依据WCAG 2.2设计和检查Web、iOS及Android界面,核查读屏标签、键盘操作、配色对比度和操作目标尺寸,使界面支持辅助技术。
- 为纯图标按钮添加说明
- 检查键盘操作与模态框焦点
- 检查对比度与操作目标尺寸
面向产品或新功能发布,从客户与竞品调研到宣传方向、落地页、邮件、社交平台、广告和短视频文案,统筹内容与发布日程,并检查各渠道的表述和主张是否一致。
End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.
为产品或新功能发布开展客户与竞品调研,制作各渠道文案并整理发布日程。先明确目标人群、提供的价值和宣传切入点,再撰写落地页文案、分阶段发送的邮件、LinkedIn与X帖子、短视频脚本及广告文案。最后检查各渠道的表述和主张是否一致。
适合需要根据一份产品简介准备多个渠道文案的负责人。也适用于希望按各渠道的形式制作内容,而非直接重复使用帖子的情况。每日发布计划列明渠道、内容类型、时间和前置任务。发布前检查希望读者采取的行动、主张是否有依据,以及语气是否统一。
文案制作前,需先批准产品定位和宣传切入点。流程使用market-research开展调研、brand-voice整理语气,并用content-engine制作社交平台内容。
本介绍由 AI(OpenAI Codex)根据公开的 SKILL.md 撰写。准确的规格请查看下方原文。
AI 仅根据 SKILL.md 的内容,从 4 个方面进行了评估。星标数和热度不计入评估。
总分按每项 A=25 分、B=15 分、C=5 分相加。 由 AI(OpenAI Codex)于 2026年10月19日 评估。仅供参考,安装前请同时查看原文。
安装前可以查看交给 AI 代理的指令内容。
Plan and execute launch campaigns that convert — not just campaigns that ship.
Use market-research to:
Deliverable: a short research brief (audience profile + competitive summary + key insights).
Produce:
brand-voice for durable, session-reusable voice capture)Do not write any copy until positioning and angle are approved.
Produce in this order — each layer informs the next:
content-engine; LinkedIn and X are different formats, not the same copy resized)Gate every deliverable:
A full campaign delivers:
Before delivering any piece:
Delete and rewrite any:
brand-voice — source-derived voice capture (run before content production)content-engine — platform-native content productioncrosspost — multi-platform distributionmarket-research — audience and competitive intelligenceseo — on-page optimisation for landing page copy还没有评价。欢迎分享你的使用感受。
无需登录即可发表。欢迎分享使用感受、提问,或说明在哪些环境下无法运行。
还没有评论。来写第一条吧。
依据WCAG 2.2设计和检查Web、iOS及Android界面,核查读屏标签、键盘操作、配色对比度和操作目标尺寸,使界面支持辅助技术。
从指令、记忆、工具执行和界面显示等十二个层面排查人工智能代理故障,依据代码和日志梳理原因,按严重程度列出问题并提出修复方案。
用实际开发任务比较多个编程智能体,记录成功率、可获取的API费用、耗时和重复运行的稳定性,为工具选型及更新后的性能评估提供数据。
设计和调整AI智能体使用的工具、输入与返回格式,明确出错后的恢复、重试和停止条件,管理上下文信息量,并以完成率、重试次数和成功任务成本评估改进。
根据错误信息和执行环境,分析AI代理反复失败或重复操作的原因。通过小范围、可撤销的恢复操作检验假设,并将结果与依据整理成可供交接的报告。
在AI代理反复失败或重复操作时,记录错误与环境前提、排查原因,采取影响有限的恢复操作,并汇总结果和证据,为有依据的重试与交接提供支持。