核心用法
case-study-writing 是一套完整的B2B案例研究写作系统，采用经典的STAR框架（Situation-Task-Action-Result）结构化输出客户成功故事。核心工作流包括：
1. 研究阶段：通过Tavily/Exa等工具检索行业基准、竞品数据、支撑统计
2. 撰写阶段：严格遵循800-1200字篇幅，按"结果导向标题→快照信息框→背景→挑战→解决方案→量化成果"六段式结构展开
3. 可视化阶段：调用Python生成前后对比图表，强化数据说服力
4. 分发阶段：输出网页、PDF、幻灯片、单页摘要、社媒片段等多形态内容
显著优点
- 方法论成熟：STAR框架经过验证，叙事逻辑清晰，降低读者认知负荷
- 量化强制：要求所有成果必须带数字（时间/金钱/效率/增长/满意度五维指标），杜绝"效率提升"式空话
- 工具链整合：原生对接inference.sh生态，研究→写作→可视化→发布全流程CLI化
- 多格式输出：一份源内容可衍生6+分发形态，最大化内容资产利用率
- 风险防控：内置客户审批 checklist，规避法律与关系风险
潜在局限
- 依赖外部研究：行业数据检索质量受Tavily/Exa索引覆盖度制约
- B2C适配弱：框架针对企业采购决策链设计，消费者场景（情感驱动、低客单价）需大幅调整
- 数据获取门槛：真实客户量化指标依赖客户配合，内部数据不全时难以落地
- 英文语境优化：案例模板、引用格式偏向英文商业写作，中文本土化需人工调整
适合人群
- SaaS企业市场/客户成功团队：定期生产官网案例库、销售物料
- B2B自由撰稿人：需要标准化交付框架提升稿件专业度
- 产品营销经理（PMM）：将产品功能转化为客户价值叙事
- Agency内容团队：批量生产行业垂直案例研究
常规风险
- 数据真实性：需与客户书面确认所有量化数据，避免夸大宣传引发的法律纠纷
- 信息泄露：案例涉及客户内部流程细节，需NDA审核
- 工具依赖：inference.sh CLI及Tavily/Exa API的可用性与成本波动