简诗 AI 营销活动执行

解决营销活动中的“灰度执行”问题

在真实的活动策划中，一个明显的痛点是信息断层与责任模糊。目标设定往往脱离预算或权益库存约束，排期表只看得到上线时间却忽视了审批前置条件。当意外发生时，团队常常找不到明确的历史决策依据。

这个控制台为这种混乱状态设定了严格的输入闸门。它要求执行者在动手前必须确认活动目标、场景口径、资源约束、机制细节以及履约能力。当信息不足时，机制强制要求将“已确认事实”与“保守假设”明确区分，避免团队基于错误的推测进行无效劳动。

核心能力与执行工作流

该技能的执行逻辑遵循一套清晰的引用与校验流程：

• 动态加载方法论：通过读取 references/methodology.md，系统只提取与当前任务直接相关的“方法卡”，避免信息过载。
• 约束与风险扫描：读取 execution-rules.md 建立前置闸门，并结合 quality-boundaries.md 排除不具备授权或无法交付的动作。
• 结构化产出：依据 output-contract.json 和 assets/output-template.md，生成包含执行路径、倒排计划及应急预案的完整方案。
• 自动化校验：运行 scripts/validate_output.py --check-output 进行结构检查。若校验失败，开发者必须修正业务逻辑而非通过修改代码来绕过规则。

最终交付物涵盖了从用户路径、RACI 责任矩阵到现场停止条件的全套文档，确保每个环节都有具体的执行人和衡量标准。

适用边界与注意点

在使用此技能时，需要明确其工具属性：

• 不代表业务承诺：系统不会生成虚假的成功案例或行业基准，所有指标均需基于实际数据确认。
• 隐私与合规：严禁在输出中包含原始链接、API Key 或个人身份信息。
• 机器校验的局限：通过 validate_output.py 仅代表结构符合规范。针对特定市场的适配性、文案的感召力，仍必须由业务负责人进行最终确认。