Communitygithub.com

tonone-ai/tonone

Use quando for solicitado a estruturar uma página de destino, projetar layout para conversão ou planejar a arquitetura de informação de uma landing page. Exemplos: 'estrutura de landing page para SaaS', 'layout otimizado para conversão'.

O que é tonone?

Esta skill, `tonone-ai/tonone`, ajuda desenvolvedores e profissionais de marketing a criar landing pages com foco em conversão, definindo a arquitetura de informação (IA) de forma estruturada. Ela é acionada quando o usuário precisa de uma estrutura de seções, ordem e posicionamento de CTAs para uma landing page, baseando-se no tipo de produto identificado. A skill pesquisa padrões de landing pages e contexto de conversão do produto usando um módulo Python, valida cada seção com o teste 'e daí?' e gera uma saída no formato de uma tabela CLI com até 40 linhas, incluindo a estratégia de conversão e orientações para o texto do CTA. Ela é compatível com agentes como Claude Code e Cursor e enfatiza a importância de evitar anti-padrões, como colocar o CTA primário abaixo da dobra ou adicionar seções sem propósito de conversão.

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/tonone-ai/tonone/tree/HEAD/skills/draft-landing

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

draft-landing — Arquitetura de Informação para Landing Page

Siga o formato de saída definido em docs/output-kit.md — máximo de 40 linhas no CLI, esqueleto com caixas, indicadores de severidade unificados e prosa compactada.

Quando usar

O usuário precisa de uma estrutura de landing page, ordem de seções ou layout otimizado para conversão. O tipo de produto é conhecido ou pode ser descoberto.

Fluxo de trabalho

  1. Identifique o tipo de produto a partir da solicitação do usuário ou do contexto do projeto
  2. Pesquise padrões de landing page:
    python3 -m draft_agent.uiux search --domain landing --query "{product_type}" --limit 3
    
  3. Pesquise o raciocínio do produto para obter contexto de público e conversão:
    python3 -m draft_agent.uiux search --domain product --query "{product_type}" --limit 3
    
  4. Valide cada seção com o teste "e daí?" — toda seção deve justificar sua existência
  5. Produza a ordem das seções com marcadores de posicionamento de CTA

Formato de saída

┌─ IA da Landing Page — {product_type} ──────────────────────────────────┐
│ #  │ Seção             │ Propósito                    │ CTA?           │
├────┼────────────────────┼──────────────────────────────┼────────────────┤
│  1 │ {section_name}    │ {purpose}                    │ CTA Primário   │
│  2 │ {section_name}    │ {purpose}                    │ —              │
│  3 │ {section_name}    │ {purpose}                    │ CTA Secundário │
│  … │ …                  │ …                            │ …              │
└────┴────────────────────┴──────────────────────────────┴────────────────┘

Estratégia de conversão: {strategy}
Orientações para o texto do CTA: {cta_guidance}

Anti-padrões

  • Nunca pule o teste "e daí?" por seção — se uma seção não conseguir respondê-lo, corte-a
  • Nunca adicione seções sem um propósito claro de conversão
  • Nunca coloque o CTA primário abaixo da dobra na primeira tela
  • Nunca estruture a página sem conhecer o público principal e sua tarefa a ser realizada

Entrega

Se a saída exceder o orçamento de 40 linhas no CLI, invoque /atlas-report com as descobertas completas. O relatório HTML é a saída. O CLI é o recibo — cabeçalho da caixa, veredito de uma linha, as 3 principais descobertas e o caminho do relatório. Nunca despeje a análise no CLI.

Individual skills in this repo

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

Habilidades Relacionadas