autoresearch

用途

Autoresearch 是一个用于优化转化导向内容的技能，采用 Karpathy 风格的优化循环。它不需要真实流量，而是通过模拟专家评审团进行评分，在几分钟内完成通常需要数周的优化工作。

适用场景：发布前的内容优化。生成 50 个以上变体，由 5 位模拟专家打分，进化优胜者，输出最佳版本及完整实验日志。

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

推荐流程：先运行 autoresearch 达到 85 分以上的模拟评分，然后部署，再用真实流量验证。

主要能力

每次运行输出 3 个文件：

{name}-optimized.{ext}：获胜的优化后内容
data/{name}-experiments.json：完整实验日志——所有变体及所有评分
data/{name}-optimization-report.md：人类可读的总结，含获胜理由

专家评审团（5 个角色）

每个变体都由全部 5 位评审打分。每轮将所有变体批量放入单次 API 调用。

中端市场 B2B 公司（营收 5000 万以上）的 CMO——评分视角：“这能让我停下来并参与吗？”
持怀疑态度的创始人——评分视角：“我相信这个吗？我会信任这家公司吗？”
转化率优化师——评分视角：“这清晰、具体、能驱动行动吗？”
资深文案——评分视角：“这有说服力、有差异化、写得精良吗？”
你的 CEO/创始人——评分视角：“直接、关注 ROI、不废话。我会把这个放到我的网站上吗？”

自定义：可将第 5 位角色替换为你自己的 CEO/创始人声音。在 references/founder-voice.md 文件中定义其优先事项和沟通风格。

每位评审打分 0–100。最终得分 = 5 位评审的平均分。

轮次结构（针对每个内容元素）

第 1 轮：

生成该元素的 10 个变体
用 5 位专家评审批量打分全部 10 个（1 次 API 调用）
按平均分排名
保留前 3 名

第 2 轮（进化）：

分析前 3 名做得好的地方
生成 10 个新变体，进一步推进这些获胜模式
批量打分全部 10 个（1 次 API 调用）
保留前 3 名

第 3 轮（如果分数低于阈值）：

找出得分最弱的维度
生成 10 个针对该维度优化的变体
批量打分 → 保留前 1 名

多元素交叉培育：

取每个元素的前 1 名获胜者
生成 5 个混合获胜元素的组合
作为完整单元进行整体评分
输出单个最佳组合

停止条件：最高变体达到最低分数阈值（默认 80）或完成 3 轮。

内容类型与评分维度

落地页

优化元素：主标题、副标题、CTA 文案、问题部分、社会证明
评分维度：first_impression（是否立即抓住注意力）、clarity（是否立即理解报价）、trust（是否可信）、urgency（是否有立即行动的理由）、would_convert（评审是否真的会点击）

邮件序列

优化元素：主题行、开头行、正文、CTA、PS 行
评分维度：would_open（主题行通过率）、would_read（开头是否吸引人）、would_click（CTA 是否有说服力）、would_reply（是否足够个人化以促使回复）、spam_risk（是否像垃圾邮件，越低越好，最终得分需反转）

广告文案

优化元素：标题、描述、CTA
评分维度：scroll_stopping（是否打断滚动）、clarity（价值主张是否 3 秒内清晰）、click_worthiness（评审是否想点击）、relevance（是否匹配受众意图）、differentiation（是否从竞品中脱颖而出）

表单页

优化元素：标题、副文本、价值主张要点、按钮文字、字段顺序、感谢文案
评分维度：first_impression（是否值得填写）、trust（是否相信信息安全和报价真实）、completion_likelihood（评审是否会开始填写）、lead_quality（是否吸引认真潜在客户而非随便看看的人）、would_fill_out（最终直觉：是否会提交）

使用方式

分步执行协议

第 1 步：接收与解析

读取源内容。自动识别内容类型或与用户确认：
- HTML 文件 → 落地页或表单页
- Markdown / 纯文本 → 邮件或广告文案
如果模糊，询问：“这是落地页、邮件序列、广告文案还是表单页？”
提取所有可优化元素，列回给用户。

第 2 步：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"

第 3 步：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单个提示。绝不要每个变体调用一次 API。一轮 10 个变体 = 1 次 API 调用。
模型偏好（按顺序）：claude-sonnet-4-5（首选——快且聪明）、claude-opus-4（如需最高质量）、任何 claude-3.5+ 模型（如果上述不可用）。

第 4 步：交叉培育（多元素）

所有元素都有获胜者后：
- 将每个元素的前 1 名获胜者组装成完整单元
- 生成 5 个自然组合获胜元素的整体变体
- 对完整单元评分（而非仅单个部分）
- 选择整体得分最高的获胜者

第 5 步：写入输出文件

mkdir -p data
写入优化后内容、实验 JSON、优化报告

实验 JSON 结构示例： { "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 } }

第 6 步：回报结果

向用户总结：最终获胜分数、最大分数跃升（哪个元素提升最多）、前 2 名备选方案（以防获胜者感觉不对）、所有 3 个输出文件的路径、明确的下一步。

用户选项

elements：默认 all，要优化哪些元素
variants_per_round：默认 10，每轮生成多少变体
min_score：默认 80，达到此分数即停止
rounds：默认 3，停止前的最大轮数
auto_apply：默认 false，是否用获胜者覆盖源文件
content_type：默认 auto-detect，如果自动检测错误可强制指定内容类型

适用场景

落地页、邮件序列、广告文案、表单页的发布前优化
需要在没有真实流量的情况下快速迭代内容
希望获得多视角专家反馈和完整实验记录

限制

不适用于发布后基于真实流量的 A/B 测试，那需要真实分析数据
质量门禁：< 70 分不要发布，说明有根本性问题；70-79 分勉强，需再针对最低分维度跑一轮；80-84 分良好，可发布并用真实流量验证；85-89 分强，可自信发布；90+ 分罕见，立即发布
反模式：绝不要每个变体调用一次 API，始终批量；不要过度优化单一维度；不要超过 5 轮，如果 3 轮后仍未达 80 分，问题在战略（定位错误）而非战术（措辞）；不要在每个元素都有获胜者之前交叉培育，过早交叉会产生不连贯的组合
需要 Anthropic API 密钥
模型偏好：claude-sonnet-4-5、claude-opus-4 或任何 claude-3.5+ 模型
关于收费、价格、平台支持等具体信息暂未提供