核心用法
cn-3c-marketing-strategist 是一款面向中国消费电子市场的专业营销策划 Skill，采用纯知识库架构，通过触发词驱动任务路由。用户可通过「帮我想个创意」「分析竞品」「会不会翻车」等自然语言指令，快速获取对应品类的营销支持。系统内置手机、耳机、笔记本、穿戴设备、智能家居五大品类的结构化数据，包括品牌矩阵、价位段格局、KOL生态、翻车案例及深度横评数据。
使用流程遵循「设置工作目录→配置用户信息→导入数据（可选）」三步走。知识加载采用严格的 Token 预算管理（100K知识+28K推理），按品类索引→深度数据→生态参考的优先级智能加载，禁止无关数据混入。
显著优点
数据驱动型创意生成：区别于模板化创意工具，本 Skill 要求所有创意角度必须从评测数据、评论区反馈、竞品对比中挖掘，确保策略有真实市场依据。内置「数据纪律」铁律：禁止编造数字、必须标注来源、推测需显性标记、竞品对比必须同源。
行业级风险预判能力：独创「风险评估」任务流，不仅分析产品层面的技术风险，还模拟评论区负面反应和解构找茬人群心理，提前识别传播翻车点。配合年度翻车案例库（如笔记本品类 2025 负面奖项），形成风险免疫机制。
新品类破局方法论：针对智能家居等教育成本高的新品类，内置 5 大可复用方法论——认知刷新法、感知价值锚定法、尝鲜者探索法、先锋创作者法、专业信任纪录片法，提供从 0 到 1 的传播路径。
去 AI 化输出标准：强制禁止「不是 A 而是 B」「首先其次最后」「值得注意的是」等 AI 腔调，以及企业通稿式的空洞战略动词堆砌，确保输出内容符合中文互联网传播语境。
潜在局限
数据时效性依赖：知识库数据来源于公开评测和行业报告，手机、耳机等品类标注为「中高」完备度，但缺乏实时销售数据直连。用户需在使用前确认数据时效，新品发布后存在信息滞后窗口。
品类覆盖不均衡：智能家居品类标注「高」完备度（含扫地机器人 4 份评测交叉验证），但平板、机械键盘、运动相机、AR 眼镜等品类仅处于占位状态，需用户自行导入补充。
耳夹式耳机数据单一：耳机品类当前仅覆盖耳夹式细分市场，头戴式、入耳式等主流形态数据待补充。
子 Agent 自动化程度有限：DataProcessor 和 FactChecker 子 Agent 需手动触发，暂不支持全自动数据更新链。
适合人群
- 3C 品牌市场/公关团队：快速产出 campaign 创意、发布会传播方案
- 数码自媒体/MCN 机构：横评内容策划、竞品对比脚本、风险预判
- 电商运营/种草文案：耳机、笔记本等品类的产品卖点提炼
- 新品类负责人（智能家居/AR 等）：市场教育策略、破局路径设计
- 风险敏感型决策者：新品上市前的「会不会翻车」预判
常规风险
数据来源误用风险：虽内置同源对比规则，但用户若强行要求跨来源对比，可能产生误导性结论。建议严格遵循「知识库暂无此数据」的空白声明机制。
创意去重依赖人工：虽然系统会对照 used-ideas.md 去重，但同一次生成的多个创意仍需人工复核核心 hook 是否重复。
技术类比审核门槛：技术类比需经得起专业博主检验，不确定时应改用「实测数据」替代。过度自信的推导类比可能引发专业圈层反噬。
参考链接不可访问：文档中包含 clawhub.ai、weibo.com 等参考链接，但 Skill 本身不验证链接有效性，用户需自行判断外部资源可用性。