AI 与鱼 · 品牌出海全流程工作流

滴水湖全球 OPC 人工智能挑战赛 · 雪窦山 AIGC 品牌出海赛道 第三轮 Wave 3（Agents 完整智能体）· AI 产品资料子赛道

把「品牌出海产品资料准备」这条长链条，拆成 25 个职责单一的 Agent Skill。 每个 skill 只干一件事，但把这件事的流程、卡点、数据源、验收标准全部写死； 相邻环节的产物直接对接，跑通 「选品 → 资料 → 文案 → 投放 → 复盘」 的完整闭环。

这套东西不只是为参赛做的 Demo——它是我自己店铺每天在用的生产工具，边用边迭代到今天。

---

📦 本次提交的两样东西

	内容	位置
一	演示视频 —— 完整讲清工作流的设计逻辑、五个核心 skill 的输入输出、以及人在每一步的介入方式	01 演示视频/
二	核心 skill 的真实过程产出 —— 五个环节各一套完整样本，可逐份点开核对	02 核心 skill 产出样本/

两者的关系：视频讲「为什么这么设计」，样本证明「它真的跑出来了」。 建议先看视频建立全局，再对着样本逐环节核对——视频里讲到的每一份产物，样本里都有实物。

---

一、演示视频（01 演示视频/）

文件	说明
品牌出海工作流-演示.mp4	主视频，约 30 分钟（完整讲解，建议配合下方章节表跳看）
演示文稿.html	视频中使用的演示文稿。单文件、双击离线即开，← → 翻页，H 逐项点亮，F 全屏
Skill全景图.xmind	25 个 skill 的全景思维导图，视频第二段对着它讲

视频章节

章节	讲什么
01 · 问题定义	一个新品从想法到跑起来要过九道关，难的不是哪一关特别难，而是任何一关卡住前面全白做
02 · 为什么要拆	直接让通用 AI「准备一套出海产品资料」，出来的东西经不起推敲——问题不在 AI 不够聪明，在于给它的活儿边界太模糊
03 · 全景	25 个 skill、七个阶段；相邻环节产物对得上；五条贯穿全局的硬规则
04 · 五个核心 skill	选品调研 → 产品资料包 → 广告长文案 → 广告搭建 → 经营复盘，逐个讲输入、过程、输出
05 · 人机协作	五个环节里人介入的方式完全不同，逐个说清楚
06 · 完整旅程	用一个新品把整条线走一遍，结论回流成下一个品的经验

---

二、核心 skill 产出样本（02 核心 skill 产出样本/）

四个子目录 = 主链路上产出文件型资产的四个环节，按顺序排列，前一个的输出就是后一个的输入。

第五个环节「广告搭建」的产出形态是广告后台里的账户结构，不是文件， 因此不单列目录——它的证据分布在两处：上游 03 广告长文案/00-测试台账.md（要搭成什么样） 与下游 05 经营复盘/（搭出来之后跑成什么样），完整过程见演示视频第 04 章。

01 选品调研/ —— 决定做不做

放了三份真实报告，其中两份的结论是 🔴 NO：

文件	结论
09 宠物定制项链	🔴 NO
10 宠物益智解压玩具	🔴 NO
24 women handbag	🟢 GO

两份 NO 是故意放进来的。 一个选品工具最重要的能力不是"夸你选得好"， 而是在你投钱之前把你拦下来。这两份报告展示的正是漏斗真的会毙掉方向，而不是一路开绿灯。

看什么	为什么值得看
六个环节的完整评分	趋势 / 需求 / 竞争 / 经济 / 合规匹配 / 结论，每环都有 PASS 门控
每条数据的来源标 + 抓取时间	报告里看不到「月销大概一千单」这种话，只有可回溯的数字
被毙掉的那两份卡在第几环、为什么	门控是真的在拦，不是走过场

数据源：Google Trends 五年 · 关键词月搜索量 · Reddit 真人讨论 · 亚马逊 BSR · Shopify 独立站 · Meta 广告库 · Etsy · TikTok Shop

02 产品资料包/ —— 一个链接换一整套资料

输入只有一个竞品链接 + 我的品牌名，输出是这一整个文件夹：

样本：009 遥控工程车/（114 个文件，从 1688 货源链接一路做到可上架）

文件 / 目录	内容
copy.md	上架直接能用的九模块文案（标题 / 副标题 / 描述 / 短卖点 / 展开卖点 / 规格 / FAQ / SEO / 中文对照）
产品图/	成品图——先做「套图规划」再逐个图位生成：主图 / 颜色变体 / 尺寸图 / 卖点图 / 场景图 / 对比图 / 全家福
image-refs.md	每张图的用途、尺寸与 Alt 文本索引
reviews.csv + review-images/	清洗改写后的评论与买家秀，可直接导入店铺
report.md	汇总报告
00 财务测算-遥控工程车系列.md	落地成本 → 三档毛利反推定价
视频素材/ 详情页视频/	详情页循环动图与素材
_reference/1688/	供应商原图全量归档（主图 + 详情长图），留作追溯
_superseded/	被替换掉的历史版本，保留过程痕迹不删

一条值得看的铁律：图上的每一个数字、每一句文字，都必须能在资料里找到出处， 找不到就宁可这张不做，绝对不许编。尺寸图上写 45 厘米，就必须真的是 45 厘米。

这个文件夹审核通过后可直接交给上架 skill，中间不需要人转任何格式。

03 广告长文案/ —— 先调研，再动笔

前两个阶段一个字的文案都不写：

文件	内容
01-痛点调研-50条真实原话.md	50 条真实素材，逐字原话不许润色 + 中文对照
02-顾客画像与大众欲望.md	详细顾客画像 + 目标市场的核心欲望
03-LF-sleep001-D4R1-短文案.md	成稿文案，开场匹配用户认知阶段
00-测试台账.md	广告名 / 用哪篇文案 / 配哪张图 / 落地页 / 当前状态，全在一张表

注意看文件名里的 LF-sleep001-D4R1——这就是素材编号， 它标明了这份文案属于哪个产品、哪个欲望、第几次改写。

每份产物都带一个素材编号——这个编号会跟进 Meta 后台当广告名，最后在复盘时从订单反查回来。

04 广告搭建/ —— 台账变成后台里真正在跑的广告

看什么	为什么值得看
搭好的账户结构截图	CBO 系列 → 广告组 → 广告，广告名就是上一步的素材编号
创意设置的前后对比	Meta 后台光创意层就有 80+ 项 AI 增强、很多默认是开的，会自动改图换文案——测试期这些必须全关，否则测出来的数据是脏的
耗时对比	手工搭一套一小时打不住且容易手滑；走 API 几分钟，且一项默认勾选都不会漏关

05 经营复盘/ —— 唯一的裁判

输入只有一个时间窗口，其余全自动（每周一 09:00 定时跑）：

样本：01 投放复盘-dog-abo-us-260726.md（一个真实广告系列的完整复盘）

看什么	为什么值得看
成本口径声明	写在报告开头——用的是物流商回传的真实运费账单，不是测算时的规划值
逐层利润	花了多少 / 出多少单 / 真实毛利 / 扣掉获客成本后还剩多少
素材归因段	哪条素材出的单——第三步埋的编号在这儿合上
加减预算建议	结论落到可执行动作，不停在"数据很好看"

所有加减乘除由脚本完成，模型一个数字都不碰。因为大模型算错时错得特别自然、特别难被发现—— 它不会说自己没把握，只会给你一个看起来非常合理的数，而这个数会变成下一轮的决策依据。

---

三、关键节点的人机协作说明

这套工作流不是「按个按钮然后去喝咖啡」。五个环节里，人介入的方式完全不一样：

环节	AI 做什么	人在哪一步介入	介入性质
选品调研	跑六环漏斗、拉多源数据、出三档结论	① 开跑前给背景（品类 / 拓品还是开店 / 店铺画像）② 最终结论按自己的能力边界降档	补上下文 AI 查不到的只能人给
产品资料包	抓竞品页、写文案、生图、清洗评论	审核产出；发现系统性错误后复盘原因	抓模式 不是多看一眼，是看出重复出错的规律
广告长文案	六阶段调研 + 一次出 20 个钩子	三道门控：挑欲望 / 逐篇审稿 / 挑钩子投产；合规红线人拉一刀	缩范围 + 守底线 审美交给数据，底线归人
广告搭建	传素材、建创意（强制关闭全部 AI 增强）、建广告、自检	开跑前关掉后台编辑面板；建完打开后台肉眼复核	跨层验证 干活的那条路不能自己说自己好
经营复盘	拉数、串账、脚本算账、写解读、自检、落档	定成本口径，并要求写在报告第一页	定口径 口径没有对错，但必须前后一致

贯穿全部环节的一条原则

每次人发现 AI 出错，处理方式不是「以后我多盯着点」，而是把这次的教训写回 skill，变成一条它下次自己会执行的规则。

两个真实的例子：

• 选品调研给出「有条件 GO」，条件是需要一定的内容产能。我清楚自己没有，把结论降成了 NO—— 然后把「内容产能 = 无」写进它的能力边界档案，从此它自己就会照这条判，我不用再说第二遍。
• 批量改广告文案时，用同一个 API 读回来检查显示全部成功，打开后台却发现有一条没改成。 真因是当时开着那条广告的编辑面板，旧草稿把 API 的修改盖了回去—— 我在 API 那层看到的「成功」是真的，只不过它是个已经过期的事实。 于是「API 回读不算验证，必须人打开后台肉眼复核」被写成了这个 skill 的硬规则。

拿人肉去堵一个会重复发生的漏洞，那不叫协作，那叫返工。 真正的协作，是这次人补的这一课，下次它自己就会了——人干预的次数，应该是越用越少的。

---

四、五条硬规则（写进每个 skill，每次跑都执行）

不是文档里的口号，是 skill 内部的门控与自检：

1. 严禁编造数字 —— 凭据、销量、营收、广告花费，一律从真实系统查，或停下来问人。
2. 实测与推断必须分开标 —— ✅ 实测 / 📊 推算 / 🤔 判断 / ⚠️ 未知，逐条标注来源与抓取时间。
3. 数据源失败要走备用方案 —— 不允许静默降级，不允许留空洞装作没事；降到第几级必须明说。
4. 批量任务启动前必须预检 —— 配额、token 有效性、文件大小，任一不过就带清晰信息终止。
5. 验证必须跨层 —— 写完再用同一个接口读回来那不叫验证，那叫自己改作业自己批；得换一条路径，到用户真会看见的那一层去看一眼。

一句话概括整套设计哲学：数字由脚本算，判断由模型写，决策由人拍板。

---

五、与前两轮提交相比的关键更新

本项目首次参加，直接以 Wave 3（完整智能体）形态交付，无前两轮提交可对比。

相较于「人工 + 通用 AI 对话」的传统做法，核心区别在四点：

1. 从「一个大而全的助手」变成「一条有门控的流水线」 —— 每个环节都有明确的输入、验收标准和 PASS 门控。
2. 从「产出文本」变成「产出可对接的资产」 —— 上一环的输出就是下一环的输入，零格式转换；素材编号一路贯穿文案 → 投放 → 订单，形成可归因闭环。
3. 从「人工把关」变成「教训固化」 —— 人机协作的目标不是让人一直审，而是让人干预的次数越来越少。
4. 从「口头经验」变成「可分发的资产」 —— skill 是纯文本，可读、可改、可复制给他人直接运行，不是黑盒。

---

附：评分维度自查

维度	权重	本项目对应
创新性与技术含量	30%	25 个 skill 的流水线式编排；计算层与判断层严格分离（模型不碰算术）；素材编号打通文案 → 投放 → 订单归因；五条写进执行层而非文档的硬规则；参考资料具备时效自愈机制
AI+OPC 模式可行性	30%	skill 是纯文本、可读可跑可改，他人复制即用；跨 Agent 兼容（Claude Code / Codex 共用同一份源）；已在自有店铺连续实跑并持续迭代，不是为参赛搭的演示工程
市场潜力与社会价值	30%	面向中小跨境卖家与个人出海创业者——这群人最缺的恰恰是「团队」；一个人 + 这套工作流即可覆盖选品、资料、内容、投放、复盘全链路
落地海外市场可行性	10%	全链路面向海外独立站设计，接的是 Shopify / Meta / Google / Reddit / Etsy / TikTok Shop 的真实数据；内建多语言本地化与目标市场合规扫描（FDA / CE / CPSIA / 锂电池运输等），并区分「政府法律 / 国际运输法规 / 平台自愿认证」三类来源与各自后果

---

📌 说明

• 脱敏：样本中的店铺名与店铺域名已统一替换为 store1 / store2 占位符（含图片文件名）。 除此之外的一切均为原样保留——包括真实的竞品名、供应商链接、成本数字、投放数据与订单量， 因为它们正是"可复核"这三个字的意义所在。
• 真实性：所有样本均来自真实运行结果，未做美化、未做补写。 数据源失败、降级、跳过的地方在报告里如实标注，被毙掉的选品结论原样保留。
• 不完美之处也保留了：_superseded/ 里是被替换掉的历史版本， 报告里的 ⚠️ 与 🤔 标记是 AI 自己承认拿不准的地方——这些没有清理，它们本来就是流程的一部分。