🚀 Marketing OS — AI Agent 营销操作系统

概述

Marketing OS 是一个模块化、Schema 驱动的营销智能系统，设计为可直接接入任何 AI Agent Runtime 的 Skill Package。

它提供两个核心角色：

两个角色通过结构化协作协议 (schemas/cmotooperator.schema.json) 通信，确保战略到执行零歧义。

使用场景

技能调用格式

yaml
skill: marketing-os
input:
mode: marketdiscovery | offerselection | campaignplanning | executionsprint
business_context:
company_name: 公司名称
products: [产品1, 产品2]
target_market: 目标市场
budget_range: 预算范围
brand_positioning: 品牌定位
market_data: # 可选 — 外部市场信号
search_trends: []
competitor_moves: []
audience_signals: []
missionid: xxx # campaignplanning / execution_sprint 时必填
auto_mode: false # 是否全自动执行

系统架构

┌─────────────────────────────────────────────────┐
│ Agent Runtime │
├─────────────────────────────────────────────────┤
│ │
│ ┌──────────────┐ ┌─────────────────────┐ │
│ │ Virtual CMO │────▶│ Marketing Operator │ │
│ │ (Strategy) │◀────│ (Execution) │ │
│ └──────┬───────┘ └──────────┬──────────┘ │
│ │ │ │
│ ┌──────▼────────────────────────▼──────────┐ │
│ │ Shared Memory │ │
│ │ (insights / campaigns / learnings) │ │
│ └──────────────────────────────────────────┘ │
│ │ │ │
│ ┌──────▼──────┐ ┌────────────▼───────────┐ │
│ │ Workflows │ │ Adapters │ │
│ │ (flow.json) │ │ (CRM/Data/Content) │ │
│ └─────────────┘ └───────────────────────┘ │
└─────────────────────────────────────────────────┘

核心模块

1. 🧠 Virtual CMO — 战略分析

执行步骤：

Step 1: 收集市场数据（信号、趋势、竞争对手动态）
Step 2: 分析信号 — 分类、评分（signal_strength 1-10）
Step 3: 识别机会 — 聚类相关信号，评估市场规模/竞争/匹配度
Step 4: 计算优先级 — priority_score = (信号强度×0.3) + (市场规模×0.25) + (能力匹配×0.25) + (紧迫度×0.2)
Step 5: 生成策略 — 定位、渠道推荐、KPI、风险评估
Step 6: 输出任务简报 — 传递给 Marketing Operator

输出格式（schemas/cmo_output.schema.json）：
json
{
analysis_id: UUID,
marketopportunities: [{title: ..., priorityscore: 85, confidence: high}],
targetsegments: [{name: ..., painpoints: [...]}],
recommended_actions: [{action: ..., priority: high, owner: operator}],
risks: [{description: ..., severity: 7, mitigation: ...}],
nextsteps: [{action: ..., owner: operator, deadlinetype: immediate}],
confidence_level: 78
}

2. ⚙️ Marketing Operator — 任务执行

执行步骤：

Step 1: 验证 CMO Mission Brief
Step 2: 任务分解 — 将 action 拆成原子任务（每个任务有 owner/deadline/expected_result）
Step 3: 资源分配 — 预算、渠道、工具映射
Step 4: Campaign 组装 — 聚合任务，设置 KPI 目标
Step 5: 执行追踪 — 状态管理（pending → in_progress → completed/blocked/failed）
Step 6: 指标收集 — 量化（曝光/点击/转化）+ 定性（互动质量/品牌感知）
Step 7: 生成反馈 — 向 CMO 报告结果、学习、建议调整

协作协议

CMO → Operator 通信格式（schemas/cmotooperator.schema.json）：
json
{
mission_id: UUID,
objective: 明确的可衡量目标,
targetaudience: {segmentname: ..., pain_points: [...]},
strategy: {positioning: ..., approach: ...},
priority: critical | high | medium | low,
recommendedchannels: [{channel: LinkedIn, priorityrank: 1}],
actions: [{action: ..., priority: high}],
successcriteria: {primarykpi: {metric: conversions, target: 100}}
}

Operator → CMO 反馈格式（schemas/feedback.schema.json）：
json
{
feedback_id: UUID,
execution_result: 事实总结,
metrics: {impressions: 15000, clicks: 450, conversions: 23},
learnings: [[MEASURED] LinkedIn 数据驱动标题 3x 互动率],
recommendations: [将 30% 预算从 Display 转移到 LinkedIn]
}

行为规则

[!IMPORTANT]
系统内建以下严格约束：

• - ❌ 不允许模糊建议（考虑、或许、可以试试 一律禁止）
• ✅ 必须给出优先级（critical / high / medium / low）
• ✅ 必须给出下一步行动
• ✅ 必须给出风险评估
• ✅ 必须区分 [FACT] / [INFERENCE] / [RECOMMENDATION]
• ✅ 信号强度 < 4 必须标记 uncertain
• ✅ 信息不足必须明确声明 INSUFFICIENT DATA

文件结构

marketing-os/
├── SKILL.md # 本文件
├── README.md # 系统文档
├── skills/
│ ├── virtual-cmo/ # 战略分析
│ └── marketing-operator/ # 执行引擎
├── prompts/ # 4 个结构化 LLM Prompt
├── schemas/ # 5 个 JSON Schema
├── workflows/ # 3 个工作流编排
├── memory/ # 3 个持久化存储
├── logs/ # 执行审计日志
├── configs/ # 运行时配置
└── adapters/ # 外部接口规范（CRM/Data/Content）

扩展方式

• - 新增 Skill：在 skills/ 下创建目录，包含 skill.json + logic.md + system_prompt.txt
• 新增 Workflow：在 workflows/ 下创建 .flow.json
• 新增 Adapter：在 adapters/ 下创建 .adapter.md
• 接入 Stripe / CRM / 内容系统：配置 configs/system.config.json 中的 adapters 部分

[!TIP]
建议先以 auto_mode: false 手动运行各 workflow，验证输出质量后再开启自动模式。