autoresearch

Autoresearch 技能

适用于各类以转化为目标的内容，采用 Karpathy 风格的优化循环。无需流量。由模拟专家小组评分。用几分钟，而不是几周。

使用场景： 上线前的内容优化。生成 50 多个变体，由 5 位模拟专家评分，迭代优化优胜者，并输出最佳版本和完整实验日志。

不适用场景： 上线后基于真实流量的 A/B 测试——这需要真实分析数据，而非模拟评分。

执行顺序： 先运行 autoresearch，达到 85 分以上的模拟评分。然后部署。最后用真实流量验证。

---

你将获得什么

每次运行都会输出 3 个文件：

文件	用途
{name}-optimized.{ext}	优化后的胜出内容
data/{name}-experiments.json	完整实验日志——所有变体及其评分
data/{name}-optimization-report.md	人类可读的摘要，说明胜出原因

---

专家小组（5 种角色）

根据全部 5 种角色对每个变体进行评分。每轮将所有变体合并到一次 API 调用中。

#	角色	评分视角
1	中型 B2B 公司（营收 5,000 万以上）的 CMO	“这会让我停下来并产生兴趣吗？”
2	持怀疑态度的创始人	“我相信这个说法吗？我会信任这家公司吗？”
3	转化率优化专家	“内容是否清晰、具体，并能驱使行动？”
4	资深文案撰稿人	“内容是否有说服力、与众不同且精心打磨？”
5	你的 CEO／创始人	“直截了当、只关注投资回报率、不说废话。我会把它放在自己的网站上吗？”

自定义： 将角色 #5 替换为你自己的 CEO／创始人口吻。在 references/founder-voice.md 文件中定义其优先事项和沟通风格。

每位评审的评分为 0–100。最终评分 = 5 位评审的平均分。

---

轮次结构（每个内容元素）

Round 1:
  → Generate 10 variants of the element
  → Batch-score all 10 with the 5-expert panel (1 API call)
  → Rank by average score
  → Keep top 3

Round 2 (Evolution):
  → Analyze what the top 3 did right
  → Generate 10 new variants that push those winning patterns further
  → Batch-score all 10 (1 API call)
  → Keep top 3

Round 3 (If score < threshold):
  → Identify weakest scoring dimension
  → Generate 10 variants optimized for that dimension
  → Batch-score → keep top 1

Multi-element cross-breeding:
  → Take top 1 winner from each element
  → Generate 5 combinations that mix winning elements
  → Score holistically as complete units
  → Output the single best combination

停止条件： 最佳变体达到最低评分阈值（默认值：80），或完成 3 轮。

---

内容类型与评分维度

落地页

待优化元素： 主视觉标题、副标题、CTA 文案、问题说明部分、社会认同

评分维度：

• first_impression — 是否能立刻吸引注意？
• clarity — 用户能否立即理解所提供的内容？
• trust — 内容是否让人觉得可信？
• urgency — 是否有理由让用户立即行动？
• would_convert — 评审是否真的会点击？

邮件序列

待优化元素： 邮件主题、开场句、正文文案、CTA、PS 文案

评分维度：

• would_open — 邮件主题的打开率
• would_read — 开场是否能吸引读者？
• would_click — CTA 是否有吸引力？
• would_reply — 内容是否足够个性化，让人愿意回复？
• spam_risk — 内容是否让人觉得像垃圾邮件？（越低越好；计算最终评分时反向处理）

广告文案

待优化元素： 标题、描述、CTA

评分维度：

• scroll_stopping — 是否能让人停下滑动？
• clarity — 用户能否在 3 秒内理解价值主张？
• click_worthiness — 评审是否想点击？
• relevance — 是否符合目标受众可能的意图？
• differentiation — 是否有别于竞争对手？

表单页面

待优化元素： 标题、辅助文案、价值主张要点、按钮文案、字段顺序、感谢页文案

评分维度：

• first_impression — 是否让人觉得值得填写？
• trust — 用户是否相信自己的信息安全，且所提供的内容真实？
• completion_likelihood — 评审是否会开始填写？
• lead_quality — 是否能吸引认真的潜在客户（而非随便看看的人）？
• would_fill_out — 最终直觉判断：他们会提交表单吗？

---

逐步执行流程

步骤 1：接收并解析

阅读源内容。自动识别内容类型，或向用户确认：

• HTML 文件 → 落地页或表单页面
• Markdown／纯文本 → 邮件或广告文案
• 如果无法确定，询问：“这是落地页、邮件序列、广告文案还是表单页面？”

提取所有可优化元素。向用户列出这些元素：

Found 5 elements to optimize:
1. Hero headline: "We help B2B companies grow"
2. Subheadline: "Full-service digital marketing..."
3. CTA: "Get Started"
4. Problem statement: [excerpt]
5. Social proof: [excerpt]

Optimizing: all | Variants per round: 10 | Min score: 80

步骤 2：获取 API 密钥

检查 Anthropic API 密钥：$ANTHROPIC_API_KEY 环境变量。

export ANTHROPIC_API_KEY="your-api-key-here"

步骤 3：运行优化轮次

对每个元素，运行上述轮次结构。

**关键 API 效率规则：**始终将所有变体批量放入同一个提示词中。切勿每个变体调用一次 API。包含 10 个变体的一轮 = 1 次 API 调用。

模型偏好（按顺序）：

1. claude-sonnet-4-5（首选——速度快且智能）
2. claude-opus-4（需要最高质量时使用）
3. 如果以上模型不可用，则使用任意 claude-3.5+ 模型

步骤 4：交叉组合（多个元素）

所有元素都有胜出方案后：

1. 将每个元素的最佳方案组合成一个完整单元
2. 生成 5 个能够自然结合胜出元素的整体变体
3. 为完整单元评分（而不仅是单个部分）
4. 选出整体得分最高的胜出方案

步骤 5：写入输出文件

# Create output directory
mkdir -p data

# Write optimized content
# Write experiments JSON
# Write optimization report

实验 JSON 结构：

{
  "run_id": "autoresearch-{name}-{timestamp}",
  "content_type": "landing_page",
  "source_file": "path/to/original",
  "min_score_threshold": 80,
  "rounds": [
    {
      "round": 1,
      "element": "hero_headline",
      "variants": [
        {
          "id": 1,
          "text": "...",
          "scores": {
            "cmo": 72,
            "skeptical_founder": 68,
            "cro": 75,
            "copywriter": 70,
            "founder": 65
          },
          "avg_score": 70
        }
      ],
      "top_3": [1, 4, 7],
      "winner_score": 82
    }
  ],
  "final_winner": {
    "hero_headline": "...",
    "subheadline": "...",
    "cta": "...",
    "holistic_score": 87
  }
}

步骤 6：反馈结果

向用户总结结果：

• 最终胜出方案的得分
• 得分提升最大的一项（哪个元素提升最多）
• 得分排名前 2 的备选方案（以防用户觉得胜出方案不合适）
• 全部 3 个输出文件的路径
• 明确的下一步

---

用户选项

选项	默认值	描述
elements	全部	要优化哪些元素
variants_per_round	10	每轮生成多少个变体
min_score	80	达到此分数时停止
rounds	3	停止前的最大轮数
auto_apply	false	是否用胜出方案覆盖源文件
content_type	自动检测	如果自动检测有误，则强制指定内容类型

---

质量关卡

• **< 70：**不要发布。存在根本性问题。
• **70-79：**勉强达标。再进行一轮，重点优化得分最低的维度。
• **80-84：**良好。可以发布。使用真实流量进行验证。
• **85-89：**出色。可以放心发布。
• **90+：**罕见。立即发布。

---

应避免的反模式

• **切勿每个变体调用一次 API。**始终批量处理。包含 10 个变体的一轮 = 1 次调用。
• **不要过度优化某一个维度。**如果清晰度得分达到 95，而可信度只有 45，那么总分就会产生误导。
• **不要运行超过 5 轮。**如果 3 轮后仍未达到 80，问题在于策略（定位错误），而非战术（措辞错误）。
• **在每个元素都有自己的胜出方案之前，不要进行交叉组合。**过早交叉组合会产生不协调的组合。