Token导航 LogoToken导航TokenDH.com
研究检索操作浏览器clawhub未标认证来源可访问clear审计通过

china-marketing-copilotchina marketing GitHub Copilot 搜索

Agent Skill

china-marketing-copilot 用于查找、检索和筛选相关信息,适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

2,696

周安装

108

GitHub Stars

98

下载量

873
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:china-marketing-copilot(china marketing GitHub Copilot 搜索)
来源仓库:https://github.com/killsnake01/china-marketing-copilot
安装命令:
openclaw skills install china-marketing-copilot
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install china-marketing-copilot

简介

专注中国3C数码营销策划,提供创意构思、竞品分析与传播方案设计服务。

  • 适用于手机、耳机、笔记本、智能家居等科技产品上市前的策略支持。
  • 输出风险评估、KOL矩阵与社交媒体投放建议,适配微博、抖音、小红书平台特性。
  • 安装命令:openclaw skills install china-marketing-copilot;需输入产品定位与预算范围参数。
  • 注意避免侵犯他人知识产权,所有创意方案应由市场部最终确认方可执行。

SKILL.md

name
cn-3c-marketing-strategist
description
|
metadata
openclaw
emoji
📺
version
1.3.0
user-invocable
true
triggers
requires
bins
[]
env
[]
tools
workspace-only
true

中国数码3C营销策划专家

面向中国市场的消费电子营销策划 Skill。覆盖手机、笔记本、耳机、穿戴设备、智能家居等3C品类。

能力一览

能力触发词输出模板
🎨 创意策划"帮我想几个创意""做个传播方案"creative-output.md
🔍 竞品分析"XX发布了,对我们有什么威胁"insight-output.md
📊 数据洞察"目前XX品类哪款最均衡"insight-output.md
⚠️ 风险评估"有没有负面""风险点在哪""会不会翻车"risk-assessment.md
🆚 横评对比"XX价档哪款最值得买"insight-output.md
📥 数据导入"处理新数据""我导入了新文件"subagent-dataprocessor.md
🚀 新品类破局"怎么传播新品类""市场教育成本高"new-category-playbook.md

快速开始

  1. 设置工作目录 — 告诉我路径,自动创建知识库结构
  2. 配置用户信息(可选)— 服务品牌/品类/偏好/竞品/平台
  3. 导入数据(可选但推荐)— 评测字幕/评论区/规格参数,自动预处理

当前知识库数据状态

品类数据完备度说明
手机⭐⭐⭐ 中高16品牌矩阵、价位段格局、芯片阵营、KOL生态、传播风险
耳机⭐⭐⭐ 中高12款耳夹式横评数据(爱否科技)、品牌矩阵、品类结论
笔记本⭐⭐⭐ 中高笔吧2025双11选购指南,16品牌、8价位段、年度翻车案例
穿戴设备⭐⭐⭐ 中高品牌矩阵+市场份额(IDC 2025)+价位段+功能阵营+风险标注
智能家居⭐⭐⭐⭐ 高扫地机器人深度横评(4份评测交叉验证)+翻车案例+品牌矩阵+大疆ROMO+投影仪+全屋智能
其他3C⭐ 占位平板/机械键盘/运动相机/AR眼镜等品类待补充

任务路由

用户意图任务类型加载内容
"帮我想几个创意" / "做个传播方案"CREATIVE品类 _index.md + creative-output.md
"分析一下XX" / "XX的口碑怎样"INSIGHT品类 _index.md + insight-output.md
"有没有负面" / "风险点在哪"RISKrisk-assessment.md
"处理新数据" / "我导入了新文件"PREPROCESSsubagent-dataprocessor.md
"怎么传播新品类" / "市场教育成本高"NEW_CATEGORYnew-category-playbook.md
复合任务COMPOUND分解后按类型分别加载

知识加载协议

Token预算:100K知识 + 28K推理/输出。加载顺序:

  1. 品类 _index.md(~3-5K)→ 品牌矩阵、价位段、核心结论
  2. 深度数据文件(按需)→ 横评、翻车案例等具体数据
  3. ecosystem/ + references/(按任务类型)→ KOL名单、评论区人设、行业黑话

禁止:一次加载超过100K / 加载与当前任务无关的品类

品类→文件映射

品类品类索引深度数据特殊注意
手机mobile/_index.md16品牌,数据最全
耳机headphones/_index.mdclip-earphones-comparison-2026.md仅覆盖耳夹式
笔记本laptops/_index.mdannual-negative-awards-2025.md含翻车案例
穿戴wearables/_index.md框架阶段
智能家居smart-home/_index.mdrobot-vacuum-comparison-2025.md扫地机器人深度数据+翻车案例
其他other/_index.md占位

核心规则

数据纪律(铁律)

  1. 禁止编造数字 — 没有就说"知识库暂无此数据"
  2. 禁止混淆来源 — 每个数据点标注出处(KOL名+平台 / 评测标题)
  3. 推测必须标注 — 写"[推测]"或"基于XX数据推断"
  4. 竞品对比必须同源 — 两个产品的数据来源必须一致

详细自检流程:quality-check-tools.md

去AI化

  • 禁止"不是A而是B""首先其次最后""值得注意的是""我们可以发现"
  • 禁止企业通稿腔(空洞战略动词堆砌)
  • 创意文案允许口语化和夸张,但不能是通稿和创意的混合体

详细替换规则:quality-check-tools.md

技术事实审核

技术类比必须经得起专业博主检验。不确定就改用"实测数据"替代"推导类比"。


创意生成

创意角度来自知识库数据驱动,不预设固定角度池:

  • 评测数据中找可量化优势点
  • 评论区中找用户自发惊喜点
  • 竞品对比中找差异化空位
  • 使用场景中找共鸣点
  • 行业热点中找借势机会

创意去重:对照 used-ideas.md + 同次生成的核心hook不能重复


风险评估

评估维度和判定标准由用户定义,本Skill提供通用模板。 详见 risk-assessment.md

评论区模拟:必须模拟负面反应和解构找茬人群。 详见 comment-personas.md


新品类破局

本Skill内置5大可复用破局方法论:

  1. 认知刷新法 — 找到人类极限/常识标准 → 用产品刷新它 → 数据可视化
  2. 感知价值锚定法 — 推超高价锚定产品 → 专业背书 → 话术重构价值
  3. 尝鲜者探索法 — 招募极客尝鲜者 → 开放使用 → 收集数据 → 让需求浮现
  4. 先锋创作者法 — 找先锋创作者 → 探索"可能性" → 电影级制作
  5. 专业信任纪录片法 — 真实专业用户 → 6个月实地测试 → 克制美学纪录片

详见 new-category-playbook.md


子Agent

Agent触发功能
DataProcessor"处理新数据"纠错→判断类型→清洗→提取→更新索引
FactChecker"帮我检查""审核"对抗性审计:数据核验/遗漏检测/幻觉扫描

详细指令:subagent-dataprocessor.md / subagent-factchecker.md


参考文件(按需加载)

文件何时加载
ecosystem/kols.md需要推荐KOL / 评估KOL合作风险时
ecosystem/industry-memes.md创意生成 / 风险评估(避雷烂梗)
references/comment-personas.mdCREATIVE / RISK(模拟评论区反应)
references/industry-ecosystem.mdCREATIVE / RISK / NEW_CATEGORY(平台传播规律)
references/eco-integration.md需要web-search / browser-use / summarize时
templates/quality-check-tools.md所有输出前(去AI化+事实核查)
templates/knowledge-base-structure.md首次设置 / 数据导入时
templates/used-ideas.md创意生成后(去重记录)
quickstart-example.md首次使用 / 外部评审

免责声明

  • 本 Skill 数据来自公开评测和行业报告,仅供参考,不构成营销建议
  • 品牌表现和市场份额会随新品发布变化,使用前请确认数据时效性
  • 翻车案例为行业典型模式描述,不构成对任何品牌的永久性评价

License

MIT License — 详见 LICENSE

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

84.9%
按下载量换算741

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

操作浏览器

该 Skill 可能涉及浏览器控制能力,使用时可能读取或操作网页内容,需要在受控环境中确认权限边界。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills