中国3C营销助手

把中国3C新品营销从“想创意”推进到“能执行、能避雷、能复盘”的策略技能包。适用于手机、笔记本、耳机、穿戴设备、智能家居等消费电子品类；当用户需要上市路线、信息屋、KOL简报、社媒创意、竞品横评、评论区模拟、负面早期预警、评测/评论/规格数据处理或新品类破局时使用。内置离线知识库、58条负面校准样本、16个真实任务评测样本和数据时效台账。

面向中国3C消费电子营销人的策略技能包。它把手机、笔记本、耳机、穿戴设备、智能家居等品类的知识库、传播模板、KOL生态、评论区风险和负面早期预警整合成一套可复用工作流，帮助你更快完成上市策略、信息架构、渠道计划、竞品洞察和正式物料审核。

一句话：给数码营销人一个能打方案、能审话术、能提前发现负面的随身策略台。

适合谁

角色	典型痛点	下载后能解决什么
品牌市场	上市方向多，难判断该押哪条主线	拆出推荐路线、备选路线、弃用路线和首轮动作
社媒运营	文案像通稿，评论区容易被参数党拆	改出更像数码圈的表达，并提前模拟负面评论
KOL/渠道	排期、口播点、评论区动作难统一	生成KOL简报、平台分工、交付件和复盘指标
产品/销售	竞品发布后需要快速判断威胁	输出同源数据矩阵、人群视角和行动建议
创业团队	缺少完整营销团队，也要做新品上市	借助离线知识库和模板搭出可执行方案

为什么值得下载

• 从模糊需求到可执行打法：把“怎么打”“怎么传播”“会不会翻车”拆成目标、人群、证据、路线、渠道、风险和动作。
• 内置中国3C语境：覆盖参数党、评测KOL、数码圈黑话、价格背刺、控评质疑、AI空话等高频传播场景。
• 先识别负面苗头：内置机器可读负面规则和58条校准样本，能优先发现数据打脸、产品缺陷、价格背刺、信任崩塌、价值观冒犯和KOL背叛。
• 策略和执行一起给：不仅能出创意，还能给信息屋、KOL简报、平台分工、评论区模拟、72小时动作和7天跟进。
• 离线也能用：默认读取包内 docs/ 和 knowledge-base/，外部搜索、微博、新闻和浏览器能力只作为增强。
• 有验证体系：发布前可运行验证脚本，检查元数据、数据源台账、任务评测集、负面规则、密钥泄露和样本通过率。

典型使用场景

• 新品上市前：制定主路线、备选路线、弃用路线和首轮72小时动作。
• 文案定调时：把“AI旗舰”“影像领先”“办公效率”改成更具体、更能经受拆解的话术。
• KOL排期时：拆分爆料、横评、体验、种草和评论区运营角色。
• 竞品发布后：判断对方威胁、我方站位、可反击点和禁用表达。
• 评测解禁前：提前模拟参数党、普通用户、解构找茬人群的评论反应。
• 正式物料上线前：审计数字、绝对化表达、竞品对比、KOL合作和高共情节点风险。

立即试用

• 帮我判断这台影像旗舰上市前7天怎么打，预算有限。
• 这句“AI全面重塑体验”会不会翻车？帮我改成数码圈能接受的话术。
• 竞品刚发新品，对我们手机的威胁在哪里？给我推荐路线和弃用路线。
• 评测解禁当天，KOL排期和评论区动作怎么安排？
• 我导入了一批耳机评论，先找负面苗头，再总结可用卖点。

你会拿到什么

任务	交付物
上市策略	推荐路线、备选路线、弃用路线、72小时动作、7天跟进
信息架构	核心主张、三条证据柱、反对意见、禁用表达、平台文案
渠道执行	KOL类型、平台分工、交付件、评论区动作、复盘指标
竞品洞察	同源数据矩阵、一句话结论、人群视角、行动建议
风险评估	风险评分、负面早期信号、模拟评论、替代表达
数据导入	原文样本、负面信号、数值线索、入库建议

资源地图

• docs/data-index.md：数据覆盖、时效和文件选择入口。
• docs/data-sources.json：机器可读的数据源、截止日期和复核字段台账。
• knowledge-base/{category}/_index.md：品类品牌矩阵、价位段、结论和风险提示。
• docs/templates/strategy-decision-system.md：需求归一、策略诊断、路线对比和传播架构。
• docs/templates/message-house.md：定位、主张层级、证据柱、文案变体和反对意见处理。
• docs/templates/channel-kol-activation.md：平台角色、KOL简报、内容交付、评论区运营和复盘指标。
• docs/templates/creative-output.md：创意方案、社媒文案、视频脚本和话题计划。
• docs/templates/insight-output.md：竞品分析、数据洞察和产品对比。
• docs/templates/risk-assessment.md：上市、文案、KOL和评论区风险检查。
• docs/templates/new-category-playbook.md：新品类教育和破局策略。
• docs/templates/quality-check-tools.md：去AI腔、事实核查和置信度自检。
• docs/references/comment-personas.md：评论区人群模拟。
• docs/references/industry-ecosystem.md：平台传播规律。
• docs/ecosystem/industry-memes.md：行业黑话、梗、过度表达和避雷提示。
• docs/ecosystem/kols.md：KOL生态和合作风险。
• docs/ecosystem/market-signals-2026.md：静态市场情绪、危机模式、AI硬件叙事和价格敏感信号。
• docs/ecosystem/negative-early-warning.md：负面早期信号分类、严重度规则和应对动作。
• docs/ecosystem/negative-signal-rules.json：预处理和评估脚本使用的机器可读负面规则。
• docs/evals/negative-signal-samples.md：负面规则校准样本。
• docs/evals/marketing-task-samples.md：真实营销任务评测样本和评分规则。
• scripts/preprocess.py：评测、评论、规格和风险材料的确定性预处理。
• scripts/evaluate_negative_signals.py：负面规则校准脚本。
• scripts/validate_skill_pack.py：提交或发布前的包级验证脚本。

任务路由

策略诊断和传播架构

适用于上市策略、定位、传播方向、怎么打、传播怎么做、预算路线和模糊营销需求。

1. 读取 docs/templates/strategy-decision-system.md、docs/data-index.md 和相关品类索引。
2. 将需求归一为商业目标、目标人群、用户障碍、证据、竞品反击、平台机制和风险边界。
3. 至少比较两条路线，明确推荐路线、备选路线和弃用路线。
4. 给出首个72小时动作、7天跟进、负面早期预警信号和置信度。

信息架构、定位和文案

适用于定位、标语、标题、社媒文案、上市话术、商品页信息、KOL话术和中国3C语境改写。

1. 读取 docs/templates/message-house.md、docs/templates/strategy-decision-system.md 和相关证据来源。
2. 输出一个核心主张、三组证据柱、用户利益、反对意见处理、平台文案变体和禁用表达。
3. 主张要具体、有来源，能承受参数党拆解。
4. 交付前使用 docs/templates/quality-check-tools.md 自检。

渠道和KOL执行

适用于 KOL简报、种草计划、平台排期、上市日历、内容交付、评测解禁和社媒激活。

1. 读取 docs/templates/channel-kol-activation.md、docs/templates/message-house.md、docs/references/industry-ecosystem.md 和 docs/ecosystem/kols.md。
2. 拆分平台角色、KOL类型、交付件、必说点、禁用表达、评论区动作、风险触发器和复盘指标。
3. 缺少实时平台访问时，使用包内 KOL 和平台参考，并对当前候选标注 [待验证]。

创意策划

适用于创意、整合传播概念、社媒内容、种草、话题计划和上市传播。

1. 识别品类、产品、目标用户、平台、预算级别和禁用主张；缺失信息会显著影响风险时再提问。
2. 读取 docs/data-index.md、相关 knowledge-base/{category}/_index.md、docs/templates/creative-output.md、docs/templates/message-house.md、docs/templates/quality-check-tools.md 和必要的平台/人群参考。
3. 需求涉及定位、上市策略、路线选择或预算分配时，先读取 docs/templates/strategy-decision-system.md。
4. 涉及节日、KOL、AI硬件、价格/补贴或公共情绪风险时，读取 docs/ecosystem/market-signals-2026.md。
5. 从数据优势、用户痛点、评论反应、竞品空位和平台机制生成创意。
6. 检查 docs/templates/used-ideas.md，避免重复创意钩子。
7. 附上快速风险提示和评论区模拟。

竞品分析、产品对比和市场洞察

适用于谁更强、发布威胁、哪款值得买、该站什么位置等问题。

1. 读取 docs/templates/insight-output.md 和相关品类文件。
2. 对量化主张建立来源矩阵。
3. 区分实测数据、主观评价和推断。
4. 输出一句话结论、关键发现、数据支撑、人群视角、行动建议和置信度。

风险评估

适用于主张、创意、上市、KOL计划、对比话术和评论区风险判断。

1. 读取 docs/templates/risk-assessment.md、docs/references/comment-personas.md、docs/ecosystem/industry-memes.md、docs/ecosystem/negative-early-warning.md 和相关静态生态文件。
2. 评分技术事实、竞品反击、平台合规、评论区风险、KOL风险、社会情绪边界和早期负面信号严重度。
3. 至少模拟一条怀疑/拆解评论、一条参数党评论和一条普通用户反应。
4. 结尾给出 直接执行、调整后执行 或 暂停重做。

数据导入

适用于用户提供评测字幕、评论导出、规格参数或风险笔记。

1. 读取 docs/references/subagent-dataprocessor.md。
2. 本地文件优先运行 scripts/preprocess.py；按材料选择 --mode comments、--mode review、--mode campaign 或 --mode document。
3. 用户评论和主观评测短语保留原话。
4. 先抽取负面早期信号，再总结正面发现。
5. 更新负面规则后运行 python3 -B scripts/evaluate_negative_signals.py。
6. 带来源标签提取发现，只更新相关品类文件。
7. 不确定事实标注 [待验证]。

正式物料审核

适用于广告、官方文案、上市方案页、商品页和 KOL简报。

1. 读取 docs/references/subagent-factchecker.md。
2. 物料涉及 KOL、节日、AI硬件主张或价格/补贴时，读取 docs/ecosystem/market-signals-2026.md。
3. 使用 docs/templates/message-house.md 检查主张层级、证据柱、反对意见和禁用表达。
4. 审核每个数字、产品主张、绝对化表达和对比。
5. 对未核验内容直接标注，不替用户抹平风险。
6. 无法证明的主张，改成更短、更稳的表达。

输出约定

实质性输出结尾使用：

text

自检: {N}个数值已核 | {N}个产品已核 | {N}个来源已标注 | 置信度:{高/中/低}

当答案依赖缺失、过期或未外部核验的信息时，使用 置信度:低。

智能体操作规则

1. 禁止编造数字、排名、产品特性、来源、KOL名称和价格。
2. 缺少证据时写 知识库暂无此数据、[推测] 或 [待验证]。
3. 产品对比优先使用同源数据；来源不同先说明口径差异，再给判断。
4. 价格、排名、份额、新品参数和市场变化属于高时效信息；有外部搜索能力时先核验。
5. 中国3C用户语言要具体、锋利、有证据，避免企业通稿腔和泛泛AI表达。
6. 不预设 browser-use、网页搜索或平台实时访问能力；先用包内文件，外部工具只作为增强。
7. 输出前按 docs/templates/quality-check-tools.md 做事实、话术和风险自检。