技术知识库 · 提示词工程 · · 国科智飞 Gavin
把 20 年营销经验编码成 Skill：宋玥的两个营销 Agent
两个开源 Skill，一个挖消费者洞察，一个诊断营销方案。价值不在提示词，而在把资深策略的判断标准写成了可校验的规则。
Agent Skills 现在最常见的用法是封装工具调用，而宋玥（GitHub 用户名 83songyue）的两个开源技能走了另一条路：封装判断力。作者称自己积累了 20 年品牌、创意与策略实战经验，经历过奥美、腾讯、天与空，拆解过 100 多个 4A 案例；这两个技能把这些经验沉淀成可安装到 Codex、Claude Code 的判断框架。songyue-insight 负责消费者洞察挖掘，songyue-marketingdx 负责营销方案诊断。
需要先说明：两个仓库都很新，Star 数在个位数，属于个人早期项目；仓库在 GitHub 上显示为 NOASSERTION，即未声明明确的开源许可证。学习和内部试用问题不大，商用前必须先核实授权。
两个技能分别解决什么
songyue-insight 针对的是洞察退化。 AI 处理消费者研究材料时常见三个毛病：把几条帖子概括成「所有人都这样」、把洞察写成漂亮话、一路扩展到放之四海皆准的策略。这个技能的原则是把洞察当判断而不是文案——它要解释一个可观察行为背后的原因，尤其是表面解释说不通的地方。
它的工作流分五步。第一，重构问题：不默认 brief 里的产品、人群、需求成立，识别「喜欢新鲜零食的年轻人」这类循环定义，区分「想卖给谁 / 谁买 / 谁用 / 谁影响决定」，也区分用户「说想要什么 / 为何第一次买 / 为何持续用或放弃」。第二，看事实：找具体行为与矛盾，把平台内容视为经过表达者、算法、搜索词筛选后的线索，高赞和评论区不能单独代表生活。第三，问到底：先写出最容易得到的表面解释，再追问「它解释不了什么」，比较竞争解释，而且不允许先写金句再补证据。第四，说人话：一条洞察一个判断，用消费者的真实动作和处境表达，删掉「渴望、追求、疗愈」这类没有增加解释力的抽象词。第五，证据不足时停止：只有宏观趋势、冲突无法判断、买者和用者没分清、只有单一平台来源，就不强行交付，改为给出最小补证建议。
输出要求至少两条有依据、互不重复的洞察，每条包含现象与来源、关键推导、洞察句。
songyue-marketingdx 是诊断引擎，也是两个技能里更有价值的一个。 它只评方案本身和用户提供的 brief，不引入私有案例、隐藏路径或未陈述的业务事实——这是它能给出可复核结论的前提。
流程是：判断新案还是续案，归类（整合营销 / 传播公关 / 策略品牌 / 创意内容），长文先建证据清单，只评适用维度（其余标注「本方案不评」），按 2 / 4 / 6 / 8 / 10 给每个维度打分且不计算总分，选出当前最该加分的维度，区分 brief 已给的资源与方案新增的价值，最后按固定结构输出。固定结构包括：核心判断、为什么这样判断、更锋利的一版、下一步怎么改。其中「更锋利的一版」要求 350 到 500 字，必须落到四件事上——重定义（具体的人、时刻、冲突、商业行为）、主方向（一句策略或核心概念）、具体成品（可直接用的方案产物）、如何落到方案（现有动作、渠道、资产如何服务这个方向）。
诊断维度一共六个：洞察锐度、创意记忆、品牌关联、传播势能、逻辑通顺、增长有效。每个维度都有质量天花板的硬规则：没有冲突，洞察锐度最高 6 分；只有标语没有可被复述的符号或动作，创意记忆最高 6 分；只贴 logo 或后置卖点，品牌关联最高 4 分；只有媒体、KOL、活动清单，传播势能最高 4 分；只有商业目标、没有「人 → 行为改变 → 结果」的因果链，增长有效最高 6 分。二维码、优惠券、UTM、倒计时这类执行和测量细节，不能把增长有效抬过 6 分。
此外还有一份 27 条的判断原则清单，比如：删掉品牌后想法依然成立，说明品牌关联弱；主张必须包含观点，纯粹的正面形容词不够；渠道清单不等于传播策略；增长必须点名下一个要改变的用户行为或资产；存在多个弱点时，选最伤说服力的那个，让修订围绕它展开。
能力与亮点
最值得学习的是专家直觉如何变成可执行系统。这两个技能没有把经验写成大段提示词，而是拆成维度、天花板、锚点、原则和证据边界五层结构：什么情况最多给几分是硬约束，每个分数档代表什么水平有明确定义，判断原则是可观察、可对照的检查句。这套结构让诊断从玄学变成可复核的流程。
第二个亮点是证据纪律。输出风格要求明确禁用「亮点突出、建议深化洞察、强化情绪共鸣」这类没有材料支撑的套话，每条判断都要区分「看到了什么、因此判断什么、建议怎么改」。还有一条公平性底线：brief 里甲方已给的资源——明星、IP、节日、平台——不自动算方案的能力，只评方案新增的东西。公开版本也划了边界：不暴露私有根因路径、生产提示词和真实客户案例，开源的是教材，不是内幕。
第三个亮点是技能按软件工程的方式组织：技能定义文件做编排，参考文档分层（诊断模型、类型手册、判断原则、反模式、输出示例等），并且带测试——有冒烟用例、输出验证和测试报告。一个技能可以像软件一样被测试、被验收，这比提示词模板合集高出一个工程档次。
局限与坑
许可证未声明。 这是最实际的障碍。GitHub 显示 NOASSERTION，意味着不能默认它可自由用于商业产品，需要直接向作者确认。
评分体系是校准工具，不是考核指标。 2 / 4 / 6 / 8 / 10 不计算总分，设计意图就是拒绝用一个数字替代判断。如果团队想要的是客观排名或者自动决策依据，这套方法帮不上忙，甚至会让你误用分数。
它不生产证据。 两个技能都严格基于你提供的材料和 brief 工作，证据不足时会拒绝交付。也就是说，消费者研究的原材料质量决定了洞察质量——指望它凭空产出洞察是不现实的。
方法论的适用语境。 这套体系来自中国 4A 与品牌营销实战语境，判断原则对中文营销方案非常对症；出海或纯海外市场场景，需要自己校准部分标准。
生态风险。 两个仓库都是个人项目，更新和维护取决于作者精力。把它当方法论学习和内部工具没问题，作为产品核心组件则要谨慎，必要时按许可证要求自行 fork 维护。
适用场景
- 品牌方和代理商的方案评审环节，用 marketingdx 做一轮打分加改稿方向的预审；
- 咨询顾问和自由职业者，用 insight 的结构化流程倒逼调研质量；
- 营销培训与内训，六维模型、天花板规则和原则清单可以直接当教材；
- 正在构建 Agent Skills 的工程师，想把「领域专家经验 → 可执行、可测试的规则系统」作为范式参考。
选型建议
建议先装 marketingdx，拿一份自己写过的方案跑一遍，看它的判断是否符合你对好方案的理解——这一步能快速验证方法论的适配度。如果认可，再把它纳入方案评审流程：先用它做一轮粗筛，再由人决定采纳哪些意见；分数只用来定位短板，不要拿来给方案排名。
songyue-insight 更适合需要强制自己多问一层的研究者。把它的五步流程当检查表用，比期待它写出洞察本身更有价值。
最后，这两个技能最大的启发是：Agent Skill 的门槛不在技术，而在能否把专家的判断标准讲清楚到可执行、可校验的程度。有经验的从业者都可以尝试把自己的方法论做一次这样的拆解，这本身就是一次高价值的知识提炼。