企业官网建设流程全解析

1. 从"marketingskills"这个标题说起：它到底想解决什么问题

第一次看到"marketingskills"这个词，我脑子里冒出来的不是某个具体工具，而是一类很实际的需求：做营销的人，尤其是做独立站、做SEO、做内容投放的人，每天要处理的事情太碎了。关键词研究、竞品分析、页面结构优化、FAQ结构化数据、内容日历、落地页文案、外链机会挖掘……这些活儿单拎出来都不算难，但堆在一起就是一座山。而"marketingskills"这个标题，本质上指向的是把这些营销动作封装成一套可复用、可被AI代理调用的技能集合。

结合热搜词里反复出现的Claude Code、AI agents、Agent Skills spec、SEO这些词，可以判断这个项目的核心语境是：在Claude Code这类AI编程代理的环境下，用一套标准化的"技能规范"（Agent Skills spec）来组织营销相关的自动化能力。换句话说，它不是让你去学一堆新软件，而是让你把已有的营销方法论，写成AI代理能读懂、能执行的技能模块。

这件事的价值在哪？我举个自己踩过的例子。早些年做独立站SEO，我习惯用表格管理关键词，一个站点几百个词，手动分组、手动判断意图、手动写TDK。后来用脚本半自动化，但脚本的问题是"死"的——规则一变就得改代码。而Agent Skills的思路是"活"的：你把"如何判断一个关键词的商业意图"写成一段带说明和示例的技能描述，AI代理就能在具体任务里调用它，甚至根据上下文做判断。这就是从"写死脚本"到"描述能力"的转变。

所以这篇内容适合谁看？三类人。第一类是做独立站或内容站、想用AI提效的SEO从业者；第二类是对Claude Code、AI agents感兴趣，想搞清楚"技能规范"到底怎么落地的技术型营销人；第三类是已经把Claude Code跑起来，但不知道拿它做营销能干什么的开发者。不管你是哪一类，核心都是同一件事：把营销经验变成AI能执行的技能。

需要先说明一点，下面涉及的具体技能文件结构、目录组织方式，是基于Agent Skills spec的常见实践和我自己的项目经验做的合理补全，不同版本的规范可能有细节差异，落地时以你实际使用的工具文档为准。

2. Agent Skills spec到底规定了什么：技能不是提示词，是带元数据的模块

很多人第一次接触"技能"这个概念，会下意识把它等同于"一段写得很长的提示词"。这是个很常见的误解，也是我早期踩过的坑。提示词是临时的、一次性的，你这次写得好，下次换个任务就得重写；而技能是持久的、可被发现的、带元数据的模块。这个区别决定了你能不能把营销能力沉淀下来。

2.1 一个技能的最小构成：名称、描述、触发条件、执行说明

按照Agent Skills spec的常见设计，一个技能通常包含几个核心部分。首先是名称（name），要短、要唯一，比如seo-keyword-intent。其次是描述（description），这段最关键，它决定了AI代理在什么情况下会想到调用这个技能。描述写得太窄，技能永远不被触发；写得太宽，又会在不相关的任务里被误调用。

然后是触发条件，也就是"什么时候用我"。比如关键词意图判断这个技能，触发条件可能是"当用户提供一批关键词并询问如何分组或如何判断搜索意图时"。最后是执行说明，这部分才是真正的"干货区"，要写清楚步骤、判断标准、输出格式。

我自己的经验是，描述和执行说明要分开写。描述面向"调度"，让代理知道该不该用；执行说明面向"执行"，让代理知道怎么用。混在一起写，代理容易在调度阶段就被细节干扰，反而判断不准。

2.2 为什么技能要"可组合"：单个技能解决不了完整营销链路

营销任务很少是单点的。一个完整的独立站SEO流程，可能涉及关键词研究、竞品页面分析、内容大纲生成、FAQ结构化数据生成、内链规划、外链机会识别。如果每个环节都是一个独立技能，那它们之间就需要能组合。

Agent Skills spec里比较重要的一点，是技能之间可以通过引用和输出来衔接。比如seo-keyword-intent的输出是一张带意图标签的关键词表，seo-content-outline的输入正好可以是这张表。这种"输出即输入"的设计，让代理能像搭积木一样串起整条链路。

这里有个实操心得：技能之间的接口要稳定。我早期做的时候，关键词技能输出的字段名改了一次，结果下游的内容大纲技能全乱了。后来我固定了一套字段命名规范，比如keyword、intent、difficulty、priority，所有技能都遵守，组合起来就顺了。

2.3 技能和普通脚本的本质差异：判断力从哪来

有人会问，我用Python写个脚本也能做关键词分组，为什么要用技能？差别在于判断力。脚本只能执行你写死的规则，比如"包含'buy'就标为交易意图"。但真实的关键词意图判断要复杂得多，"best laptop for students"这种词，字面没有交易词，但商业价值很高。

技能的做法是，把判断标准写成自然语言描述，再给几个示例，让AI代理在具体语境里做判断。它可能这次判断对，下次判断错，但你可以通过补充示例、细化标准来持续优化。这种"可迭代的判断力"，是脚本给不了的。当然代价是稳定性不如脚本，所以我的建议是：规则明确、高频重复的部分用脚本，需要语境判断的部分用技能，两者配合。

3. 把SEO能力拆成技能：关键词、内容、结构化数据三条线

聊完规范，落到最实际的问题：一个做独立站SEO的人，到底该把哪些能力拆成技能？我自己的做法是分三条线——关键词线、内容线、结构化数据线。这三条线覆盖了独立站SEO从0到1的大部分工作。

3.1 关键词意图判断技能：从一堆词到一张有优先级的表

关键词研究是SEO的起点，但真正难的不是找词，是判断词的意图和优先级。我见过太多人拿着一堆词不知道先做哪个，最后挑了个搜索量最大但竞争也最大的词，做了半年没排名。

这个技能的执行说明我会这样写：第一步，对每个关键词判断搜索意图，分为信息型、导航型、商业调研型、交易型四类；第二步，评估商业价值，交易型和商业调研型优先；第三步，结合竞争难度给出优先级建议。判断标准要写具体，比如"包含'how to'、'what is'通常为信息型"，"包含'best'、'review'、'vs'通常为商业调研型"。

输出格式我固定成表格，字段包括关键词、意图、商业价值、建议优先级、备注。备注字段用来放一些特殊情况，比如某个词虽然搜索量低但转化极好。

提示：意图判断标准不要写得太绝对。我早期写"包含'buy'就是交易型"，结果"how to buy a house"这种词被误判。后来改成"包含'buy'且不含'how to'、'guide'等词时倾向交易型"，准确率明显提升。

3.2 内容大纲生成技能：让AI按SEO逻辑而不是写作逻辑来组织

内容大纲这个环节，普通AI和SEO优化的AI差别很大。普通AI生成的大纲是"写作逻辑"，开头、主体、结尾，读起来顺但未必符合搜索意图。SEO逻辑的大纲要考虑：用户搜这个词想看到什么、竞品页面覆盖了哪些子话题、哪些子话题有搜索量。

这个技能的执行说明我会强调几点。第一，先分析SERP（搜索结果页）上前几名的页面结构，看它们覆盖了哪些H2、H3。第二，把关键词按子话题分组，每个子话题对应一个H2。第三，在H2下补充用户可能追问的问题，作为H3或FAQ。第四，标注每个部分建议的字数和是否需要配图。

这里有个坑要提醒：不要让AI直接生成完整文章，先生成大纲，人工过一遍再让它扩写。我试过直接让AI写全文，结果结构松散、重点偏移，返工成本比先审大纲高得多。

3.3 FAQ结构化数据技能：为什么你的FAQPage没生效

热搜词里有个很具体的问题："谷歌SEO的FAQPage结构化数据是怎么回事"。这个问题问得好，因为很多人加了FAQPage标记但搜索结果里没显示，就以为标记没用。其实原因通常有几个：一是标记格式错误，二是内容与页面可见内容不一致，三是谷歌判断该页面不适合展示FAQ富媒体结果。

这个技能的执行说明我会这样写：第一步，从页面内容里提取真实的问答对，不要凭空编造；第二步，按FAQPage的JSON-LD格式生成标记，确保@type、mainEntity、acceptedAnswer等字段完整；第三步，校验标记与页面可见文本一致；第四步，提醒用户谷歌不保证展示，标记是"资格"不是"保证"。

生成标记的代码大概长这样：

{ "@context": "https://schema.org", "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "name": "什么是独立站谷歌SEO？", "acceptedAnswer": { "@type": "Answer", "text": "独立站谷歌SEO是指针对自己拥有完全控制权的网站，通过优化内容、结构、外链等因素，提升在谷歌搜索结果中排名的过程。" } } ] }

注意：FAQPage标记里的问答必须和页面上用户能看到的内容一致。我见过有人把标记里的答案写得比页面详细，结果被判定为不一致，标记直接失效。

4. 在Claude Code里跑通第一个营销技能：环境、配置与调用

技能写好了，得能跑起来才算数。这一节讲怎么在Claude Code环境里把营销技能落地。需要说明的是，Claude Code的安装、配置在不同系统上细节不同，下面讲的是通用思路，具体命令以你所用版本的文档为准。

4.1 环境准备：先把Claude Code跑起来

不管你是Mac、Ubuntu还是Windows，第一步都是把Claude Code装好并确认能正常调用。热搜词里"claude code安装""ubuntu配置claude code""mac安装claude code"这些高频出现，说明环境配置是很多人的第一道坎。

通用流程是：确认Node.js环境、通过包管理器安装Claude Code、完成账号或API配置、在终端里跑一个简单命令验证。如果你用的是VS Code，还可以装对应的插件，在编辑器里直接调用。这里不展开具体命令，因为版本更新快，照抄旧命令容易出问题，建议直接看你所用版本的官方文档。

我自己的经验是，环境阶段最容易出问题的地方是模型接入。热搜词里提到"claude code调用lmstudio的本地模型""使用cc switch接入deepseek、qwen、glm等模型"，说明很多人想用第三方或本地模型。这类配置的核心是找到Claude Code的模型配置入口，把API地址和密钥填对。配置完一定要用一个简单任务验证，比如让它读一个文件并总结，确认链路通了再上复杂技能。

4.2 技能文件放哪：目录结构决定代理能不能发现它

技能要能被代理发现，得放在约定的目录里。常见做法是在项目根目录下建一个技能目录，每个技能一个子目录，里面放技能定义文件。比如：

project/ skills/ seo-keyword-intent/ SKILL.md seo-content-outline/ SKILL.md seo-faq-schema/ SKILL.md

SKILL.md里就是前面说的名称、描述、触发条件、执行说明。目录名和技能名保持一致，方便管理。我建议技能目录跟着项目走，而不是放在全局，因为不同项目的营销技能可能不一样，跟着项目走更清晰。

4.3 第一次调用：怎么判断技能真的被触发了

技能放好了，怎么知道代理有没有用它？我的做法是设计一个"必然触发"的任务来测试。比如我写了个关键词意图判断技能，测试任务就是："我有一批关键词，帮我判断意图并排优先级"，然后附上五六个词。

如果代理调用了技能，输出会遵循我定义的表格格式和判断标准；如果没调用，输出通常是泛泛而谈。测试阶段我建议把技能的触发条件写得稍微宽一点，先确保能被触发，再慢慢收窄，避免"技能写了但永远不被用"的尴尬。

提示：测试技能时，一次只测一个。我早期贪心，一次放三个技能进去测，结果输出混乱，根本分不清是哪个技能的问题。后来改成单技能测试，问题定位快很多。

5. 技能写得好不好，差别在这几个细节上

技能能跑通只是及格线，真正决定它好不好用的，是一些很细的地方。这一节讲几个我踩过坑之后总结出来的关键细节。

5.1 描述写"能力"还是写"场景"：触发准确率的分水岭

技能描述最常见的错误，是写成"这个技能能做什么"，而不是"什么时候该用它"。比如"本技能用于关键词分析"，这种描述太泛，代理不知道什么时候该调用。改成"当用户提供一批关键词，需要判断搜索意图、评估商业价值或排优先级时使用"，触发就准多了。

我的经验是，描述里要包含输入特征和任务意图。输入特征告诉代理"用户给了什么"，任务意图告诉代理"用户想干什么"。两者都匹配，才触发。这样能大幅减少误触发。

5.2 执行说明里的"判断标准"要可验证

执行说明里最值钱的部分是判断标准，但标准必须可验证。什么叫可验证？就是代理执行完，你能检查它有没有遵守。比如"优先做商业价值高的词"就不可验证，因为"高"没有定义；改成"交易型意图的词优先级高于信息型"，就可验证了。

我习惯在技能里放一个"自检清单"，让代理执行完自己对照检查。比如关键词技能的自检清单：是否每个词都标了意图、是否每个词都给了优先级、是否有备注说明特殊情况。这个清单能明显提升输出质量。

5.3 示例给几个才够：太少学不会，太多会过拟合

技能里给示例是必要的，但给几个有讲究。给一个，代理可能只学会这一个模式；给太多，又可能死套示例。我的经验是每个判断维度给两到三个示例，覆盖典型情况和边界情况。

比如关键词意图判断，信息型给两个（"what is seo"、"how to do keyword research"），交易型给两个（"buy running shoes"、"best crm software"），边界情况给一个（"how to buy a house"，字面有buy但是信息型）。边界示例最能帮代理建立判断力。

5.4 技能版本管理：改了标准要留痕

技能是会迭代的，判断标准会调整，输出格式会优化。如果不做版本管理，过段时间你自己都忘了为什么这么写。我的做法是在技能文件里加一个变更记录区，每次改动写清楚改了什么、为什么改。

这个习惯看起来麻烦，但真出问题时能救命。我有次发现关键词技能输出异常，翻变更记录才发现是上周改了个判断标准，导致某类词被误判。没有记录的话，排查时间至少翻倍。

6. 从单技能到技能链：让营销流程真正自动化

单个技能解决单点问题，但营销是流程。这一节讲怎么把技能串成链，以及串联时要注意什么。

6.1 技能链的设计原则：输出字段要稳定

技能链的核心是接口稳定。上游技能的输出字段，下游技能要能直接读。我前面提过字段命名规范，这里再强调一次：所有技能共用一套字段名，比如关键词相关的技能统一用keyword、intent、priority，不要这个技能叫kw那个叫keyword。

除了字段名，字段类型也要稳定。priority统一用高/中/低，不要一会儿用数字一会儿用文字。类型不一致，下游技能解析就容易出错。

6.2 一个完整的独立站SEO技能链示例

我自己的独立站SEO技能链大概是这样：先用关键词意图技能处理一批词，输出带优先级的词表；然后把高优先级词喂给内容大纲技能，生成页面大纲；大纲确认后，用FAQ结构化数据技能为页面生成FAQ标记；最后用内链规划技能，根据词表和大纲规划站内链接。

这条链跑下来，一个页面的SEO准备工作从原来的大半天缩短到一两个小时，而且质量更稳定，因为判断标准是固定的，不会因为我今天状态不好就漏掉某个环节。

6.3 人工介入点：哪些环节不能全交给AI

技能链不是全自动就好。我的经验是，至少有三个环节必须人工介入。第一，关键词意图判断的结果要人工抽查，尤其是边界词；第二，内容大纲要人工审，确保符合品牌调性和实际业务；第三，FAQ内容要人工确认，不能有事实错误。

AI代理擅长的是执行标准化流程和提供判断建议，不擅长的是把握业务方向和事实准确性。把这两类事分清楚，技能链才用得踏实。

7. 几个高频问题的排查思路

最后这部分，整理几个我在用Claude Code做营销技能时遇到的高频问题，以及排查思路。这些问题的答案不是死的，但排查路径可以复用。

7.1 技能不被触发怎么办

先检查技能描述是否包含输入特征和任务意图，再看触发条件是否写得太窄。如果都正常，试着把测试任务的表述改得更贴近技能描述里的用词。还不行的话，临时把描述放宽，确认能触发后再逐步收窄。

7.2 输出格式不稳定怎么办

通常是执行说明里的输出格式描述不够具体。把格式写成模板，明确每个字段的名称、类型、示例。如果还是不稳定，在技能里加一句"输出必须严格遵循以下模板，不得增删字段"。

7.3 技能之间衔接出错怎么办

先检查字段名和类型是否一致，再看上游输出是否包含下游需要的所有字段。我习惯在技能链跑之前，先用一个简单任务验证上游输出，确认字段齐全再往下走。

7.4 模型切换后技能行为变了怎么办

不同模型对同一段技能描述的理解可能有差异。切换模型后，用之前的测试任务重新验证一遍，重点看判断标准和输出格式有没有偏移。如果偏移明显，可能需要针对新模型微调技能描述。

8. 我在这套东西上的一些真实体会

做营销技能这件事，我最大的体会是：技能的质量取决于你对营销本身的理解深度，而不是你对工具的熟练度。工具只是放大器，你脑子里没有清晰的判断标准，写出来的技能就是一堆空话。

另一个体会是，别追求一步到位。我第一版关键词技能写得很粗糙，判断标准就三条，但先用起来，在实际任务里发现问题再补。迭代了七八版之后，它才变得好用。如果一开始就想写个完美的技能，大概率会卡在"怎么写都不满意"的阶段。

还有一点，技能是给人用的，不是给机器看的。写技能的时候，想象你在带一个新人，你要把判断标准、注意事项、常见坑都讲清楚。你讲得越清楚，技能就越好用。这个心态转变过来之后，我写技能的速度反而快了，因为不再纠结"格式对不对"，而是专注"讲清楚没有"。

这套东西还在演进，Agent Skills spec本身也在更新，今天好用的写法明天可能就有更优解。但底层逻辑不会变：把经验结构化，把判断标准化，把流程可复用化。这三件事做到位，不管工具怎么变，你都能快速迁移。