TikTok 应用营销
自动化你的整个 TikTok 幻灯片营销流程:生成 → 叠加 → 发布 → 追踪 → 迭代。
经过验证的结果: 病毒式传播的 X 文章获得 700 万次观看,TikTok 超过 100 万次观看,每月经常性收入 (MRR) 达到 670 美元——这一切都来自一台旧游戏 PC 上运行的 AI 代理。
前提条件
本技能不捆绑任何依赖项。你的 AI 代理需要根据你的设置进行研究并安装以下内容。告诉你的代理你正在使用的环境,它会自行解决其余问题。
必须安装
- Node.js (v18+) — 所有脚本都在 Node 上运行。你的代理应验证其是否已安装,如果未安装则进行安装。
- node-canvas (
npm install canvas) — 用于向幻灯片图像添加文本叠加。这是一个原生模块,在某些系统上可能需要构建工具(Python、make、C++ 编译器)。你的代理应针对你的操作系统研究安装要求。 - Postiz — 这是整个系统的核心。Postiz 负责发布到 TikTok(以及 28 多个其他平台),但更重要的是,它提供了驱动日常反馈循环的分析 API。没有 Postiz,代理可以发布但无法追踪哪些内容有效——而反馈循环才是让这个技能真正增长你的账户,而不是盲目发布的关键。在此注册:postiz.pro/oliverhenry。
图像生成(二选一)
你可以选择生成图像的方式。你的代理应为你选择的方案查阅相应的 API 文档:
- OpenAI —
gpt-image-1.5(始终使用 1.5,绝不使用 1)。需要 OpenAI API 密钥。最适合生成逼真的照片风格图像。这是 Larry 使用的方案,也是我们强烈推荐的方案。 - Stability AI — Stable Diffusion XL 及更新版本。需要 Stability AI API 密钥。适合风格化/艺术化的图像。
- Replicate — 运行任何开源模型(Flux、SDXL 等)。需要 Replicate API 令牌。最灵活。
- 本地 — 使用你自己的图像。无需 API。将图像放置在输出目录中,脚本会跳过生成步骤。
转化追踪(可选,但推荐用于移动应用)
- RevenueCat — 这是完成智能循环的关键。Postiz 告诉你哪些帖子获得了观看量。RevenueCat 告诉你哪些帖子驱动了付费用户。两者结合,代理可以区分出那些病毒式传播但不赚钱的帖子和那些虽不起眼但实际能带来转化的帖子——并据此进行优化。从 ClaWHub 安装 RevenueCat 技能 (
clawhub install revenuecat),以获得对订阅者、MRR、试用、流失和收入的完整 API 访问权限。还有一个 RevenueCat MCP,可以从你的代理/IDE 以编程方式控制产品和优惠。
跨平台发布(可选,推荐)
Postiz 支持同时跨平台发布到 Instagram Reels、YouTube Shorts、Threads、Facebook、LinkedIn 以及 20 多个其他平台。你的代理应研究哪些平台适合你的受众,并在 Postiz 中连接它们。相同的内容,不同的算法,更广泛的覆盖。
首次运行 — 引导
首次加载此技能时,立即与用户开始对话。不要倾倒一份清单——像真人营销伙伴那样与他们交谈。下面的流程是指导方针,而非剧本。保持自然。一次问一两个问题。根据他们的回答做出反应。在他们的回答基础上继续深入。
重要提示: 最后使用 scripts/onboarding.js --validate 来确认配置完成。
阶段 0:TikTok 账号预热(关键 — 请勿跳过)
在做任何其他事情之前,先检查用户是否已有发布历史的 TikTok 账号。如果他们正在创建一个新账号,他们必须先进行预热,否则 TikTok 会将其视为机器人并从第一天起限制其触达。
自然地解释这一点:
“开始之前我有个问题——你已经有一直在用的 TikTok 账号,还是我们要从零开始?如果是新账号,我们需要先预热它。TikTok 的算法会观察新账号的行为,如果你直接从创建账号跳到发布 AI 幻灯片,它会将你标记为机器人并扼杀你的触达。”
如果账号是新的或很少使用,引导他们完成以下步骤:
目标是在接下来的 7-14 天内像正常人一样使用 TikTok,不要发布任何东西。每天花 30-60 分钟在应用上:
- 自然地浏览“为你推荐”页面。 完整观看一些视频。在中间跳过另一些。不要每个视频都看到最后——真正的用户不会这样滚动。
- 有节制地点赞。 也许每 10 个视频点 1 个赞。不要什么都点赞——那是机器人的行为。只点赞那些你在你所在的领域会真心参与的内容。
- 关注你所在领域的账号。 如果他们正在推广一个健身应用,就关注健身创作者。室内设计?关注室内设计账号。这会训练算法理解该账号是关于什么的。
- 有目的地观看领域相关内容。 这是最重要的部分。TikTok 学习你与什么内容互动,并开始向你展示更多此类内容。你需要让你的“为你推荐”页面主要由与你将要发布的内容相似的内容主导。
- 留下一些真实的评论。 不是垃圾信息。是真实的反应。每轮操作留下几条。
- 也许发布 1-2 个随意视频。 没有任何推广性质。只是普通内容,向 TikTok 证明账号背后是一个真实的人。
要寻找的信号: 当他们打开 TikTok 时,“为你推荐”页面上几乎每个视频都属于他们的领域,说明账号已预热完毕。算法理解了他们的定位。现在他们可以开始发布了。
告诉用户:“我知道两周感觉像是浪费时间,但跳过预热的账号在首次发布时通常会少获得 80-90% 的触达。进行预热。这决定了你的第一个帖子是获得 200 次观看还是 20,000 次观看。”
如果账号已经是活跃且成熟的, 则完全跳过此阶段,直接进入阶段 1。
阶段 1:了解他们的应用(对话式)
以轻松的方式开始。例如:
“嘿!让我们来设置你的 TikTok 营销。首先——给我介绍一下你的应用。它叫什么?是做什么的?”
然后根据他们所说的内容跟进。不要一次性问完所有 9 个问题。顺着线索提问:
- 他们提到应用的功能 → 问目标用户是谁(“你的理想用户是谁?”)
- 他们描述了受众 → 问痛点(“它为他们解决了什么主要问题?”)
- 他们解释了问题 → 问他们的与众不同之处(“与替代品相比,你的应用优势在哪里?”)
- 自然地获取应用商店/网站链接(“能给我发个链接吗?”)
- 确定类别(家居/美妆/健身/生产力/美食/其他)——通常可以推断出来
不要机械地问“品牌指南”。 而是问:“你有什么现有的内容或想要追求的风格吗?还是我们从头开始?”
然后询问他们的应用和变现方式:
“这是一个移动应用吗?你使用 RevenueCat(或任何订阅/应用内购买系统)来处理支付吗?”
这很关键,因为它决定了我们能否关闭完整的反馈循环。如果他们有一个使用 RevenueCat 的移动应用:
- 告诉他们 ClawHub 上的 RevenueCat 技能 (
clawhub install revenuecat)。它提供对订阅者、MRR、试用、流失、收入和交易的完整 API 访问。不要自动安装——只需让他们知道它的存在以及它能解锁什么,如果他们想要可以自行安装。 - 解释为什么这很重要: 没有 RevenueCat 数据,该技能只能针对观看量(虚荣指标)进行优化。有了它,该技能针对实际的付费用户进行优化。区别巨大。一个 20 万次观看但零转化的帖子毫无价值。一个 5 千次观看但带来 10 个付费订阅者的帖子是金子。只有连接了 RevenueCat,你才能分辨出区别。
如果他们不使用 RevenueCat 但有其他订阅系统,记录下来并在可用范围内工作。如果它不是移动应用(例如实体产品、SaaS、服务),则跳过 RevenueCat,但仍然追踪他们所拥有的任何转化指标(网站注册、购买、潜在客户)。
将所有信息存储到 tiktok-marketing/app-profile.json 中。
阶段 2:竞品研究(需要浏览器权限)
在制定任何内容策略之前,先研究竞争对手在 TikTok 上的做法。这至关重要——你需要了解竞争格局。
询问用户:
“在我们开始创作内容之前,我想研究一下你的竞争对手在 TikTok 上做什么——你的领域里什么内容获得了观看量,他们使用什么钩子,什么有效,什么无效。我可以使用浏览器查看 TikTok 和应用商店吗?”
等待许可。 然后:
- 在 TikTok 上搜索应用的领域(例如“室内设计应用”、“唇部填充滤镜”、“健身改造应用”)
- 找到 3-5 个发布类似内容的竞争对手账号
- 分析他们的顶级表现内容:
- 他们使用了什么钩子?
- 什么幻灯片格式?(改造前/后、列表文章、主观视角、教程)
- 他们最好和平均帖子的观看量是多少?
- 他们的发布频率是多少?
- 他们使用了什么行动号召 (CTA)?
- 该领域目前流行什么音乐/音效?
- 查看应用商店中应用的类别——查看竞争对手的应用、截图、描述、评分
- 将发现结果整理到
tiktok-marketing/competitor-research.json:
{
"researchDate": "2026-02-16",
"competitors": [
{
"name": "CompetitorApp",
"tiktokHandle": "@competitor",
"followers": 50000,
"topHooks": ["钩子 1", "钩子 2"],
"avgViews": 15000,
"bestVideo": { "views": 500000, "hook": "..." },
"format": "改造前/后 幻灯片",
"postingFrequency": "每日",
"cta": "个人简介链接",
"notes": "在 X 方面强,在 Y 方面弱"
}
],
"nicheInsights": {
"trendingSounds": [],
"commonFormats": [],
"gapOpportunities": "竞争对手没有做而我们可以做的事",
"avoidPatterns": "明显无效的做法"
}
}
- 以对话方式与用户分享发现:
“所以我看了看市面上的情况。[竞争对手 A] 在 [格式] 方面做得很好——他们最好的帖子使用 [钩子类型] 获得了 [X] 次观看。但我注意到没人真正在做 [空白]。这将是我们的切入点。”
这项研究直接为钩子生成和内容策略提供信息。在创建帖子时参考它。
阶段 3:内容格式与图像生成
首先,询问格式:
“你想做幻灯片(图片轮播)还是视频?幻灯片是 Larry 使用的,也是这个技能主要围绕构建的——TikTok 的数据显示,与视频相比,幻灯片的评论数多 2.9 倍,分享数多 2.6 倍,而且 AI 更容易一致地生成它们。话虽如此,如果你想尝试视频,这个技能也支持,但它没有像幻灯片那样经过实战检验。你来决定。”
将他们的选择存储为配置中的 format: "slideshow" 或 format: "video"。如果他们选择视频,请注意文本叠加、6 张幻灯片结构和提示模板是为幻灯片设计的。视频需要更多实验,代理应该对此坦诚相告。
对于幻灯片(推荐):
自然地询问:
“对于幻灯片,我们需要图像。我强烈推荐 OpenAI 的 gpt-image-1.5——这是 Larry 使用的,它生成的图像看起来真的像是别人用手机拍的。这就像是‘明显是 AI’和‘等等,那是真的吗?’之间的区别。如果你愿意,也可以使用 Stability AI、Replicate,或者使用你自己的图像。”
⚠️ 如果他们选择 OpenAI,请确保模型设置为 gpt-image-1.5——永远不要用 gpt-image-1。 质量差异巨大。gpt-image-1 生成的图像明显带有 AI 感,人们会直接划过。gpt-image-1.5 生成的照片级效果能阻止用户滚动。这一个设置可能造成 1 千次观看和 10 万次观看之间的差别。
如果他们不确定,始终推荐 gpt-image-1.5。这是经过验证的选择。
在配置中存储为 imageGen,包含 provider、apiKey 和 model。
如果他们选择 OpenAI,提一下批处理 API:
“有一点值得了解——OpenAI 有一个批处理 API,比实时生成便宜 50%。你无需当场生成幻灯片,而是作为批处理作业提交,并在 24 小时内(通常更快)获得结果。它非常适合隔夜预先生成明天的幻灯片。相同的质量,一半的成本。需要我设置它吗?”
如果他们感兴趣,在 imageGen 配置中存储 "useBatchAPI": true。生成脚本支持两种模式——实时模式用于快速迭代,批处理模式用于预定的每日内容。
然后——这一点至关重要——与他们一起确定图像风格。 不要只使用通用的提示。糟糕的图像 = 没人观看。自然地一个接一个地问这些问题,一次一两个:
“现在让我们弄清楚这些图像应该是什么样子。你想要它们看起来像是别人用手机拍的真实照片,还是更像精致的图形或插图?”
然后根据他们的回答,深入挖掘:
- 主题是什么? “我们实际要展示什么?房间?面孔?产品?改造前/后对比?”
- 什么氛围? “舒适温馨?干净简洁?奢华?想想你的受众关联或向往什么。”
- 一致性: “所有 6 张幻灯片应该看起来像同一个地方或同一个人吗?如果是——我需要锁定具体细节,这样每张幻灯片就不会看起来完全不同。”
- 必备元素? “每张图片中必须出现的元素?特定的产品?某些家具?一只宠物?”
与他们一起构建基本提示。 一个好的基本提示看起来像:
iPhone photo of a [specific room/scene], [specific style], [specific details].
Realistic lighting, natural colors, taken on iPhone 15 Pro.
No text, no watermarks, no logos.
[Consistency anchors: "same window on left wall", "same grey sofa", "wooden coffee table in center"]
将商定的提示样式保存到配置中的 imageGen.basePrompt,以便将来每个帖子都使用它。
关键提示规则(在出现时解释它们,不要长篇大论地讲):
- “iPhone photo” + “realistic lighting” = 看起来真实,不像 AI 生成