CommunityCodierung & Entwicklunggithub.com

Agentic-Income/affiliate-agent-skills

Das Betriebssystem zum Aufbau von Einkommenssystemen mit KI-Agenten. Verwenden Sie es bei der Planung, dem Aufbau oder der Skalierung eines Affiliate-/Content-/Produkt-Einkommensnetzwerks – um zu entscheiden, was als Nächstes gebaut werden soll, woher das Geld tatsächlich kommt, wie es sich vermehrt und wie sich das System selbst verbessert.

Was ist affiliate-agent-skills?

Diese Fähigkeit (Skill) dient als strategisches Betriebssystem für KI-Agenten, die Einkommensströme aufbauen und skalieren möchten, insbesondere durch Affiliate-Content und Produktvergleiche. Es basiert auf einer zentralen These: Ehrliche KI-Tool-Vergleiche sind der skalierbarste und kostengünstigste Einkommensmotor. Der Skill definiert fünf nicht verhandelbare Prinzipien (z. B. ehrliche Empfehlungen, wiederkehrende statt einmalige Einnahmen, Aufbau einer eigenen Zielgruppe) sowie eine Hub-and-Spoke-Architektur, bei der ein zentrales Open-Source-Repository (affiliate-agent-skills) mehrere Nischenseiten antreibt. Vier automatisierte Schleifen (Monetarisierung, Content, Autorität, Lernen) sorgen dafür, dass sich das System kontinuierlich selbst verbessert, ohne dass menschliche Strategie-Meetings nötig sind. Die Fähigkeit unterstützt Plattformen wie Claude Code und andere KI-Agenten, die mit Trigger-Phrasen wie „make money with agents“ oder „build an income system“ aktiviert werden. Es komponiert die Unterfähigkeit „affiliate-audit“, um Lücken in der Monetarisierung zu identifizieren und die nächsten Schritte priorisiert zu empfehlen.

Funktioniert mit✓Claude Code~Codex CLI~Cursor✓Antigravity
npx skills add https://github.com/Agentic-Income/affiliate-agent-skills/tree/HEAD/skills/agentic-income

Installed? Explore more Codierung & Entwicklung skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

agentic-income

Das Gehirn, das aus „Mit KI-Agenten Geld verdienen" ein System macht, das sich selbst skaliert.
Eine These, fünf Prinzipien, vier Schleifen. Alles andere ist Umsetzung.

Die These

Ehrliche KI-Tool-Vergleichsinhalte sind der skalierbarste und kostengünstigste Einkommensmotor, den ein KI-Architekt betreiben kann. Grenzwertige Tools (ChatGPT, Claude, Midjourney, Veo) erzeugen enormes Suchvolumen, zahlen aber nichts. Also ranken Sie für sie, sagen die ehrliche Wahrheit und leiten weiter zu den angrenzenden Tools, die wiederkehrend zahlen – denjenigen, die Sie tatsächlich nutzen. Der Leser erhält die echte Antwort; das System verdient, wenn er danach handelt. Vertrauen ist der Vermögenswert; der Link ist nachgelagert.

Die fünf Prinzipien (nicht verhandelbar)

  1. Ehrliche Wahl gewinnt immer. Empfehlen Sie, was wirklich am besten ist, und verlinken Sie dann den Zahler, den Sie tatsächlich kaufen würden. Ein Link, der die Wahrheit überschreibt, verbrennt den einzigen Vermögenswert, der sich vermehrt: Vertrauen.
  2. Wiederkehrend > einmalig. Passives Einkommen vermehrt sich durch Abonnements, nicht durch einmalige Prämien. Bauen Sie um wiederkehrende Zahler herum auf (Higgsfield, Systeme.io, CapCut, ElevenLabs, Copy.ai); behandeln Sie einmalige Prämien als Bonus.
  3. Besitzen Sie die Zielgruppe. Jeder Leser ist Einkommen oder eine zukünftige Beziehung. Eine E-Mail-Erfassung pro Seite verwandelt gemietete Zielgruppen (SEO/Sozial) in eine eigene Liste, die Sie kontrollieren.
  4. Bauen Sie den Motor einmal, forken Sie die Seiten. Ein gemeinsamer Katalog + eine Vorlage; jede neue Seite ist ein Austausch von lib/site.ts. Die zweite Seite hat nahezu Null Grenzkosten. Die Anstrengung fließt in das Substrat, nicht in die N-te Instanz.
  5. Vermehrung über Spitzen. Inhalte, die jahrelang ranken + wiederkehrende Provisionen + eine wachsende Liste = Einkommen, das ohne Sie läuft. Optimieren Sie für den Vermögenswert, der in 12 Monaten noch verdient, nicht für den Beitrag, der heute einen Spitzenwert erzielt.

Die Architektur (Hub-and-Spoke)

affiliate-agent-skills   ← der Motor: Katalog + Prüfung + dieses Gehirn (OSS – die Lead-Generierung)
   │
   ├─► agenticincome.ai            ← HUB. Die Autoritätsmarke. Spokes verlinken darauf.
   ├─► agenticpassiveincome.com    ← spoke: der „Einrichten und vergessen"-Winkel
   └─► disruptivepassiveincome.com ← spoke: der „Tools ersetzen Arbeitsfunktionen"-Winkel

Ein Motor, drei Marken, drei Suchzielgruppen, nahezu keine Überschneidungen. Cross-Link Spokes→Hub für thematische Autorität und Verweisfluss. Wenn eine gewinnt, verstärken; die Verlierer kosten fast nichts.

Die vier Schleifen (das bedeutet „Agenten, die lernen")

Das System verbessert sich selbst, weil jede Schleife die nächste speist. Ein Agent führt diese in einem Rhythmus aus – kein menschliches Strategiemeeting erforderlich.

1. Monetarisierungsschleife (wöchentlich): affiliate-audit verbindet den Katalog × den Inhalt jeder Site × den Traffic → bewertet (a) welche Programme als nächstes beigetreten werden sollen, (b) welche bestehenden Beiträge einen Zahler erwähnen, ohne einen Link zu setzen. Beitreten → ourLink in data/programs.json setzen → sync:catalog → Links werden netzwerkweit aktiv → erneute Prüfung, Lücke schließt sich.

2. Inhaltsschleife (wöchentlich): Die Top-Traffic- und höchste Absichtsabfragen jeder Site abrufen → content-backlog.md bewertet den nächsten Beitrag nach Chance = Autorität × Absicht × Monetarisierung × geringer Wettbewerb. Den besten in der zitierbaren Form erstellen. Die Gewinner sagen Ihnen, was Sie als nächstes schreiben sollen.

3. Autoritätsschleife (kontinuierlich): Der OSS-Motor + das öffentliche Playbook sammeln GitHub-Sterne und eingehende Links → diese Autorität hebt die Sites, die den Motor nutzen → mehr Traffic → mehr Prüfungssignal. Die Methode wegzugeben ist die Verteilung.

4. Lernschleife (monatlich): Jeder veröffentlichte Beitrag ist ein beschriftetes Beispiel – Abfrage × Form × Konversion. Ergebnisse zurückmelden: welche Hooks/Tabellen/Antwortboxen konvertiert haben, welche Programme tatsächlich gezahlt haben. Das nächste Batch in Richtung dessen ausrichten, was funktioniert hat. Der status des Katalogs + die Bewertung des Backlogs sind das Gedächtnis.

Was als nächstes zu bauen ist (die Entscheidung)

Wenn gefragt wird „Was soll ich als nächstes bauen/tun?", bewerten Sie Kandidatenaktionen nach Hebelwirkung:

  1. Setzen Sie einen ourLink für ein Programm, das bereits in einem Beitrag mit hohem Traffic erwähnt wird → sofortige Einnahmen auf bestehendem Traffic. (Führen Sie affiliate-audit aus, um diese zu finden.) Höchster ROI, zuerst erledigen.
  2. Schreiben Sie den obersten Backlog-Beitrag für die Site mit der meisten Autorität in diesem Cluster.
  3. Forken Sie einen Spoke erst, wenn der Hub ≥1 ranking Beitrag hat, der die Form beweist. Skalieren Sie keine ungetestete Vorlage.
  4. Treten Sie dem nächsten wiederkehrenden Zahler bei, den die Prüfung als hohe Erwähnung/kein Link kennzeichnet.

Nie: eine einmalige Prämie einer wiederkehrenden vorziehen, ein Tool verlinken, das Sie nicht genutzt haben, oder Site N+1 bauen, während Site N unverlinkte Zahlererwähnungen hat.

Die ehrliche Form (jeder Beitrag)

Direkte Antwortbox oben (was die KI-Suche anhebt) → sortierbare Vergleichstabelle (die Konversionsfläche; zeigt einen CTA nur, wenn ourLink gesetzt ist) → die echte Empfehlung in Prosa → echte FAQ mit FAQPage JSON-LD → eine Affiliate-Offenlegung. Empfehlen, nicht verkaufen. Die Form rankt und konvertiert.

Komponiert

  • affiliate-audit – der Monetarisierungsschleifen-Motor (Katalog × Inhalt × Traffic → Lücken). Dieses Gehirn entscheidet, was zu tun ist; affiliate-audit findet, wo das Geld ist.

Leitplanken

  • Eine Offenlegung pro Seite mit Links (FTC + Vertrauen).
  • Der Katalog-status kennzeichnet Sackgassen (Grenz-LLMs) und geschlossene Programme – ignorieren Sie sie.
  • Überprüfen Sie Affiliate-Bedingungen erneut, bevor Sie sich auf sie verlassen; sie ändern sich oft.
  • Null ourLink → Klartext, niemals ein toter Link.

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

Verwandte Skills