默认配图

IMA 知识库怎么上传文件不乱码

「IMA 知识管理」是「龙虾部署大师」技能市场中的资料存取技能:它通过 IMA 官方 OpenAPI 统一处理笔记和知识库两类操作,按用户意图路由到 notes 或 knowledge-base 模块,完成搜索笔记、浏览笔记本、获取与创建笔记、追加内容、上传文件、添加网页链接、搜索知识库、浏览条目和获取知识库信息等任务,并特别强调凭证预检、官方域名调用、笔记写入 UTF-8 校验、文件上传原样保留以及 PowerShell 5.1 的字节编码处理。 技能效果 整理三条会议笔记时,它按主题归类、打上标签、建立关联图谱,整理成可检索的知识体系。 资料越攒越多,存取却越来越乱 当个人资料、团队知识库、笔记和网页收藏都堆在 IMA 里,日常存取容易出几类问题:分不清这是该写成新笔记、追加到已有笔记,还是上传到知识库;想找一份旧会议记录,却记不清存在哪个笔记本里;上传 PDF、Excel 时怕被重新转码、改了内容;而在 Windows 上调接口写中文,还常常碰到编码处理不当导致的乱码。这些都是手动操作 API 时反复踩的细节坑。 用户意图 笔记 notes 搜索 / 创建 / 追加 浏览笔记本 知识库 KB 搜索 / 浏览条目 上传文件 / 加链接 这个技能怎么打理 IMA 的笔记与知识库 它是一个统一的 IMA OpenAPI 技能,先根据你的意图判断这是笔记内容操作还是知识库条目操作,再路由到对应模块执行。笔记侧支持搜索笔记、浏览笔记本、获取正文、创建新笔记和向已有笔记追加内容;知识库侧支持上传 PDF、图片、Excel 等文件、添加网页链接、搜索知识库、浏览条目和获取知识库信息。它把这些操作都收敛到官方域名调用,并把容易出错的工程细节内置:写入笔记前强制 UTF-8 编码校验、文件上传保持原样不重新转码、专门处理 PowerShell 5.1 的请求体字节编码问题。 内置可靠性保障 凭证预检 官方域名调用 UTF-8 校验 中文不乱码 上传原样保留 不重新转码 它的价值在于把"存对地方、找得回来、不乱码、不改原文"这些资料管理的基本要求工程化,让 IMA 的笔记与知识库存取变成稳定可靠的自动化动作。 用前须知 该技能需要在 ima.qq.com 获取 Client ID 和 API Key,并配置环境变量或 ~/.config/ima。调用依赖 curl,需要转码时可用 Python、Node 或 iconv 配合。 怎么用它 用法是把你要对 IMA 资料做的事用自然语言交给它。例如可以这样对它说: 可以这样对它说 "把这份 PDF 原样上传到 IMA 知识库,不改内容,也不要重新转码。" "在 IMA 知识库里搜新品定价会议,找到相关笔记并打开正文看,按人归类。" "新建一篇 IMA 笔记,记录今天客户访谈要点并按对象分好段,链接别漏掉。" 它适合这些场景:想把内容保存为新笔记或追加到已有笔记中;需要上传 PDF、图片、Excel 或网页链接到指定知识库;从知识库搜到资料后再把摘要写进某篇笔记;以及在 Windows PowerShell 环境调用 IMA API、需要避免中文乱码。 大家常问 在 IMA 里,笔记和知识库分别用来存什么,有什么区别? 笔记是个人写作空间,靠 import_doc 写、append_doc 追加文本;知识库是资料仓库,存 PDF、网页和笔记引用,按文件夹归档、按全文检索。简单说,笔记是写出来的,知识库是存进去的。 为什么往 IMA 知识库上传文件前要做凭证预检? 上传走 IMA OpenAPI 鉴权,预检在本地先确认 Client ID 和 API Key 有效,避免文件发出去半天才报错。属于轻量级快速失败,缺凭证立刻报错,不会留下空索引和无解释响应。 为什么把 PDF 上传到 IMA 知识库时要保持原样、不重新转码? IMA 服务端自己解析原始 PDF 的文本层、目录和分页,建全文/语义/结构三层索引。提前转 txt 再传,目录层级、排版和页码定位都会丢,笔记摘录跳不回原文,跨文档关联也会断。 为什么用 OpenAPI 往 IMA 笔记写中文前要做 UTF-8 编码校验? IMA 服务端按 UTF-8 解析 JSON Body,PowerShell 5.1 等环境容易把中文以 GBK 字节发出去,落库就成乱码。发送前显式校验 UTF-8 合法性,能避免笔记无法被分词索引、关联标题失配。 想用上这个技能? 「IMA 知识管理」就在「龙虾部署大师」的技能市场里,打开 技能市场 就能一键安装使用。 还没装龙虾?先 一键部署「龙虾部署大师」,在本地跑起来后再装技能即可。 注:技能的实际效果与所选用的 AI 模型能力有关,不同模型下的表现可能存在差异。

2026/05/29
默认配图

如何用AI制定饮食计划

「营养教练」是「龙虾部署大师」技能市场中的饮食方案技能:作用是根据你的目标和生活条件,生成一份可落地执行的饮食计划——它收集身体信息、健康状况、口味偏好、烹饪条件、预算和外食频率,计算热量与宏量营养素目标,输出 7 天食谱、购物清单、备餐指导和外食替代方案,兼顾中餐、西餐、素食、生酮、DASH 等模式。 技能效果 让它按减脂目标排上班族的工作日便当,它给出周一到周五的食谱,每餐控制在四五百千卡,主食、蛋白和蔬菜分量都写清。 知道要"吃得健康",却不知道每天具体怎么吃 难点在于把目标翻译成餐桌上的安排。想吃得健康的人常被三件事卡住:一是不知道吃多少,每天该摄入多少热量、蛋白质怎么分到三餐,全靠估;二是计划脱离生活,网上的食谱要么食材买不到、要么做起来太复杂,工作日根本执行不了;三是外食和预算不被考虑,天天点外卖、预算有限、还有乳糖不耐这类限制,通用菜单完全用不上。能不能坚持,关键看方案是否贴合你的真实生活。 餐盘法则:一餐的结构 ■ 蔬菜(半盘) ■ 蛋白质(1/4) ■ 主食(1/4) 这个技能能帮你做什么 它把"吃得健康"落成一份能照着买、照着做的计划。它先按减脂、增肌、维持、慢性病改善或特殊饮食需求确定方向,再分批收集身体数据、健康状况、口味偏好、烹饪条件、预算和外食频率;接着计算 TDEE、所需的热量缺口或盈余,并设定宏量营养素配比。在此基础上,它生成可执行的 7 天食谱、配套购物清单、备餐步骤,以及外食时的替代选择,覆盖中餐、西餐、素食、生酮、DASH 等模式,并说明餐盘法则、食物选择和长期追踪的方法。与只做分析不同,它的产出是一份可以直接拿去执行的菜单。 定目标与条件 预算/外食/偏好 算热量与配比 TDEE / 宏量 7 天食谱 含购物清单/备餐 外食 替代方案 用前须知 该技能通常无需 API Key,详细方案可调用本地 Python 脚本和食物数据库生成,因此建议具备 Python 环境。需要明确的是,它给出的饮食计划仅作日常健康参考,不能替代医疗建议;高血压、高血脂、糖尿病等慢性病人群或特殊人群,应结合专业医生的意见执行。 怎么用它 用法是把你的目标、饮食限制和生活条件用自然语言交给它,它会排出一周可执行的菜单。例如可以这样对它说: 可以这样对它说 "按减脂目标排一周中餐食谱,预算按普通上班族算,菜别太复杂。" "我乳糖不耐又常点外卖,设计一份工作日能执行的饮食方案和替换餐。" "增肌期每天训练,算好热量和蛋白质,再配一份按三餐分的备餐计划表。" 它适合这些场景:想减脂但不清楚每天热量、蛋白质和三餐结构怎么安排;健身增肌人群需要训练日和休息日都能执行的饮食计划;高血压、高血脂或糖尿病用户需要一份参考性的饮食管理框架和外食选择;以及素食者、外卖党或预算有限的人需要现实、可持续的菜单。 大家常问 个体化饮食方案和通用减脂模板的核心区别是什么? 通用模板把每天减500千卡、碳水占40%-50%这类人群统计学平均值套到每个人身上;个体化方案则把基础代谢、代谢适应性、激素背景、消化耐受当成专属参数持续更新。一句话区别:模板回答"大多数人怎么做",个体化回答"你的身体此刻正在发生什么"。 减脂平台期不掉秤的常见生理机制有哪些? 主要四条:一是代谢适应,每减1kg基础代谢可能额外降20-30千卡/天,超过单纯瘦体重流失所对应的降幅;二是非运动产热NEAT下降,无意识的活动减少;三是瘦素骤降、饥饿素升高的激素重塑;四是瘦体重流失拉低BMR,形成越减越难减的循环。 为什么单纯节食容易反弹? 不配合运动的节食大约25%减重来自肌肉,基础代谢被拉低;瘦素下降、饥饿素飙升、皮质醇升高、T3下降同时发生。恢复饮食后代谢未回升,但摄入回到从前——基础代谢低、肌肉少、饥饿强、饱腹弱叠加,体重往往超过起点(overshoot)。 宏量营养素配比是怎么从TDEE一步步算出来的? 三步走:先按Mifflin-St Jeor算BMR,乘活动系数(久坐1.2、轻度1.375、中度1.55)得TDEE;再按目标调缺口/盈余,减脂减300-500千卡;最后蛋白质优先按体重核算(减脂期1.6-2.2g/kg)、脂肪卡20-35%下限、剩余热量除以4得碳水克数。 想用上这个技能? 「营养教练」就在「龙虾部署大师」的技能市场里,打开 技能市场 就能一键安装使用。 还没装龙虾?先 一键部署「龙虾部署大师」,在本地跑起来后再装技能即可。 注:技能的实际效果与所选用的 AI 模型能力有关,不同模型下的表现可能存在差异。

2026/05/29
默认配图

京东评论怎么批量回复?按SKU筛选随机抽模板降重复

「京东评论回复」是「龙虾部署大师」技能市场中的评价处理技能:它在京东商家后台按 SKU 批量处理评价,按 SKU 列表、回复话术、评分等级、是否已回复和时间范围筛选评论,从多条模板中随机抽取话术逐页回复,并按 SKU 输出处理状态、失败原因和需重跑项。 技能效果 处理一个SKU的三条未回复差评时,它针对物流、色差、质量分别写出先致歉再给方案的官方回复话术,并整理成差评对照表。 评论量一大,回评就成了体力活 高评论量的京东店铺,回评是件耗人的体力活:要逐条翻页点回复,差评还得优先处理;用同一句话术回所有评价显得敷衍,逐条想又没时间;促销后评论量激增更扛不住,难免漏回、错回。这件重复又琐碎的事,最适合交给自动化。 这个技能能帮你做什么 它把回评流程标准化、批量化。筛选上,它按 SKU、评分等级、回复状态和时间范围圈定要处理的评论;话术上,它从你给的多条模板中随机抽取,降低回复的重复感;执行上,它批量逐页回复未处理评价并等待任务完成;反馈上,它按每个 SKU 输出完成、无评论或错误的处理状态,失败的可单独重跑。 按 SKU/评分筛未回复评价 随机抽话术多模板降重复 逐页回复 出状态 处理完它按 SKU 给清晰的结果分布,让你一眼看清哪些做完、哪些要重跑: 已完成回复成功 无评论该 SKU 无可回 出错标出待重跑 用前须知 该技能需要 Python、AI agent gateway、skillcore 和 Chrome,必须先手动登录京东商家后台的评价管理页;无需 API Key,但需具备店铺后台权限。 怎么用它 用法是把要处理的 SKU、话术和筛选条件用自然语言交给它即可。例如可以这样对它说: 可以这样对它说 "把 SKU A001 近一个月未回复差评全部自动回复,话术用表格。" "这批京东中评用表格 B 列话术随机回复一遍,避开已回复评价。" "按 SKU 分开处理未回复评价,完成后看每个结果,失败的标出。" 它适合这些场景:客服要批量回复多个 SKU 的未回复好评、中评或差评;促销后评论激增、要在指定时间段集中处理;品牌想用多套话术轮换、避免同质化回复;部分 SKU 回复失败、需要定位错误并单独重跑。 大家常问 批量回复京东评价时,为什么要用多套话术随机回复,而不是统一一句? 统一一句话回复全是一字不差,京东风控容易判定为机器刷屏,可能被拦截甚至限制回复功能;买家翻评价区看到雷同回复也会觉得敷衍。多套话术随机轮换能模拟人工逐条回复,既规避风控,又让每条都像专人撰写。建议好评备 5–8 套、中差评各备 3–5 套,按评价类型分别配置。 京东评价回复有什么规则限制,一条评价是不是只能回复一次? 是的,每条评价商家只能回复一次,提交后不能追加第二次,但已回复的内容可以在后台编辑修改。其他限制:单条建议 200 字内,不得含联系方式、外链、广告或不当言论,买家追评后无法再回复,违规回复可能被屏蔽并影响店铺权重。已回复的会标记状态,筛选时可只看未回复。 批量回复时为什么要先按"是否已回复"筛选,避免重复回复同一条? 批量模式会对选中的评论一视同仁地统一发送,不会自动跳过已回复的。若不先按"未回复"筛选,已回复的评论会被再次回复,而京东限制每条只能回复一次,重复操作会被拦截甚至触发风控,还浪费每日回复额度、让买家看到雷同回复。正确流程是先筛"未回复",再执行批量回复。 按 SKU 批量回复后,有些 SKU 显示失败,一般是什么原因? 常见几类:该 SKU 商品页弹出促销窗或滑块验证导致操作中断;筛选条件太严(如差评+未回复)使该 SKU 没有匹配评论;京东登录态失效;评论量大的页面加载超时;以及 SKU 编码有误或商品已下架。排查先看返回的 message 字段,多数单独重试一次即可成功。 想用上这个技能? 「京东评论回复」就在「龙虾部署大师」的技能市场里,打开 技能市场 就能一键安装使用。 还没装龙虾?先 一键部署「龙虾部署大师」,在本地跑起来后再装技能即可。 注:技能的实际效果与所选用的 AI 模型能力有关,不同模型下的表现可能存在差异。

2026/05/29
默认配图

网页抓取怎么做?用Scrapling出结构化数据

「网页抓取」是「龙虾部署大师」技能市场中的网页采集技能:作用是基于 Scrapling,按页面难度分层处理——从简单的 HTTP 请求,到需要 JavaScript 渲染的动态页面,再到受反爬保护(如 Cloudflare Turnstile)的站点,用 CSS、XPath、文本匹配提取目标内容,并能构建支持并发、多会话、代理轮换、断点续爬的爬虫,输出 Markdown、HTML、文本或结构化数据。 技能效果 让它抓取 example.com 时,它真的请求了页面,把标题和正文整理成 Markdown 存成本地文件,并展示出保存下来的内容和摘要。 抓网页的难度,为什么差这么多 "抓个网页"听起来简单,实际难度跨度很大。最简单的静态页面,一个 HTTP 请求就能拿到完整 HTML;但现代 Web 应用大量靠 JavaScript 渲染,直接请求只能拿到空壳,必须等内容渲染出来才提取得到;更进一步,不少站点上了 Cloudflare Turnstile 等反爬保护,普通请求直接被拦。再加上大规模采集时还要处理并发、会话保持、代理轮换、跑挂了能不能续爬——用一套固定的抓法去硬碰各种页面,要么抓不到,要么很快被封。 按难度分层处理 静态页面 get · 一次 HTTP 请求拿全文 动态页面(JS 渲染) fetch · 等内容渲染后再提取 反爬保护页面 stealthy-fetch · 隐身浏览绕过 Turnstile 这个技能能帮你抓到和产出什么 它基于 Scrapling,把抓取按难度分成三层:get 处理静态页面,fetch 处理需要 JavaScript 渲染的动态页面,stealthy-fetch 用隐身浏览应对受反爬保护、需要绕过 Cloudflare Turnstile 的页面——先用轻量方式试,必要时再升级到浏览器抓取。内容提取上,它支持 CSS 选择器、XPath、文本匹配和元素关系定位目标内容。产出格式按文件扩展名决定,可输出 Markdown、HTML、纯文本或结构化数据(如 JSON)。面对大规模站点,它还能构建支持并发、多会话、代理轮换、暂停恢复(断点续爬)和实时统计的爬虫。 目标 URL+ 选择器 分层抓取get / fetch/ stealthy-fetch 提取 + 清洗CSS / XPath文本 / 关系 结构化输出Markdown/JSONHTML/文本 这种"先轻量、再升级"的分层策略是关键:能用 HTTP 请求解决就不动用浏览器,既快又省资源;只有遇到 JS 渲染或反爬时才升级到更重的抓法,避免一上来就用最重的方案拖慢整体。 用前须知 该技能需要 Python 3.10+,并安装 scrapling[all]>=0.4.2 与配套的浏览器安装命令;默认无需 API Key。中国大陆网络环境下可能需要固定 Playwright 版本并配置镜像源。请在合规、获得授权的前提下采集公开网页内容,遵守目标站点的使用条款。 怎么用它 用法是把目标网址、要提取的内容和保存格式用自然语言交给它,抓取层级和选择器策略由它按页面情况选择。例如可以这样对它说: 可以这样对它说 "抓这个新闻站的文章标题和正文,先用 Markdown 保存成本地文件。" "这个页面靠 JS 加载商品列表,要等内容出现再提取价格和库存字段。" "目标站有 Cloudflare 拦截,试试隐身浏览抓指定选择器的内容。" 它适合这些场景:把博客、新闻或文档页面抓成 Markdown 便于阅读归档;现代 Web 应用必须等 JavaScript 渲染后才能提取内容;受反爬保护的页面需要更稳健的浏览器抓取和选择器策略;大规模站点采集需要并发爬虫、断点续爬和实时统计。适合数据工程师、研究人员、自动化开发者、增长分析师,以及需要合规采集公开网页的团队,尤其是从小规模提取扩展到爬虫项目的场景。 想用上这个技能? 「网页抓取」就在「龙虾部署大师」的技能市场里,打开 技能市场 就能一键安装使用。 还没装龙虾?先 一键部署「龙虾部署大师」,在本地跑起来后再装技能即可。 注:技能的实际效果与所选用的 AI 模型能力有关,不同模型下的表现可能存在差异。

2026/05/29
默认配图

PDF 怎么生成?从网页或文本出版式稿并处理中文字体

「PDF 生成」是「龙虾部署大师」技能市场中的文档生成技能:它从 HTML、Markdown、字符串或结构化内容直接产出排版规范的 PDF,适配报告、发票、合同、证书和简历等场景,能自动选择渲染引擎、处理中日韩字体并规避乱码,保证在 Windows、macOS、Linux 上输出稳定。 技能效果 把Markdown周报生成PDF时,它内嵌中文字体输出A4文档,保留了表格样式和页眉。 把文档导成 PDF,为什么总不省心 生成 PDF 看似简单,落地时却常踩坑:把 Markdown 或 HTML 转成 PDF,表格错位、分页断在奇怪的地方;正式文档要页眉页脚、品牌样式,临时拼出来的工具往往支持不全;最常见的是中文 PDF 出现乱码或方块字——很多渲染引擎默认不嵌入 CJK 字体。同一份文档在不同系统上跑,结果还可能不一致,交付前总要反复检查。 直接导出 □□□□ 乱码 + 表格错位 技能生成 正式标题 字体正确 + 版式整齐 这个技能能帮你产出什么 它把"内容"和"稳定输出 PDF"两件事接上。来源上,它能从 HTML、Markdown 或短文本生成带版式控制的 PDF;引擎上,它统一通过脚本执行,自动在 weasyprint、xhtml2pdf、reportlab、fpdf2 之间选择,并检测 CSS 支持程度、报告降级等级和风险;字体上,它专门处理中文、日文、韩文的字体检测、嵌入和乱码规避;模板上,它为报告、合同、证书、发票和简历提供版式指引。它还强调先写完整 HTML 文件、用 ASCII 文件名、嵌入 CSS 与 @page 设置,以此保证跨平台输出稳定。 HTML / MD / 结构化内容 自动选引擎 weasyprint / reportlab + CJK 字体检测 规范 PDF 报告 / 发票 / 合同 证书 / 简历 · 跨平台稳定 用前须知 该技能无需外部 API Key,但需要 Python 环境。它会按 setup 流程检查 weasyprint、xhtml2pdf、reportlab、fpdf2 以及 CJK 字体;在 Windows 上要支持完整 CSS 渲染,可能还需 GTK3。 怎么用它 用法是把内容和对成品的要求用自然语言交给它,不必指定用哪个引擎。例如可以这样对它说: 可以这样对它说 "把这份 Markdown 周报生成中文 PDF,保留表格样式和页眉。" "用这些订单数据做一份发票 PDF,标题、抬头、金额和税号都标清楚。" "把这份 HTML 合同导出成 PDF,中文换行别乱掉,版式要正式可打印。" 它适合这些场景:把结构化业务报告或 Markdown 文档转成可交付的 PDF;生成带品牌样式、表格、页眉页脚和分页控制的正式文档;中文 PDF 出现乱码或方块字、需要可靠选择 CJK 渲染引擎;在 Windows、macOS 或 Linux 上批量生成合同、证书或简历。它适合需要本地生成正式 PDF 的运营、财务、法务、教育、HR 和开发团队,尤其适合有中文排版和跨平台要求的工作流。 大家常问 HTML 转 PDF 时中文为什么会出现乱码或方块字,字体嵌入到底是在做什么 HTML 是流式渲染、能动态回落字体;PDF 是固定页面,每个字符都写死「用哪个字体、哪个字形编号、画在哪」。字体没嵌入或 ToUnicode CMap 映射错,PDF 阅读器找不到对应字形就退回 .notdef 方块,或映射到错字成乱码。字体嵌入就是把字形数据(多用子集化)打包进 PDF,让文件不再依赖阅读器本地字体。 可搜索 PDF 和扫描型 PDF 是什么意思,怎么区分双层 PDF 和单层 PDF PDF 页面由文本对象和图像对象组合。扫描型 PDF 整页只有图像,字符被拍平成像素,无法选中或搜索;可搜索 PDF 含文本对象,能选词复制。双层 PDF 是图像在底层做视觉、OCR 文字层透明叠在顶层(Tr 3 不可见),看着像扫描件但可全文检索。选词时高亮贴合单字=有文本层,整页框选不到字=纯图像。 PDF/A 是什么格式,和普通 PDF 相比为什么更适合长期归档 PDF/A 是 ISO 19005 定义的 PDF 严格子集,把所有「依赖外部环境才能确定的渲染决策」全部砍掉:强制嵌入所有字体、禁止 JavaScript / 音视频 / 加密、禁止透明与图层、必须声明输出意图固化颜色、强制 XMP 元数据、压缩算法限定稳定的 FlateDecode。普通 PDF 几十年后字体丢失或解码器停更就会花屏,PDF/A 自包含、确定性渲染。 HTML 转 PDF 时表格、标题经常断在页底是什么原理,@page 和 page-break 解决的是什么问题 HTML 是无限流,PDF 是定长分页,引擎用贪婪填充把流压进有限页框,表格行被截成上下两半、标题孤悬页底就是这么来的。@page 定义页框(A4 尺寸、页边距、页眉页脚 margin box),决定「能装多大」;page-break-inside: avoid 让表格/代码块尽量整块下移、page-break-after: avoid 防止孤儿标题,配合 widows/orphans 收敛断行位置。 想用上这个技能? 「PDF 生成」就在「龙虾部署大师」的技能市场里,打开 技能市场 就能一键安装使用。 还没装龙虾?先 一键部署「龙虾部署大师」,在本地跑起来后再装技能即可。 注:技能的实际效果与所选用的 AI 模型能力有关,不同模型下的表现可能存在差异。

2026/05/29
默认配图

增长营销方案怎么策划?把获客和转化问题映射到框架出计划

「营销模式策划」是「龙虾部署大师」技能市场中的增长营销策划技能:它扮演增长营销顾问的角色,先补齐产品、目标客户、所处阶段、预算、已尝试动作和核心问题,再把流量、SEO、转化率、定价、广告和邮件等问题映射到对应框架,输出直接建议、行动清单或完整策略方案,把模糊的营销困惑转化为可执行的动作。 技能效果 为没流量的新SaaS设计获客时,它给出不烧广告费的冷启动打法,从定位到内容分步骤落地。 营销没头绪,问题通常出在哪 很多团队的营销卡点不在执行,而在方向。常见状况有三种:一是没流量却不知道该先打哪个获客渠道,预算有限时又怕投错;二是渠道选了一堆,每个都浅尝辄止,没有围绕阶段和预算形成优先级;三是把"营销"当成零散动作(发个广告、改个文案),缺少把问题、框架、动作串起来的整体思路。结果往往是动作很多、产出很散。 营销 问题 投点广告 改个文案 发封邮件 优化落地页 动作分散,缺少优先级与框架 这个技能能帮你做什么 它的核心是充当一个增长营销顾问,先把问题问清楚、再给方案。它会通过发现式提问确认产品、目标客户、所处阶段、预算和核心目标,把缺失的背景补齐;然后把具体的营销问题——流量、SEO、转化率(CRO)、定价、广告、邮件——映射到对应的参考框架;最后按问题复杂度,输出单点建议、行动清单或完整策略方案。它覆盖获客、SEO、转化率、定价、广告、邮件、心理模型和产品发布等增长议题。 业务背景 产品/客户/阶段/预算 匹配框架 获客/CRO/定价… 按复杂度输出 单点建议 / 行动清单 / 完整策略方案 它在产出时有两条自我约束:避免泛泛而谈的套话,也不推荐并不存在的工具,因此给到的建议更贴合具体处境、更可落地。它擅长把流量、SEO、CRO、定价、广告、邮件这些问题归位到合适的框架,并为后续细化保留清晰的假设。 用前须知 该技能无需 API Key、安装依赖或外部运行时,但方案质量取决于你提供的业务背景:产品形态、目标客户、所处阶段、预算和已经试过的动作越具体,匹配的框架和建议越准。若需要最新的市场、竞品或渠道数据,应另行联网核验。 怎么用它 用法是把营销问题连同业务背景用自然语言交给它,不必先想好用哪个框架。例如可以这样对它说: 可以这样对它说 "新 SaaS 没流量,预算很低,先帮我设计一套获客打法,别一上来就建议投广告。" "这个落地页转化低,按 AIDA 和 CRO 的思路重写,首屏也一起改。" "邮件欢迎序列没人点,重新规划主题、正文和发送节奏,按人群分层。" 它适合这些场景:SaaS、内容站或电商项目没有流量、需要确定优先获客渠道;落地页、定价页或注册流程转化偏低、需要选对 CRO 框架;用户不愿付费或价格异议明显、需要设计定价与锚定策略;准备上线新产品、需要把发布、广告、SEO 和邮件动作组合成一套打法。它尤其适合早期和增长阶段的创业者、增长负责人、市场人员和产品经理。 大家常问 AIDA 和 AARRR 这两个营销框架最本质的区别是什么,分别更适合解什么问题? AIDA(注意→兴趣→欲望→行动)是线性转化漏斗,解的是"怎么让陌生人最终下单",更适合广告文案、内容种草这类说服型场景;AARRR(获客→激活→留存→收入→推荐)是循环增长模型,解的是"怎么让用户留下来并带来更多人",更适合产品驱动增长和长期用户运营。一个终点是交易,一个起点才是获客之后。 定价里说的"锚定效应"到底是什么意思,为什么三档定价里中间档往往卖得最好? 锚定效应指消费者决策时过度依赖最先接触的信息,最高价档就是那个锚点,把中间档衬得"更合理";再叠加折中效应——人天然倾向避开极端、选中间当安全选项。所以三档定价的主推品通常放中间,用高价档拉锚、低价档兜底,让中间档显得性价比最高。 落地页转化率低,是首屏的锅还是价值主张的锅,怎么判断问题出在哪一侧? 看访客行为分两段:停留极短(不到 3 秒)或根本不滚动,锅在首屏——标题、视觉或 CTA 没抓住注意力;能滚动到中下部却不转化,锅在价值主张——独特利益、信任证据或风险逆转不到位。热力图配合滚动深度就能锁定病灶在哪一侧。 用户分层和 RFM 模型是同一件事吗?普通增长项目要不要一上来就用 RFM? 不是同一件事。用户分层是营销策略的通用框架,RFM 只是其中一种衡量客户价值的定量工具。普通增长项目不建议一上来就用 RFM——早期用户体量小、交易数据不够,分层应优先按生命周期阶段(新客/活跃/流失)或获取渠道划分,等交易数据攒厚了再引入 RFM 做精细化价值分群。 想用上这个技能? 「营销模式策划」就在「龙虾部署大师」的技能市场里,打开 技能市场 就能一键安装使用。 还没装龙虾?先 一键部署「龙虾部署大师」,在本地跑起来后再装技能即可。 注:技能的实际效果与所选用的 AI 模型能力有关,不同模型下的表现可能存在差异。

2026/05/29

客服
扫描与客服沟通

回顶部
提示

正在拉起鸿蒙应用市场,如遇无法拉起/无法下载的情况,可使用鸿蒙设备,自行前往应用市场,搜索「Win解压缩」安装。

知道了