核心用法
本技能提供一套完整的落地页转化率优化框架，集成 AI 图像生成工具（inference.sh CLI）直接产出营销素材。核心工作流包含：
1. 首屏 5 秒法则：通过结构化布局（Logo/导航/CTA → 标题 → 副标题 → 主视觉 → 社会证明）在首屏完成价值传递
2. AI 驱动的视觉生产：使用 falai/flux-dev-lora 和 bytedance/seedream-4-5 等模型生成结果导向的主图，而非产品截图
3. 转化文案公式：提供可复用的标题模板（如「[结果] 无需 [痛点]」「[数量] 步实现 [结果]」）和 CTA 动词库
4. 9 段式页面架构：从 Hero 到最终 CTA 的标准化内容顺序，每段配套明确的转化目标
显著优点
- 高度可操作性：所有建议均为具体数字（标题 6-12 词、按钮最小 44px 高度、表单每字段损失 11% 转化）和可直接执行的 Bash 命令
- 跨端一致性：内置移动端优先设计规则（全宽 CTA、粘性按钮、最小 48×48px 触控目标）
- 素材生产闭环：无需离开 CLI 即可完成竞品调研（tavily/search-assistant）、数据验证（exa/answer）到图像生成的完整工作流
- 反模式清单：明确列出 8 类常见错误（如「Learn More」按钮、产品截图主图、多字段表单）及对应修复方案
潜在局限
- 工具生态依赖：核心功能绑定 inference.sh CLI，若服务变更需适配迁移
- 垂直领域泛化：当前示例聚焦 SaaS/生产力工具，电商、游戏等场景的转化心理模型覆盖不足
- A/B 测试缺位：提供设计原则但未集成实验框架，无法直接输出测试方案
- 无障碍合规：未提及 WCAG 色彩对比度标准（仅强调「高对比」），需额外校验
适合人群
- 早期创业团队：缺乏专职设计师但需要快速上线高转化落地页
- 增长/产品运营：需要数据驱动的页面优化 checklist 与可量化的执行标准
- 独立开发者：单人团队可通过 CLI 一站式完成文案、视觉、代码部署
常规风险
- 版权风险：AI 生成图像的商用授权需确认模型许可证（flux-dev-lora 等开源模型通常安全，但需关注 LoRA 训练数据来源）
- 性能风险：建议 Hero 图 < 200KB，但 AI 生成图像默认尺寸较大，需额外压缩流程
- 过度优化陷阱：严格遵循所有规则可能导致页面同质化，建议保留品牌差异化空间
技术实现
依赖 inference.sh CLI（自动检测 OS/架构，SHA-256 校验，无后台进程），支持通过 infsh app run 调用 20+ 图像生成与搜索模型。