最近在复盘我自己参与的Marketingskills项目——本质上是在做一套面向营销场景的AI代理技能库。所谓技能库就是把“市场调研怎么做”“内容选题从哪来”“不同渠道的文案怎么写”这些营销动作转化为AI代理可以按需调用的标准化模块。做这个项目之前团队里的AI代理只有一个大模型和一堆零散工具效果很不稳定做完技能库之后代理的任务完成率、输出规范性和可复用性都明显提升。这篇文章就来拆解构建一个AI代理营销技能库时会涉及的技术方案、设计分类、提示词工程、工作流编排和评测迭代方法适合正在搭建营销自动化体系的开发者、以及对Agent应用感兴趣的产品运营同学参考。1. 先把问题拆清楚AI代理为什么需要营销技能库1.1 通用代理在营销场景里是如何“翻车”的很多团队在大模型刚火的时候都会先做一个“营销问答助手”或“内容生成机器人”把大模型接进知识库觉得就能自动写文案、做活动策划。实际跑一阵子就会发现通用大模型在真正干活时问题非常多。第一大模型对营销术语的理解是“飘”的。它知道“品牌定位”“转化率”“Tap 广告”这些词但它不知道你们公司内部说的“高转化钩子”具体长什么样也不清楚上一轮活动的复盘结论适不适用于这次新品。它给的是“网上平均值”而不是“针对你这个业务的最优解”。第二输出形式不稳定。同一个需求今天给你的是一段完整文案明天可能给你三个版本加一堆解释后天又变成一段没有标题的正文。如果后面还有其他系统等着消费结果这种不稳定的格式会直接让整条链路断掉。第三没有真正的“动作边界”。让代理去写一篇小红书笔记它可能顺手就把“未经确认的价格信息”写进去了让它做竞品分析它可能输出一篇泛泛的行业报告而不是按你们团队的固定模板给出结论。问题不在于模型笨而是我们从来没有把“该做什么、按什么步骤做、输出成什么样”说清楚。所以就有了技能库这个思路。核心是把营销团队的经验、步骤、判断标准和输出模板沉淀成一个个独立的、可复用的技能模块。代理拿到任务后先判断当前需要哪个技能再加载技能对应的指令和工具最后按标准格式输出结果。这一步做好之后“翻车率”会明显下降。1.2 技能库不是“提示词大全”而是代理的标准化作业手册很多人会把技能库理解成“把一堆提示词放进文件夹里”。如果只是这样效果通常很差。因为提示词是“静态文字”而技能需要在真实业务里跑通它要能接收动态参数调用外部工具校验输出结果并且知道自己什么时候该退出、什么时候该请人工介入。我习惯用一个类比技能库相当于给AI代理配了一套带检查项的作业手册。手册里不仅写着“要做竞品分析”还规定了先看哪些信息来源、按什么框架输出、每条结论有没有证据支撑、如果找不到数据该写“暂未获取”还是继续深挖。有了这套手册代理就不是在凭感觉发挥而是在执行一套经过验证的流程。从工程角度来说技能库还需要具备版本管理、测试集、权限控制、调用统计这些属性。它更像是“代码”而不是“文档”。这也是为什么我会把它定义为整个AI代理架构里的中间层底层是大模型能力和工具API上层是业务应用和用户需求中间这一层就是技能库。2. 技能库的顶层设计与分类体系2.1 按营销场景划分技能域设计技能库的第一步不是急着写提示词而是先做分类。分类决定了后续的维护成本、权限边界和调度效率。我在Marketingskills项目中把技能分为六大类你可以根据自己的业务做增删。技能域典型技能负责的业务动作市场洞察行业趋势扫描、竞品动作监控、用户评论挖掘回答“市场发生了什么、用户在意什么”内容生产选题建议、标题生成、长文撰写、短视频脚本回答“今天发什么、怎么写”渠道运营不同平台文案适配、SEO页面优化、社群互动话术回答“内容怎么分发、怎么互动”投放优化广告人群分析、落地页评估、投放数据解读回答“预算怎么花、效果怎么提”线索与转化线索打分、高意向识别、常见异议应答回答“谁值得跟进、怎么跟”数据复盘周报月报生成、活动复盘、归因分析回答“上一轮做得怎么样、下一步怎么调”这个分类的价值在于不同技能域对“确定性”的要求不一样。比如内容生产允许模型有更多创造性但投放优化里涉及预算和出价的技能必须严格限制模型的行为不能让它随便给一个“建议出价”更不能让它直接调API。把技能按域隔离后续做权限和审批就方便多了。2.2 技能文件的标准化结构在项目里每个技能都会被定义成一个独立的文件夹里面至少包含一个技能描述文件和若干指令片段。其中技能描述文件我强烈建议用结构化格式比如YAML或JSON来写。以下是我们用的一个精简模板name: competitive_analysis version: 1.4.0 description: 基于指定竞品和行业关键词输出结构化竞品分析简报 trigger: - 用户提到竞品分析 - 用户给出竞品名称并要求对比 - 数据复盘流程中需要补充竞品动态 inputs: competitors: string industry: string date_range: string steps: 1. 检索竞品官方动态 2. 检索第三方行业数据 3. 按固定框架整理SWOT 4. 输出结构化报告 tools: - web_search - official_website_fetcher - news_api output_schema: type: object properties: summary: string competitor_updates: array risks: array opportunities: array data_confidence: string fallback: 当检索不到官方动态时标注“信息来源有限”不得编造数据这个文件里每个字段都有实际作用。name和version用于调度和版本追踪description给路由模型看决定了代理能不能正确识别该用哪个技能steps给执行模型看规定了操作流程tools限制了技能能碰哪些外部资源output_schema是输出契约下游系统靠它解析结果fallback是安全网防止模型在最坏情况下胡编。2.3 技能粒度怎么定才不会过粗或过碎划分技能时最容易犯的两个错误一个是技能太大另一个是技能太碎。技能太大比如做一个“全能营销助理”技能里面什么都能干。结果就是代理执行起来没有重点指令之间互相冲突改起来也无从下手。技能太碎比如把一个“标题生成”拆成“长标题生成”“短标题生成”“包含数字的标题生成”反而会让路由变得复杂维护成本也直线上升。我个人的经验是一个技能应该只完成一件相对完整的事并且这件事有明确的输入、明确的步骤和明确的产出。判断标准很简单如果你能用一句话向一个新同事说明“这个技能负责什么”那粒度就基本合适。如果一句话说不清或者需要加很多限定条件那就继续拆如果两个技能之间的描述高度重复、输入输出基本一样那就考虑合并。3. 单个技能的落地细节与提示词工程3.1 把专业判断翻译成可执行指令技能库能不能发挥价值关键在于提示词工程。这里说的提示词工程不是“把需求描述得更清楚一点”而是把营销人员脑子里的专业判断翻译成AI代理可以一步一步执行的指令。举一个例子。做内容选题时新手运营都会被告知“要有用户视角”。但“用户视角”这四个字模型不知道该怎么做。如果技能里只写“请从用户视角提出选题”输出往往很平庸。换成可执行指令之后效果立刻不一样选题技能执行要求 1. 先明确目标人群的三类核心场景使用前、使用中、使用后。 2. 对每个场景列出用户最关心的三个问题。 3. 筛选问题优先级标准是出现频率高、现有搜索结果未覆盖、与产品卖点直接相关。 4. 每个选题必须附带一句“推荐理由”和“预估搜索意图”。 5. 输出JSON数组字段包括title、reason、intent。这段指令里没有空泛的形容词每一条都是可检查的。执行完之后运营可以直接拿着选题列表开会讨论而不是先替模型“翻译”一遍它的意思。还有一个技巧是给模型提供“正反样例”。我会在技能目录里放一个examples文件夹每个技能配一到两个少样本示例。示例不需要太多但要典型一个展示完整正确的输出一个展示容易出错的边界情况。这个投入产出比非常高尤其当你的输出格式比较复杂时少样本能让模型少犯很多格式错误。3.2 技能里如何嵌工具调用与外部数据营销技能离不开外部数据。做竞品分析要看竞品官网做舆情监控要抓社交平台公开内容做SEO要查关键词热度。所以每个技能都需要明确声明“可以用哪些工具、按什么顺序调用”。我比较推荐的模式是“先检索、后生成”。让代理先调用搜索、抓取、知识库工具把相关事实收集到本地缓存里再进入生成环节。顺序一旦反了模型就容易先凭记忆写一个大致框架然后拿着搜索结果去“圆场”最终内容虽然看起来完整但论证关系是脆弱的。工具调用的结果还需要做一层“清洗”。很多外部接口返回的内容包含大量噪音比如导航栏文本、推广信息、无关段落。如果直接把原始内容塞给模型它会很困惑输出质量也会下降。我会在工具调用之后加一个简单的抽取步骤把标题、时间、关键段落、链接地址提取出来再作为上下文传给生成模型。另外要给每个引用来源附加日期和置信度。营销领域的信息时效性极强三个月前的价格、渠道政策可能已经完全变了。所以输出schema里要有data_confidence字段模型在信息来源不足时必须明确写“低置信度”而不是伪装成确定结论。3.3 结构化输出与校验机制如果技能库对接的是自动化流程那么“输出格式稳定”和“内容不跑偏”同样重要。结构化输出是这里的关键手段。我在设计输出schema时遵循一个原则能少就少能定就定。字段尽量少减少模型出错空间字段类型尽量明确避免模型把数组写成字符串把日期写成一串描述。一个典型的内容生成技能schema可能长这样{ title: 7个被低估的营销数据指标多数团队都没用好, sections: [ { heading: 指标一单客获取成本的有效覆盖率, content: 正文段落..., evidence: [数据来源说明, 内部案例编号] } ], cta: 如果想进一步了解指标口径可以联系我们获取完整模板, tone_tags: [专业, 数据驱动] }模型输出之后不能直接当成最终结果用。我会在技能执行链路的末尾加一个校验步骤用一个轻量的校验函数检查必填字段是否存在、数组长度是否符合要求、字段类型是否正确、是否包含禁止出现的词比如未经验证的价格。校验不通过就让代理基于错误信息重试一次并限制重试次数避免死循环和额外花销。4. 从技能库到代理工作流的编排4.1 路由与选择机制代理怎么知道该用哪个技能技能库建好之后下一个问题是用户提了一个需求代理怎么知道该加载哪个技能。最常见也最实用的方法是“基于描述的向量检索加规则兜底”。每个技能都有一个description字段先用意图识别模型把用户需求转成一句标准描述然后和所有技能的description做向量相似度匹配取最高分。与此同时我会设定一个置信度阈值。如果最高分低于阈值就不强行套用技能而是走“通用问答”或“人工澄清”的兜底路径。这个兜底逻辑非常重要。营销场景里经常出现用户的真实需求是模糊的。比如用户说“帮我看看最近有没有什么热点”这既可能对应“行业趋势扫描”技能也可能对应“新媒体选题”技能。与其让代理瞎猜不如让它反问一句“你希望这个热点用于内容选题、投放参考还是市场监测”很多团队为了追求自动化把反问省略掉结果反而浪费更多时间。路由信息里还要带上“上下文标签”。如果用户正在编辑一篇小红书文案后面说“帮我改一下开头”代理要能识别当前场景属于“内容生产-渠道适配”而不是重新从所有技能里选一遍。这种状态管理可以让整个对话体验顺畅很多。4.2 多技能协作让调研、创作、审核形成闭环单技能只能解决单点问题营销链路通常是多技能协作。我会把流程编排成类似工厂流水线的模式。举个例子“做一份本月内容规划并发布”这条任务可能会依次调用这几个技能“需求澄清技能”确认目标人群、产品卖点、发布渠道。“行业趋势扫描技能”收集行业热点和竞品动态。“内容选题技能”基于收集到的事实生成选题建议。“内容创作技能”把选定选题扩写成初稿。“合规与品牌审核技能”检查文案中是否有夸大表述、敏感词、错误引用。“渠道发布技能”按不同平台要求完成排版和发布。这里面的关键是上下文传递。不同技能不能各自为政否则就会出现调研结果是一套内容、选题是另一套内容、成稿又完全不搭边的尴尬情况。我在实现时会用一个独立的状态变量来存“当前任务的工作记忆”比如调研结论、已确定的卖点、审核意见。每个技能结束后只把必要的产出写回工作记忆其他内容都丢弃防止上下文越来越长。还要注意技能之间的硬依赖。比如“合规审核技能”没通过时内容不能进入发布环节。这类逻辑要写在校验层不能只靠提示词提醒。否则代理在长链路执行中漏掉审核可能造成直接的实际风险。4.3 权限控制与安全边界营销技能库会连接到发布后台、广告账户、客户数据系统权限设计必须从一开始就认真对待。我的做法是给技能打上“权限等级”标签分为只读、内部写、外部写三级。只读技能可以随便调用比如数据查询、资料检索内部写技能可以把内容写到内部文档系统但要留痕外部写技能比如直接发布内容、修改出价必须经过授权和人工确认。代理在运行时只能调用当前权限级别允许的工具一旦发现越权请求直接拦截并提示用户。还有一个容易被忽视的点技能之间不能任意传递敏感数据。比如“用户画像分析技能”读到了手机号、微信号这些数据不应该下游“内容创作技能”看到。所以在工作记忆里也要做字段级隔离敏感字段只允许特定技能消费。这一点在早期很难完全考虑周全但架构上至少要预留这样的能力。5. 评测与迭代怎么知道技能库真的好用5.1 可量化的指标效果不能只靠感觉技能库上线后必须建立一套评测体系。否则你根本说不清楚“新改的提示词到底有没有变好”。我会重点看以下几类指标指标定义参考阈值技能定位准确率路由是否正确选择技能高于90%结构化输出通过率输出成功通过schema校验的比例高于95%单技能任务完成率代理完整执行技能步骤并生成结果高于85%人工内容采纳率运营直接使用AI生成结果的占比高于60%关键信息错误率内容中出现事实性错误的抽样占比低于5%这里我要特别提醒一点不要把“模型自己打分”作为唯一评估手段。模型自评有一定参考价值但它很难发现事实性错误尤其是营销场景里那些只有业务人员才看得出来的问题。所以我一直坚持“自动化校验加人工抽样”的双轨机制。日常用自动化指标跑量每周再抽10%到20%的真实业务结果让运营同事对照业务标准打分。5.2 回归测试与技能版本管理技能库的迭代频率比想象中高。运营策略一变或者大模型版本一升级技能效果就可能波动。所以我从第一天开始就给技能加了版本号并且建立了一套回归测试机制。回归测试集不需要特别大但要有代表性。我会为每个技能准备50到100条测试用例覆盖常见输入、边界输入和异常输入。常见输入是标准句式边界输入是参数缺失或特别长的内容异常输入则是故意刁难代理的那些问题比如“当前没有任何竞品数据你怎么办”。每次修改技能文件之后都要跑一遍回归测试对比新旧输出。这里有一个坑只看“输出格式是否通过”是不够的还要看业务效果的变化。格式通过但内容变差的情况非常普遍。所以我会在技能变更记录里同时记录两版输出样例让业务同事直接对比而不是只看指标数字。技能版本管理建议使用语义化版本号。大改流程升级大版本小修提示词升小版本。每个版本都要写changelog哪怕只写一句“改了什么、为什么改、效果如何”。等你维护几十个技能之后会发现这些记录比代码注释还重要。5.3 迭代节奏与“坏例驱动”的改进方式在实际项目里最有效的迭代方式不是“定期头脑风暴优化”而是让线上真实失败案例来驱动改进。我会建一个“坏例收集池”把运营在使用过程中发现的问题反馈直接丢进去每周统一处理一批。比如运营发现代理写电商大促文案时总喜欢用“爆款”“必抢”这类词尽管技能描述里已经写了“避免过度承诺”。这个问题如果只是数据分析很可能找不到但一旦形成坏例就可以把它加进测试集再调整技能指令把“避免过度承诺”改成“不得出现八折以下折扣表述除非运营已确认实际折扣”。这就是“用具体约束替代抽象原则”的典型场景。迭代频率上我建议每两周做一次小版本更新每月做一次集中评审。不要天天改技能文件改得太频繁会让人没法判断哪个改动真正起作用。保持稳定才能积累有效数据。6. 踩坑记录与常见问题排查实录6.1 提示词越长效果越差的陷阱最开始建技能库时我犯过一个很典型的错误为了把规则写全一个技能的指令段落写到三四千字。结果发现模型执行起来反而变笨了经常抓不住重点甚至在后半段忽略关键步骤。后来才明白给模型的任务约束要遵循“最小必要信息”原则。真正影响输出的指令往往只需要几十行。那些补充背景、解释原因的段落模型不一定会按你的意愿“参考”它们反而可能把上下文弄得混乱。现在我写技能指令会控制结构先明确目标再给步骤最后给输出要求。把相关的参考案例单独放到不同资源文件里运行时按需加载而不是一股脑塞进系统提示词。这样既保证了指令清晰也控制了token成本。6.2 上下文污染与“忘掉之前任务”的问题长链路执行中最常见的问题是代理干着干着就忘了最初的需求。比如让它做完竞品分析之后再写一份投放建议结果投放建议写成了竞品分析报告的内容扩展版还反复提到已经不需要的竞品细节。原因在于上下文管理没有做好。不同技能产生的中间内容都堆在同一个上下文窗口里后续技能不知道该优先关注哪一部分。我调整的做法是技能切换前把当前会话的上下文做一次压缩只保留“任务目标”“关键结论”“未解决问题”三个字段再传给下一个技能。这个改动之后长链路的执行稳定性提升非常明显。另外我还会要求每个技能在结束时输出一个“交接摘要”就像是同事之间交班时说的那句“现在情况是这样接下来你要注意什么”。这个摘要会被放进工作记忆而不是把整个执行日志都传给后续技能。6.3 外部工具返回信息不可信内容里出现过期数据营销场景里时效性就是生命线。但外部工具返回的信息经常并不可靠有的网页内容长期不更新有的第三方数据平台口径和我们对不上甚至有的搜索结果本身就是软文。有次运行“竞品价格监控”技能代理生成了一份价格对比表运营差点直接发给客户。幸好人工复核时发现其中两个竞品已经调价一周了外部搜索抓到的还是旧页面。从那以后我在工具调用层强制加了两道工序一是给抓取结果打“抓取时间”标签二是如果数据源不是官方渠道必须降低该字段的置信度并在输出里明确标注。宁可让结果看起来“没那么确定”也不要让错误信息流到下游。6.4 成本与延迟失控长链路任务经常超时技能库越做越大单次任务的工具调用次数和模型调用次数都在上升。有一次完整跑“活动复盘全流程”任务从数据读取、内容生成到归因分析前后调了几十次模型接口耗时超过预期费用也很高。后来我做了几项优化。第一步是给每个技能设定最大工具调用次数比如一个技能最多调5次外部工具超过就停止并输出已有结论加“信息不完整”提示。第二步是对重复结果做缓存同一个关键词和日期范围内的检索结果短时间内不重复调用。第三步是尽量让多个独立工具调用并行执行而不是串行等待。这三步做完长链路任务的成本和耗时基本能减少三分之一左右。7. 一点个人体会最后分享几个我在这个项目里沉淀下来的个人建议。首先是“从高频低风险技能开始”。不要一上来就做几十个技能先把内容创作、竞品分析、数据复盘这三个高频技能打磨到足够稳定再逐步扩展。低风险意味着即使出错了也不会造成直接损失这样团队才敢放心用、愿意多反馈。其次是“技能库是需要持续维护的资产”。我们经常说模型能力在变、业务策略在变技能库其实也需要跟着变。它不是建完一次就结束的静态文档更像是一套需要定期保养的作业手册。每次业务调整都要回到技能库里同步更新对应步骤和输出标准。最后别忘了让代理“知道自己不知道”。一个靠谱的营销代理不是所有问题都能解决而是遇到不确定的事情时愿意停下来问一句或者明确标注“这个结论证据不足”。把这种“保守”写进技能设计里长期来看它带来的信任价值比偶尔一次漂亮表现高得多。希望这篇拆解能给你一些启发也欢迎你在自己的实践里大胆尝试。