Growth Lab
An end-to-end growth tool that understands the product, fetch the data it needs, researches the market, executes campaigns, and reviews results to improve the next round of growth. 从代码到市场的开源端到端增长工具。理解产品、接入信息渠道、研究市场、执行增长行动,并基于真实数据自我改进。
tsingyuai · 已有 AI 审核记录
安装与使用
运行命令前先阅读来源与依赖说明。复制命令不会自动安装或执行。
npx skills add tsingyuai/growth-lab技能说明
🧪 Growth Lab
简体中文 · English · 繁體中文 · Français · Español · Русский · Português · Deutsch · 日本語 · 한국어 · Türkçe · Tiếng Việt · Polski
为什么做 Growth Lab
大多数 AI 增长工具只解决一个局部问题:有的生成文案,有的研究竞品,有的负责发布,有的展示数据。产品上下文在不同工具之间反复丢失,真正重要的决策仍散落在仪表盘、文档、Prompt 和人工交接中。
增长是一个持续学习的闭环:
理解产品
→ 判断用户与市场
→ 研究渠道与内容
→ 制定策略
→ 生成与分发
→ 收集真实结果
→ 学习并调整下一步行动
现代 Coding Agent 已经能够读取代码仓库、搜索网络、操作工具、编辑文件、跨上下文推理,并在会话中与人协作。Growth Lab 以 Codex 和 Claude Code 作为应用 Runtime,将这些能力组织成端到端的增长工作流。
产品模型
会话 = 控制面
Codex 或 Claude Code = Runtime
Skill = 增长方法与工作指引
Client = 外部执行能力
文件系统 = 长期记忆
Skill 教 Runtime 如何理解产品、开展研究、选择工具、形成策略、制作内容、分析反馈和决定下一步。Client 工具让 Runtime 能够使用浏览器、官方 API、数据导出、内容平台和素材生成等外部能力。文件跨会话保存产品上下文、研究资料、决策与结果。
AI 会话负责控制整个工作流程。
每个 Model 都是一个“观察—行动—复盘”闭环。每个 Model 都拥有独立的持久化 Memory,用来积累按时间采集的运营数据、分析、行动结果和下一步建议。下一轮工作在开始观察前读取这些 Memory。
闭环方法论保存在 Model 中,并通过直接修改 Skill 与 references 持续演进。Memory 记录 Model 被实际使用后发生了什么。
Growth Lab 有什么不同
覆盖每个增长渠道的完整生命周期
Growth Lab 的设计目标是覆盖全部增长渠道,从理解机会、选择行动,到执行、度量和决定下一步。目前已经支持 SEO 页面增长,以及小红书内容采集、爆款研究、创作、生图、卡片渲染、合规检查和发布结果复盘。
通过自然语言持续协作
自动化不等于一个永远脱离人类运行的后台程序。用户用自然语言持续提出目标、接收已经完成的工作与结果、提供反馈,再让 Agent 继续跟进。对话就是操作入口。
连接信息、方法与执行
增长信息通常留在报表中,方法存在于专家经验中,执行散