把这个 Skill 交给你的 Agent

复制下面的提示词,粘贴给 Claude Code、Codex 或任何能读网页的 Agent。它会替你装好,并告诉你这个 Skill 做什么。

请帮我安装这个 skill。

先阅读 https://cwyz.com/zh/skills/reverse-engineer-marketing
原始 SKILL.md 在 https://cwyz.com/api/skills/reverse-engineer-marketing/raw

把它保存为我的 skills 目录下的 reverse-engineer-marketing/SKILL.md(Claude Code:所有项目通用放 ~/.claude/skills/,只用于当前项目放 .claude/skills/)。

装好后用两句话告诉我它做什么、什么时候会用到。在我确认之前,不要执行它里面描述的任何操作。

也可以把下载的压缩包解压到 ~/.claude/skills/(所有项目)或项目里的 .claude/skills/。 Skill 是在指挥 Agent 做事。装之前先读一遍,不是你自己写的尤其要读。

reverse-engineer-marketing:给一个网址,查清竞争对手靠什么拉来用户

当用户想知道某家公司怎么获客、在投什么广告、想对比几家竞品的渠道,或想照着对手打法做推广计划时使用。让 Agent 调用开源工具 REM 收集公开的广告库、投放代码、SEO、社交、创始人、定价和历史卖点证据,写成每条都标证据编号的报告,并单列查不到的项目。只用公开资料,不编花费,不搬对方素材。

应用场景让 Agent 帮你拆清竞争对手的获客打法,每个判断都有证据。

reverse-engineer-marketing:给一个网址,查清竞争对手靠什么拉来用户

给一个公司官网、App Store 或 Google Play 链接,这个 Skill 让 Agent 调用开源工具 REM(Reverse Engineer Marketing)去翻公开资料,覆盖付费广告、自然流量和 SEO、社交平台与创始人,再加上定价、转化路径和首页卖点的历年变化。每条结论都标出证据编号,查不到的单独列出,最后给一份能照着做的打法清单。工具来自 dansugc/reverse-engineer-marketing,MIT 许可证,目前是 0.1.0 版。

触发

  • 用户问"X 是怎么获客的""X 在投什么广告""帮我拆一下 X 的营销""对比这几家竞品各靠哪个渠道"。
  • 用户想照着某个对手的打法给自己的产品做一份推广计划。
  • 用户隔一段时间想看对手"最近改了什么":广告的上新和下线,粉丝增长,首页换没换卖点。

不用于:市场规模估算,需要登录才能看的数据,以及个人信息调查。

硬性规则

  • 只用公开资料:工具只读公开网页和公开广告透明库,不登录任何账号,不对目标网站做扫描以外的操作。不要为了"查得更全"去绕过登录或付费墙。
  • 没查到不等于没做:来源被检查过且确实为空,才能说"没有"。其余一律写进"未知"一节,附上手动核查的链接。
  • 埋了投放代码只说明"有意图或用过":只有广告库里看到的才算正在投。
  • 不编花费:来源没写金额就不写金额,用在投广告数量和投放时长来侧面说明。
  • 投了 60 天以上的广告当作跑赢的素材,放在最前面,原样引用它的开头文案。
  • 创始人、TikTok 账号、Reddit 上"官方回复"都是推断,按置信度写"可能是",低置信度的名字不当事实写。
  • 研究打法,不搬素材:报告里可以引用对方广告文案做分析,但不要建议用户直接复制对方的视频、图片和文案去投放。
  • 要填 API Key 时,让用户自己在终端里设置环境变量,不让用户把 Key 贴进对话,你也不要回显。

安装

工具需要 Node.js 22 或以上。README 里的 npx reverse-engineer-marketing 目前用不了:这个包还没有发布到 npm(2026-11-12 查询返回 404),要从源码装。

node -v                                    # 需要 v22 以上
command -v rem && echo "already installed" || {
  git clone https://github.com/dansugc/reverse-engineer-marketing ~/tools/reverse-engineer-marketing
  cd ~/tools/reverse-engineer-marketing && npm install && npm run build && npm link
}
rem doctor                                 # 看现有的 Key 能解锁哪些来源

装之前先告诉用户要克隆的仓库和目录,等用户同意。npm link 会把 rem 命令装到全局。不想装全局就用 node ~/tools/reverse-engineer-marketing/dist/cli.js 代替 rem。

接成 MCP(推荐,Agent 自己写报告,不需要 Anthropic API Key):

# Claude Code
claude mcp add reverse-engineer-marketing -- rem mcp
# Codex
codex mcp add reverse-engineer-marketing -- rem mcp

加完要重启 Agent。用户有 Scrape Creators 的 Key 时,让他自己在这条命令里加 -e SCRAPECREATORS_API_KEY=...(Codex 用 --env)。

不同 Key 能查到什么

情况 能查到 查不到(会列进"未知")
什么 Key 都没有 官网、投放代码(含 GTM 容器里的)、站点地图和 SEO 页面族、AI 爬虫设置、Wayback 历史卖点、App Store 和 Google Play、Hacker News、欧盟区 Apple 搜索广告 Meta、Google、LinkedIn 广告库,社交平台数据,创始人详情,Reddit
有 SCRAPECREATORS_API_KEY 上面全部,加上三大广告库、TikTok/Instagram/YouTube/X/LinkedIn 数据、创始人、Reddit、Product Hunt 一次完整运行约消耗 25 到 50 个积分,结果缓存 24 小时
只用命令行写报告 还需要 ANTHROPIC_API_KEY,或者 rem web 里选用户已登录的 Claude Code / Codex 订阅 —

流程(MCP 方式)

  1. reverse_engineer_marketing({ url }) 一次收集全部证据,约 20 到 40 秒。官网没链到的账号用 handles: { tiktok: "…" } 补上。
  2. 读返回的渠道评分卡和证据索引。评分卡是规则算出来的,只解释,不反驳。
  3. get_playbook() 取一次分析方法和报告模板。某个渠道很重要时,再取对应渠道的打法(paid-meta、seo-geo、organic-short-form、founder-led 等)。
  4. get_evidence({ run_id, ids }) 取要引用的条目:投放最久的广告、表现最好的帖子、SEO 页面族、创始人、定价。get_content 取广告和视频原件链接。
  5. 按模板写报告,每个事实标 [E#],推断写"可能"。
  6. validate_report({ run_id, markdown }) 检查引用和结构,不通过就改完再交。
  7. 复查对手时先再跑一次,再用 compare_runs 对比两次结果。

没接 MCP 时,用 rem <网址> --json 拿同样的证据包,自己读 rem-reports/<域名>-<日期>/evidence.json 写报告。

常用命令

需求 命令
先看示例,不需要 Key rem demo
查一家公司 rem linear.app(加 --no-ai 只收证据不写报告,--only paid,social,seo 只查部分渠道)
本地网页界面 rem web,打开 http://localhost:4321
和上次比 rem diff <域名>
检查 Key rem doctor

已知局限

  • Apple 搜索广告只能看到欧盟区。
  • TikTok 和 X 没有公开广告库,只能报告投放代码并给出手动查询链接。Reddit 广告库已关闭。
  • 广告数量来自抽样的前几页,报告里要写"样本中"。
  • 服务端埋点和邮件工具在浏览器里看不到,一律算未知。

输出格式

# <公司> 怎么获客
**一句话判断:** 主引擎是什么,靠什么转化

## 要点(3 到 5 条,每条带 [E#])
## 渠道评分卡(渠道 | 状态 | 强度 | 看到了什么 | 证据)
## 增长引擎(流量从哪来 → 落到哪 → 怎么转化 → 怎么留住)
## 各渠道细节(付费、自然内容、SEO、社区、创始人)
## 未知(没查到的项目 + 手动核查链接)
## 照着做(5 到 10 步,每步有具体数字并对应证据)

一句话

把对手公开留下的痕迹一次收齐,让 Agent 只根据证据下判断。配套案例:对手的获客打法藏不住了。

读完了?标记一下,记录学习进度。登录
收藏起来,稍后再看登录
对这篇有疑问?向 Ask AI 提问

评论(0)

还没有评论,来说第一句。

登录后参与讨论。登录