品 / 财务共担), (h) 细分与品类 (市场细分 + TAM/SAM/SOM + 技术采用生命周期与跨越鸿沟 Geoffrey Moore + 品类设计与叙事 Play Bigger / Christopher Lochhead — 稀有且昂贵, 不是默认选项), (i) 需求生成与内容协同 (campaign 信息 + 思想领导力 + 漏斗内容 TOFU/MOFU/BOFU + ABM 基于客户营销), (j) 分析师与影响者关系 (Gartner 魔力象限 + Forrester Wave + 分析师 briefing — To B 场景, 对 pay-to-play 影响诚实标注), (k) 客户营销与倡导 (参考客户 + case study + 评测站 G2/TrustRadius/Capterra 运营 + 社区), (l) PMM 运营与度量 (影响管道 + 赢率 + 发布采用率 + 信息穿透率 + 角色汇报线「向产品还是向市场」之争 + PMM 作为战略职能 vs 接单工具人陷阱); 跨 B2B SaaS (该学科重心) / B2C 消费 / 开发者 PLG / 平台产品。不含 产品管理 (PM 造产品 / 拥有 roadmap, PMM 拥有市场 — 相邻且极易混淆) / 增长 / 效果营销 / 付费投放 (平行学科) / 品牌 / 企业传播 / 公关为终点 / 需求生成为终点 (PMM 与之协同但不等同) / 平面设计 /「做 slide 和周边的团队」(PMM 抗争的接单工具人窄化) / 泛泛「市场营销」。 (Product Marketing (PMM) — the cognitive operating system of practitioners who own how a product is positioned, messaged, launched, and sold into a market: the connective tissue between product, sales, marketing, and customers, responsible for translating product capability into market value and bringing the voice of the market back into product. Covers (a) positioning & differentiation (April Dunford's deliberate-context framing, competitive alternatives, value-not-features, framing the market in which your strengths matter — vs Ries & Trout classic perception-in-the-mind positioning), (b) messaging & narrative (messaging hierarchy / house, value proposition, benefit-led vs strategic-narrative / change-the-frame messaging Andy Raskin, clarity craft Emma Stratton/Punchy, homepage & startup positioning FletchPMM), (c) go-to-market (GTM) strategy & product launches (launch tiers T1/T2/T3, launch process & cross-functional orchestration, GTM motion PLG vs SLG vs hybrid, beachhead segment selection), (d) market & competitive intelligence (competitive analysis, battlecards, win/loss analysis, competitive enablement Klue/Crayon/Clozd), (e) buyer & customer research (ICP ideal customer profile, buyer & user personas, Jobs-to-be-Done Christensen/Moesta/Ulwick ODI, voice of customer, message testing with real buyers Wynter/Peep Laja), (f) sales enablement (battlecards, pitch & sales decks, one-pagers, demo narratives, objection handling, sales training, content adoption — output is only as good as what sales actually uses), (g) pricing & packaging (value-based pricing, packaging & tiering, Monetizing Innovation Ramanujam/Simon-Kucher, PLG pricing — often shared with product/finance), (h) segmentation & category (market segmentation, TAM/SAM/SOM, technology adoption lifecycle & crossing the chasm Geoffrey Moore, category design & narrative Play Bigger / Christopher Lochhead — rare and expensive, not a default), (i) demand-gen & content partnership (campaign messaging, thought leadership, funnel content TOFU/MOFU/BOFU, ABM account-based marketing), (j) analyst & influencer relations (Gartner Magic Quadrant, Forrester Wave, analyst briefings — for B2B, with honest read on pay-to-play perception), (k) customer marketing & advocacy (references, case studies, reviews G2/TrustRadius/Capterra presence, community), (l) PMM operations & metrics (influenced pipeline, win rate, launch adoption, message pull-through, the role's reporting line product-vs-mark

日本語の概要は準備中です。原文の説明を表示しています。

AIGC 创作工作流 (AIGC 创作工作流 / AIGC Creative Workflow — 以「生成式 AI 视觉创作（图像 + 视频）的工程化创作流水线」为对象的认知操作系统：从「需求/概念（要做什么画面/镜头/风格）→ 模型与工具选型（Midjourney / Stable Diffusion·SDXL·Flux / ComfyUI / 可灵 Kling / 即梦 Jimeng / Runway / Vidu / Sora）→ Prompt 与参数设计（提示词工程、风格描述、负向、种子、CFG/步数/采样器、参考图）→ 可控生成（ControlNet / LoRA / IPAdapter / inpainting / 图生图 / 局部重绘 / 区域控制）→ 批量出图与筛选 → 精修与合成（放大/超分、修手修脸、PS/AE 后期、抠图合成）→ 图生视频/文生视频（首尾帧、运镜、时长、一致性、对口型）→ 商业交付与迭代复现（参数留存、工作流文件复用、版权与可商用判断）」的完整创作-工程-交付决策链。覆盖 (a) 第一性张力 — **可控性/工程化复现（ControlNet/LoRA/ComfyUI 节点工作流/固定种子与参数/可复现可迭代）⇄ 随机性/抽卡玄学（出图随机、prompt 玄学、抽卡刷图、靠运气）**；**审美/创意/艺术指导主导（人的审美判断、概念设计、构图、镜头语言、艺术总监能力——'模型是地板，审美是天花板'）⇄ 工具/模型/参数主导（堆模型能力、堆参数、堆 LoRA、以为换个大模型就行）**；**开源生态/本地可控（Stable Diffusion / ComfyUI / Flux / civitai / liblib 本地部署可定制可控可商用、显卡门槛）⇄ 闭源商业/易用黑盒（Midjourney / 可灵 / 即梦 / Runway 开箱即用但不可精控、按量付费、黑盒）**；**图像生成（T2I/I2I：Midjourney / SDXL / Flux）⇄ 视频生成（T2V/I2V：可灵 / Runway Gen-3 / Vidu / 即梦 / Sora，2024-2025 前沿从图迁移到视频）**；**生产力/商业量产（替代或增强传统设计/插画/电商/广告/影视分镜流程、降本提效、批量）⇄ 纯艺术创作/作者表达（个人风格、实验性、作品集）**；**效率/批量（一次出几十张筛选、商单走量、自动化 pipeline）⇄ 质量/精控（单张精修、商业可用级细节、修手修脸修穿帮）**。(b) 核心工作流 / pipeline（最标准、最易蒸高质量 + CLI 化）— 单图创作链：概念/参考收集（moodboard/风格定位/竞品）→ 模型工具选型（按可控性/风格/成本/可商用判断 MJ vs SD/Flux vs 国产）→ Prompt 与参数设计（主体/风格/光影/镜头/负向词/CFG/采样器/分辨率/种子）→ 首轮出图与方向筛选 → 可控迭代（ControlNet 控构图/姿态/线稿、LoRA 控风格/角色一致性、图生图重绘、inpainting 局部修）→ 放大超分与精修（高清放大/修手修脸/后期调色合成）→ 交付与参数留存（工作流文件/种子/参数复现）。视频创作链：分镜/脚本→首帧出图（图像链产出关键帧）→图生视频（运镜/时长/首尾帧/动态强度）→多镜头一致性（角色/场景/风格统一）→对口型/配音/配乐→剪辑合成→交付。ComfyUI 工程链：节点工作流搭建（加载器/采样/ControlNet/放大/面部修复节点）→ 参数化与复用→批量队列→工作流分享（civitai/openart workflow json）。(c) 工具栈 — 闭源图像（Midjourney v6/v7、DALL·E 3、Adobe Firefly、Ideogram、Recraft）、开源图像与底座（Stable Diffusion 1.5/SDXL/SD3、Flux.1 dev/schnell（Black Forest Labs）、ComfyUI（节点式）、Automatic1111/Forge WebUI、Fooocus）、可控生成插件（ControlNet、LoRA、IPAdapter、AnimateDiff、inpainting/outpainting、ReActor 换脸、面部修复 CodeFormer/GFPGAN、放大 ESRGAN/SUPIR/Topaz）、模型/资源社区（Hugging Face、Civitai、liblib 哩布、吐司 Tusi、openart）、视频生成（可灵 Kling、即梦 Dreamina/Jimeng、Runway Gen-3/Gen-4、Luma Dream Machine、Pika、Vidu、海螺 Hailuo、Sora、Wan 通义万相、MiniMax）、辅助（Magnific 放大、Krea、Photoshop/After Effects 后期、ChatGPT/Claude 写 prompt、reverse prompt 反推）。(d) 知识正典 — AIGC 创作 canon 横跨论文/工程/社区教程：奠基论文（DDPM、Latent Diffusion/Stable Diffusion（Rombach et al）、DiT、ControlNet（Zhang et al）、LoRA、DreamBooth、Textual Inversion、SDEdit、IP-Adapter、视频扩散 SVD/Sora 技术报告）、官方文档与模型卡（Stability AI、Black Forest Labs Flux、ComfyUI 文档、Midjourney docs、可灵/即梦官方教程、Hugging Face diffusers）、社区教程与工作流（ComfyUI 官方示例、civitai 文章、B站/YouTube 创作者长教程、openart workflow）、prompt 工程资源（Midjourney 风格库、提示词指南）。(e) figures/流派 — 模型/工具创造者（Midjourney David Holz、Stability AI Emad/Robin Rombach、Black Forest Labs（Flux，原 SD 团队）、ComfyUI comfyanonymous、ControlNet 张吕敏 Lvmin Zhang、AUTOMATIC1111、可灵/即梦/快手字节团队）、创作者 KOL 与教育者（Midjourney/SD 头部创作者、ComfyUI 工作流大神、AI 视频创作者、国内 B站/抖音 AIGC 教程作者、独立 AI 艺术家）、行业分析与评测（AI 工具评测、生成式 AI 创作生态观察者）。流派分歧：开源可控派（SD/ComfyUI/Flux 本地精控）vs 闭源易用派（MJ/可灵开箱即用）、工程化派（节点工作流/可复现/参数化）vs 玄学抽卡派（prompt 玄学/堆词/抽卡）、审美主导派（'模型是地板审美是天花板'）vs 工具主导派（堆模型堆参数）、图像派 vs 视频派、艺术创作派 vs 商业生产力派、国产工具派（可灵/即梦/liblib）vs 海外工具派（MJ/Flux/Runway）。(f) 行业话术/黑话 — 出图 / 抽卡 / 刷图 / 炼丹（训练 LoRA）/ 喂图 / 垫图（参考图/图生图）/ 控图 / 锁种子 seed / CFG / 采样器 sampler / 步数 steps / 重绘幅度 denoise / 提示词 prompt / 咒语 / 负向 negative / 权重 / tag / 大模型 checkpoint / 底模 / LoRA / ControlNet / 控线稿/openpose/depth / IPAdapter / inpainting 局部重绘 / outpainting 扩图 / 高清放大 / 超分 / 修手 / 崩手 / AI 味 / 风格 / 角色一致性 / 工作流 workflow / 节点 / 跑图 / 队列 / 文生图 T2I / 图生图 I2I / 文生视频 T2V / 图生视频 I2V / 首帧/尾帧 / 运镜 / 动态强度 / 时长 / 对口型 / 一致性 / 可商用 / 训练集 / 过拟合 / 翻车 / 穿帮。(g) 争议/批判 — 「版权与训练数据」（模型训练用未授权作品、生成图版权归属、可商用风险、洗图/伪原创）、「AI 替代创作者就业」（替代画师/插画师/设计师/摄影、行业冲击与转型）、「AI 味与审美趋同」（生成图同质化、套模板、缺乏原创审美）、「玄学 prompt 神话与割韭菜」（'咒语'神秘化、'7天 AIGC 变现/月入过万'付费课割韭菜、抽卡当能力）、「工具快速迭代与淘汰焦虑」（模型月月换、工作流频繁失效、追新疲劳）、「开源 vs 闭源之争」（可控可商用 vs 易用黑盒）、「质量天花板」（修手修脸穿帮、长视频一致性、可控性仍有限）。(h) 大量隐性创作手艺 + 审美 + 工程 + 沟通软技能（prompt 的描述功底与审美词汇、参数与采样的手感、ControlNet/LoRA 的组合控制经验、节点工作流的搭建与调试、批量筛选的审美眼力、修图合成的后期功底、镜头语言与运镜设计、角色/风格一致性的控制、商业需求的翻译与交付、版权与可商用的判断）是高 tacit、靠大量实操跑图 + 审美积累 + 工程调试经验的核心。水分极高（大量'咒语速成/一键变现/AI 绘画割韭菜'营销

日本語の概要は準備中です。原文の説明を表示しています。

亚马逊管理之道 (亚马逊管理之道 (The Amazon Way — Amazon 自身的领导力与运营操作系统) — 这个 master skill 蒸馏的不是『在亚马逊平台上开店卖货』(那是跨境电商运营,已由 cross-border-ecommerce 另蒸),也不是 AWS 云技术架构;而是亚马逊这家公司『怎么运营自己、怎么做决策、怎么招人、怎么创新、怎么规划』的一整套可迁移的管理机制(mechanisms)与心智操作系统。面向想在自己团队/公司引入亚马逊式机制的创始人/CEO/高管/运营负责人(COO)、产品经理与技术产品经理(PM/PMT)、组织与流程设计者(chief of staff / ops)、以及在亚马逊工作或准备面试亚马逊(著名的 LP 行为面试 + Bar Raiser)的人。覆盖: (a) 第一性张力 — 亚马逊 OS 的核心世界观分歧: **机制 > 良好意图(Good intentions don't work, mechanisms do:问题不能靠『下次更努力』修复,要装一个带检查闭环的自我强化流程) ⇄ 可控输入指标 vs 滞后输出指标(管你能控制的 input 如选品/价格/在库/配送速度,而非 revenue/股价这类滞后又不可控的 output) ⇄ 长期主义 vs 季度业绩(Day 1、willing to be misunderstood、用现金流+飞轮长期投入,宁可牺牲短期利润) ⇄ 客户执念 vs 竞争对手执念(working backwards 从客户倒推,而非从竞品或『我们能造什么』正推) ⇄ 叙事备忘录 vs PPT(6-pager + 开会前静默阅读、动手前先写 PR/FAQ;写作逼出清晰思考,禁 PowerPoint) ⇄ 单线程负责人/两个披萨团队 vs 协调税(separable、autonomous、one owner per initiative,砍掉跨团队依赖) ⇄ 高标准可学习可传递 vs 与生俱来(insist on the highest standards + Bar Raiser 招聘门,标准是 domain-specific 且能教的) ⇄ 节俭催生创造力 vs 血汗文化(frugality/约束驱动发明 —— 但 frugality + 高压 bar + URA 强制淘汰 = 文化阴暗面批判) ⇄ 两类决策(Type 1 不可逆/单向门 慎重 vs Type 2 可逆/双向门 高判断力个人快速决策,别用重流程拖慢))**; (b) 核心机制(mechanisms,本行的『工具栈』其实是一套运营机制而非软件) — Leadership Principles(14 条→2021 增至 16 条,是一套运营语言和决策仲裁器)、Working Backwards(从客户倒推:动手前先写新闻稿+常见问答 PR/FAQ)、叙事备忘录(6-pager narrative / 1-pager + silent reading 静默阅读、禁 PPT)、Weekly Business Review(WBR + metrics deck 指标看板)、input/output metrics(可控输入指标体系、DMAIC 式指标选择)、年度规划(OP1/OP2 + S-Team goals)、Bar Raiser(招聘机制,独立于用人经理的抬杠者拥有一票否决)、Two-Pizza Team / Single-Threaded Leader STL / separable teams、Correction of Errors(COE 事故复盘 + 5 Whys 五问法)、Andon Cord(安灯绳,借自丰田,一线可拉停)、Flywheel(飞轮:低价→更多客户→更多卖家→更多选品→更低成本结构→更低价)、Type 1/Type 2(单向门/双向门决策分级)、Regret Minimization Framework(遗憾最小化,贝索斯创业决策法); (c) 心智模型层 — customer obsession(客户执念是所有 LP 之首)、long-term thinking / Day 1(第二天就是停滞衰亡)、invent and simplify、ownership(主人翁,不说 that's not my job)、bias for action(可逆决策就快,speed matters)、disagree and commit(充分反对后即便不同意也全力执行)、frugality、dive deep(深入细节、不靠代理指标脱离一线)、think big、are right a lot(用强判断力和证伪自己的能力多做对的判断)、earn trust、deliver results; (d) 工作流/SOP — 用亚马逊方式发起一个新产品/业务(先写 PR/FAQ→评审→倒推着造)、如何跑一场 WBR、如何写和评审一份 6-pager(叙事流程 + 静默阅读)、Bar Raiser 招聘 loop、年度规划(OP1/OP2→S-Team goals→输入指标追踪)、事故后的 Correction of Errors; (e) 知识正典(en-primary,极其丰富且可取一手) — 贝索斯致股东信 1997-2021(1997 首封是奠基文本,每年附在信末;Day 1、遗憾最小化、long term)、《Working Backwards》Colin Bryar & Bill Carr(2021,运营机制圣经)、《The Everything Store》Brad Stone(2013,公司史)、《Amazon Unbound》Brad Stone(2021,权力与阴暗面续作)、《Invent and Wander》贝索斯文集(2020)、《The Amazon Way》/《Think Like Amazon》John Rossman(前亚马逊高管)、Amazon 官方 Leadership Principles 页(amazon.jobs,一手)、HBR『The Institutional Yes』(2007 贝索斯访谈); (f) 行业大佬/figures — Jeff Bezos(创始人,源头教义)、Andy Jassy(现任 CEO,OS 超越创始人的证据 + AWS 缔造者)、Colin Bryar(前贝索斯影子/TPM,《Working Backwards》作者)、Bill Carr(前数字媒体 VP,《Working Backwards》作者)、Jeff Wilke(前全球消费者 CEO,运营架构师)、John Rossman(前亚马逊、机制布道者/顾问)、Brad Stone(记者/编年史作者,批判性外部视角); (g) 争议/批判(必须保留,不能洗白) — 文化阴暗面(NYT 2015『Inside Amazon: Wrestling Big Ideas in a Bruising Workplace』揭露高压职场)、仓储与一线劳工争议、URA(unregretted attrition 强制淘汰)与 stack-ranking 的残酷、frugality + 高 bar = 燃尽(burnout);机制能否迁出亚马逊(cargo-culting:在初创或非科技公司照搬 PR/FAQ/输入指标/Bar Raiser 常失败);是贝索斯个人天才(personality)还是制度化机制(institution)—— OS 在贝索斯卸任后于 Jassy 治下延续,是机制派的证据; (h) 流派/思想谱系 — **信徒/机制布道派(Bryar & Carr《Working Backwards》+ 前亚马逊 operator 顾问圈,信 mechanisms 可移植、任何公司可安装)** vs **批判派(Brad Stone《Amazon Unbound》+ NYT + 劳工视角,认为 OS 与高淘汰的残酷机器不可分割,不该被浪漫化)** vs **情境/规模怀疑派(机制之所以有效是因为亚马逊特定的规模/现金流/创始人权力,照搬到小公司=cargo cult)** vs **创始人中心 vs 制度中心之争(是贝索斯个人 vs 可传承的机制)**。不含: 在亚马逊开店卖货/选品/PPC/FBA 的卖家运营(=cross-border-ecommerce)、AWS 云技术架构与运维、通用 MBA 管理理论泛泛而谈、把普通商业常识包装成『亚马逊独家秘诀』。) Master OS — automated mastery of 亚马逊管理之道 (The Amazon Way — Amazon 自身的领导力与运营操作系统) — 这个 master skill 蒸馏的不是『在亚马逊平台上开店卖货』(那是跨境电商运营,已由 cross-border-ecommerce 另蒸),也不是 AWS 云技术架构;而是亚马逊这家公司『怎么运营自己、怎么做决策、怎么招人、怎么创新、怎么规划』的一整套可迁移的管理机制(mechanisms)与心智操作系统。面向想在自己团队/公司引入亚马逊式机制的创始人/CEO/高管/运营负责人(COO)、产品经理与技术产品经理(PM/PMT)、组织与流程设计者(chief of staff / ops)、以及在亚马逊工作或准备面试亚马逊(著名的 LP 行为面试 + Bar Raiser)的人。覆盖: (a) 第一性张力 — 亚马逊 OS 的核心世界观分歧: **机制 >

日本語の概要は準備中です。原文の説明を表示しています。

review-analyzer-skill是由buluslan（公众号：新西楼.AI）研发的电商评论深度分析Skill（VOC 客户之声分析），他会帮你把一堆产品评论变成一份能落地的决策依据——22 维 AI 打标提炼用户画像、痛点和真实需求，输出 15 章深度洞察报告和可视化看板，从差评里挖出产品优化机会点、从好评里找到爆款基因。 更多跨境电商 AI 实战内容，请关注公众号「新西楼.AI」。 Deep-dive e-commerce review & VOC analysis: 22-dimension AI tagging, 15-chapter insight report with anomaly signal cards, 6 themed visualization dashboards, CSV-primary multi-source input (SellerSprite optional), Feishu sync. 当用户需要以下功能时触发：分析电商产品评论（Amazon等平台）/ 从评论中提取用户画像、痛点和VOC（客户之声）/ 生成产品洞察报告和机会点分析 / 创建可视化分析看板 / 通过卖家精灵获取评论数据（可选增强；CSV为主源）/ 将分析结果同步到飞书文档。 触发关键词：电商评论分析、评论分析、竞品分析、用户洞察、VOC分析、产品优化、市场调研、评论数据挖掘、卖家精灵、sellersprite。 NOT for 关键词调研/选品雷达类任务（那些有专门工具）。

日本語の概要は準備中です。原文の説明を表示しています。

当用户面对大量杂乱信息（用户反馈、竞品数据、市场报告、内部指标）需要从中提取决策信号时激活。 典型触发信号："数据太多了不知道信哪个""用户说什么的都有""收到了一堆反馈但不知道结论是什么"。 不调用场景：信息已经结构化清晰、只需简单判断；或完全没有信息需要凭直觉决策。 与"调查研究法"的区别：本skill是信息处理（拿到原料后怎么加工），后者是信息采集（怎么拿到好的原料）。

日本語の概要は準備中です。原文の説明を表示しています。

Route product-growth requests to one Gingiris specialist skill. Use when broad or explicit requests about launch, Product Hunt, GitHub/open-source growth, SEO/GEO, B2B/PLG, ASO, interviews, competitors, KOL, UGC, community, content, backlinks, or README conversion, including 出海增长、产品发布、找增长渠道、竞品分析、 用户访谈、社区运营. Ask short multiple-choice questions only when the route is unclear; then load and run one specialist rather than the full collection.

日本語の概要は準備中です。原文の説明を表示しています。

每日 SEO/GEO 巡逻（2026-06-24 标准）。覆盖：SERP 关键词排名追踪（DataForSEO / volume 300-1000 / KD 5-35）、 Google 索引数统计、llms.txt 可达性、GA4 tag 部署检测及 AI 来源 channel 配置、 PH canonical 合并修复、社媒关键词雪崩救援（title 含 best/free/top/guide+年份、内链注入 ≤2-3/段、 主动 cite 竞品外链）。当用户说"跑 SEO 日报"、"检查排名"、"某关键词掉了"、"修 canonical"、"加内链"时调用。

日本語の概要は準備中です。原文の説明を表示しています。

用户要找对标账号/分析竞品爆款/找差异化选题时;或问"怎么做AI工具赛道的差异化""how to find benchmarks / differentiate"时。按5步走:找3-5个低粉高爆对标(搜索from:xxx min_faves:10)→分析90天爆款抓隐性需求→学互动策略→拆变现模式→三公式变形(场景细化/人群聚焦/观点反转)出差异。不适用于:已有定位日常发内容(→x-short-content-craft)、纠结选IP还是泛流量(→x-positioning-tradeoff)、检查草稿(→x-five-piece-checklist)、纯信息查询。

日本語の概要は準備中です。原文の説明を表示しています。

爆款拆解复刻：把抖音/TikTok 爆款带货视频（链接、转写或口述结构）拆成 8 维结构与 5-beat 节拍，再映射到你的商品，输出拆解表 + 3 个复刻角度 + 可渲染 storyboard.json。Use when the user says 爆款, 拆解, 复刻, 对标, 仿拍, viral remake, breakdown, swipe file, copy structure, 竞品视频, remake a TikTok/Douyin product video, or wants to replicate a viral ecommerce short's structure with their own product.

日本語の概要は準備中です。原文の説明を表示しています。

Lemon8 内容与用户公开数据分析 skill，通过 MaxHub API 查询笔记/帖子详情、评论、用户资料、搜索与推荐内容。适合生活方式内容研究、种草笔记分析、创作者画像、话题趋势和竞品监控。默认 read-only；agent 应从 recipes/_index.md 匹配用户意图，再按 recipe 详情传递 post_id/user_id/keyword 等参数。所有请求发送到 https://www.aconfig.cn。

日本語の概要は準備中です。原文の説明を表示しています。

YouTube 公开视频与频道数据分析 skill，通过 MaxHub API 查询视频详情、评论、字幕、播放/流信息、频道资料、频道视频/Shorts/帖子、搜索、趋势和相关视频。适合海外视频研究、频道画像、字幕语料、评论分析、内容选题和竞品监控。默认 read-only；播放/下载相关信息需遵守版权与平台规则，agent 应优先走 recipes 并按 video_id/channel_id/keyword 字段流链式调用。所有请求发送到 https://www.aconfig.cn。

日本語の概要は準備中です。原文の説明を表示しています。

小红书（Xiaohongshu/RED）公开笔记与用户数据分析 skill，通过 MaxHub API 查询笔记详情、评论、用户资料、搜索、话题、商品/种草内容、推荐流与蒲公英（PGY）创作者商业化数据。适合品牌种草分析、KOL 画像、内容选题、竞品监控、评论洞察与蒲公英博主选号。默认 read-only；PGY 域为 POST 写入式查询（high risk），调用前需用户显式确认；agent 应按 recipes 选择笔记/用户/搜索/评论/PGY 链路，使用 note_id/user_id/keyword/brand_user_id 等字段流传参，并避免采集超出授权的个人数据。所有请求发送到 https://www.aconfig.cn。

日本語の概要は準備中です。原文の説明を表示しています。

微博（Weibo）公开社交数据查询与热点分析 skill，通过 MaxHub API 查询微博内容、评论、转发、用户资料、粉丝/关注、搜索、热搜、话题和榜单。适合舆情监测、热点追踪、KOL 画像、内容传播分析和竞品研究。默认 read-only；agent 应优先使用 recipes 串联搜索→微博详情→评论/用户画像等流程，避免自行猜测 mid/uid/container_id 参数。所有请求发送到 https://www.aconfig.cn。

日本語の概要は準備中です。原文の説明を表示しています。

Twitter/X 公开社交数据查询与传播分析 skill，通过 MaxHub API 查询推文、回复、用户资料、关注/粉丝、搜索、趋势和相关互动。适合舆情监测、账号画像、话题传播、竞品研究和内容分析。默认 read-only；agent 应优先使用 recipes，按 tweet_id/user_id/username/query 等字段流链式调用，并对个人社交数据与 UGC 做最小化处理。所有请求发送到 https://www.aconfig.cn。

日本語の概要は準備中です。原文の説明を表示しています。

TikTok 数据查询与创作者分析 skill，通过 MaxHub API 查询视频详情、评论、用户资料、搜索、趋势、广告/商店/创作者数据端点。适合海外短视频选题、账号画像、竞品分析和趋势监控。所有请求发送到 https://www.aconfig.cn。

日本語の概要は準備中です。原文の説明を表示しています。

Reddit 公开社区数据查询与讨论分析 skill，通过 MaxHub API 查询 subreddit、帖子详情、评论树、用户资料、搜索、热门/趋势内容等。适合社区舆情、话题研究、竞品反馈收集、内容洞察和用户讨论分析。默认 read-only；agent 应优先使用 recipes 串联 subreddit/post/comment/user 相关端点，并显式处理评论/UGC 中的个人信息和敏感内容。所有请求发送到 https://www.aconfig.cn。

日本語の概要は準備中です。原文の説明を表示しています。

Instagram 公开社交数据查询与内容分析 skill，通过 MaxHub API 查询帖子/Reels/Stories/Highlights、评论、点赞列表、用户资料、粉丝/关注、搜索、标签和相关内容。适合海外社媒运营、KOL 画像、内容互动分析、竞品跟踪和趋势研究。默认 read-only，侧重公开或用户授权范围内的数据；agent 应优先使用 recipes 进行单端点或链式调用，并避免采集超出用户授权的个人信息。所有请求发送到 https://www.aconfig.cn。

日本語の概要は準備中です。原文の説明を表示しています。

抖音（Douyin）数据查询与内容分析 skill，通过 MaxHub API 覆盖视频详情/高清链接、评论弹幕、用户主页/作品/粉丝、搜索、热榜、直播、创作者数据、内容指数与星图端点。适合短视频选题、账号画像、竞品分析和趋势监控。所有请求发送到 https://www.aconfig.cn。

日本語の概要は準備中です。原文の説明を表示しています。

深挖一组 subreddit 的"社区研究"技能。给一个品牌或项目,先摸清相关(自家品牌+竞品)的 subreddit:爬规则原文、爬高赞帖逐帖学、找共性、产出"能不能提品牌/能不能发链接/要不要披露"的逐社区政策矩阵。用于任何新品牌/新项目上 Reddit 前的社区尽调。触发词:"研究 subreddit""摸清社区规则""Reddit 社区尽调""subreddit deep research""某品牌相关的 sub"。

日本語の概要は準備中です。原文の説明を表示しています。

当用户需要按公式化方法构造广告标题，或想把产品信息转化为有力标题时调用。 适用于：从零开始写标题、把产品卖点转化为标题、需要快速产出多个标题方案。 不适用于：评估已有标题（用headline-four-functions）、分析竞品（用headline-eight-types）。

日本語の概要は準備中です。原文の説明を表示しています。

当用户需要为广告/邮件/着陆页创作标题，且需要选择标题的写法风格时调用。 适用于：标题创作卡壳、想尝试不同风格的标题、分析竞品标题属于哪种类型。 不适用于：标题评估（用headline-four-functions）、正文写作。

日本語の概要は準備中です。原文の説明を表示しています。

当用户需要让广告文案中的产品承诺更有说服力、更有"证据感"时调用。 适用于：写出产品好处但客户不信、需要在文案中加入"证明"元素、 做竞品对比文案。核心信号：用户在问"怎么让客户相信""怎么证明我的产品好"。 不适用于：纯品牌形象传播（不需要证明）、虚假宣传（造假不是伪逻辑）。

日本語の概要は準備中です。原文の説明を表示しています。

品析（Brandi）· 品牌分析师。专注于品牌声音审核、竞品定位分析、messaging 一致性和品牌合规检查。

日本語の概要は準備中です。原文の説明を表示しています。