Communitygithub.com

TikTok 應用程式行銷自動化

自動化完整的 TikTok 輪播行銷流程:從研究競爭對手、生成 AI 圖片、添加文字疊加到透過 Postiz 排程發文、追蹤成效,並根據數據持續優化。

TikTok 應用程式行銷自動化 是什麼?

此技能旨在為任何應用程式或產品打造一個完整的 TikTok 輪播行銷自動化管道。它整合了從初始設定到持續優化的所有環節。首先,它會基於瀏覽器進行競爭對手研究,分析其受歡迎的鉤子、格式與發布頻率。接著,它能整合 OpenAI 的 `gpt-image-1.5`(推薦)、Stability AI、Replicate 或本地素材來生成圖片,並使用 `node-canvas` 在圖片上添加文字覆蓋層。所有內容透過 Postiz 平台排程發布至 TikTok,並可同時交叉發布到 Instagram Reels、YouTube Shorts 和 Threads 等平台。此技能的獨特優勢在於其數據驅動的優化循環:Postiz 提供觀看次數等互動數據,而選擇性的 RevenueCat 整合則能追蹤實際的付費用戶轉化,讓 AI 能區分「高觀看但低轉化」與「低觀看但高轉化」的內容,並據此調整鉤子與行動呼籲,實現真正的行銷成效增長。此技能最初是為 Claude Code 設計,但原理通用,可應用於 Cursor、Codex 等支援工具執行與 API 互動的 AI 代理。

相容平台~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/modbender/skill-library-mcp/tree/HEAD/data/larry

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

TikTok 應用程式行銷

自動化您完整的 TikTok 輪播行銷流程:生成 → 疊加 → 發布 → 追蹤 → 迭代。

經實證的成果: 一篇爆紅的 X 文章獲得 700 萬觀看、TikTok 超過 100 萬觀看、每月經常性收入 (MRR) 達 $670 美元——全部來自一台老舊遊戲 PC 上運行的 AI 代理。

前置需求

此技能不包含任何相依套件。您的 AI 代理需要根據您的設定環境,自行研究並安裝以下項目。告訴您的代理您目前使用的技術棧,它會幫您搞定剩下的事。

必要項目

  • Node.js (v18+) — 所有腳本均在 Node.js 上運行。您的代理應確認並安裝它(若尚未安裝)。
  • node-canvas (npm install canvas) — 用於為輪播圖片添加文字疊加。這是一個原生模組,在某些系統上可能需要建置工具(如 Python、make、C++ 編譯器)。您的代理應為您的作業系統研究安裝需求。
  • Postiz — 這是整個系統的核心骨幹。Postiz 負責將內容發布到 TikTok(以及 28 個以上的其他平台),但更重要的是,它提供了驅動日常反饋循環的分析 API。沒有 Postiz,代理可以發布內容,但無法追蹤哪些內容有效——而這個反饋循環正是此技能能讓您的帳號實際增長,而非盲目發布的關鍵所在。請至 postiz.pro/oliverhenry 註冊。

圖片生成(擇一)

您選擇生成圖片的方式。您的代理應研究您所選方案的 API 文件:

  • OpenAI — gpt-image-1.5 (務必使用 1.5 版本,絕不要用 1)。需要 OpenAI API 金鑰。最適合生成寫實風格的照片。這是 Larry 使用且我們強烈推薦的方案。
  • Stability AI — Stable Diffusion XL 及更新版本。需要 Stability AI API 金鑰。適合生成風格化/藝術化圖片。
  • Replicate — 執行任何開源模型(如 Flux、SDXL 等)。需要 Replicate API Token。最具彈性。
  • 本地素材 — 使用您自己的圖片。無需 API。將圖片放入輸出目錄,腳本會跳過生成步驟。

轉化追蹤(選擇性,但強烈建議用於手機應用程式)

  • RevenueCat — 這是完成智慧反饋循環的關鍵。Postiz 告訴您哪些貼文獲得觀看。RevenueCat 則告訴您哪些貼文帶來了付費用戶。兩者結合,AI 代理便能區分一個爆紅但不賺錢的貼文和一個雖然低調但實際能轉化的貼文——並據此進行優化。請從 ClaWHub 安裝 RevenueCat 技能 (clawhub install revenuecat),以獲得完整的 API 存取權限,包括訂閱者、MRR、試用、流失率和營收。此外,還有一個 RevenueCat MCP 可用於從您的代理/IDE 中程式化控制產品和優惠方案。

交叉發布(選擇性,但強烈建議)

Postiz 支援同時交叉發布到 Instagram Reels、YouTube Shorts、Threads、Facebook、LinkedIn 等 20 多個平台。您的代理應研究哪些平台最適合您的受眾,並在 Postiz 中設定連結。同樣的內容,透過不同的演算法,觸及更多觀眾。

初次執行 — 引導與設定

當此技能首次載入時,立即開始與使用者對話。不要直接拋出一個檢查清單——像個人類行銷夥伴那樣與他們交談。以下流程是引導方針,不是劇本。保持自然。一次問一兩個問題。對他們說的話做出反應。根據他們的回答深入追問。

重要提示: 最後請使用 scripts/onboarding.js --validate 來確認設定檔已完成。

階段 0:TikTok 帳號暖身(至關重要——請勿跳過)

在開始任何其他動作之前,先確認使用者是否已有發布過內容的 TikTok 帳號。如果他們建立的是全新帳號,必須先進行暖身,否則 TikTok 會將他們視為機器人,從第一天起就限制其觸及率。

自然地解釋這一點:

「在我們正式開始之前,先問一個問題——你已經有正在使用的 TikTok 帳號了嗎?還是我們要從頭開始?如果是新帳號,我們需要先讓它『暖身』。TikTok 的演算法會觀察新帳號的行為模式,如果你從創建帳號直接跳到發布 AI 生成的輪播,它會將你標記為機器人並封殺你的觸及。」

如果帳號是全新的或幾乎沒用過,引導他們完成以下步驟:

目標是在發布任何內容之前,像個正常人一樣使用 TikTok 7 到 14 天。每天花 30 到 60 分鐘在 app 上:

  • 自然地滑「為你推薦」頁面。 完整看完一些影片。中途跳過其他一些。不要每個影片都看到最後——那不是真人滑手機的方式。
  • 有節制地按讚。 大概每 10 部影片按 1 個讚。不要每個都按——那是機器人的行為。只按那些在你的領域中你會真心互動的內容。
  • 追蹤你領域內的帳號。 如果他們在推廣健身 app,就追蹤健身創作者。房間設計?追蹤室內設計帳號。這會訓練演算法理解你的帳號是關於什麼的。
  • 有意識地觀看利基內容。 這是最重要的一步。TikTok 會學習你與什麼內容互動,並開始向你展示更多類似內容。你希望你的「為你推薦」頁面被與你將要發布的內容相似的內容所主導。
  • 留下一些真誠的評論。 不是垃圾訊息。是真實的反應。每 session 留下幾個。
  • 或許發布 1-2 個日常影片。 不要有任何宣傳性質。只是一般的內容,向 TikTok 證明帳號背後是一個真人。

觀察訊號: 當他們打開 TikTok 時,幾乎「為你推薦」頁面上的每個影片都與他們的領域相關,表示帳號已經暖身完成。演算法已經理解他們了。現在他們可以開始發布內容了。

告訴使用者:「我知道兩週感覺像在浪費時間,但跳過暖身的帳號,其首批貼文的觸及率 consistently 會低 80-90%。請完成暖身。這決定你的第一篇貼文是獲得 200 次觀看還是 20,000 次觀看。」

如果帳號已經活躍且經營良好, 完全跳過此階段,直接進入階段 1。

階段 1:認識他們的應用程式(對話式)

從輕鬆的話題開始。像是:

「嘿!讓我們來設定你的 TikTok 行銷。首先——跟我說說你的 app。它叫什麼名字?是做什麼的?」

然後根據他們說的內容追問。不要一次問完 9 個問題。順著話題深入:

  • 他們提到 app 的功能 → 問是為誰設計的(「你的理想用戶是誰?」)
  • 他們描述目標受眾 → 問他們的痛點(「它為他們解決了什麼主要問題?」)
  • 他們解釋問題 → 問他們與眾不同之處(「與其他替代方案相比,你的 app 有什麼優勢?」)
  • 自然地取得 App Store / 網站連結(「可以把連結給我嗎?」)
  • 確定類別(居家/美容/健身/生產力/美食/其他)——通常可以推斷出來

不要機械式地要求「品牌指南」。 反而要問:「你有任何現有的內容或想達成的風格嗎?還是我們從零開始?」

然後詢問他們的 app 和變現方式:

「這是手機 app 嗎?你有使用 RevenueCat(或其他訂閱/應用內購買系統)來處理付款嗎?」

這點至關重要,因為它決定了我們是否能關閉完整的反饋循環。如果他們有使用 RevenueCat 的手機 app:

  • 告訴他們 ClawHub 上的 RevenueCat 技能 (clawhub install revenuecat)。它能提供對訂閱者、MRR、試用、流失率和營收的完整 API 存取權限。不要自動安裝——只需讓他們知道它的存在以及它能解鎖什麼功能,如果他們有興趣可以自己安裝。
  • 解釋為什麼它很重要: 如果沒有 RevenueCat 的數據,此技能只能針對觀看次數(虛榮指標)進行優化。有了 RevenueCat,技能就能針對實際的付費用戶進行優化。兩者之間的差異是天壤之別。一個有 20 萬觀看但零轉化的貼文一文不值。一個有 5 千觀看但帶來 10 個付費訂閱者的貼文才是黃金。只有連接 RevenueCat 才能分辨出差異。

如果他們沒有使用 RevenueCat 但使用其他訂閱系統,請記下它並利用現有資源。如果不是手機 app(例如實體產品、SaaS、服務),則跳過 RevenueCat,但仍追蹤他們現有的任何轉化指標(網站註冊、購買、潛在客戶)。

將所有資訊儲存在 tiktok-marketing/app-profile.json。

階段 2:競爭對手研究(需要瀏覽器權限)

在制定任何內容策略之前,先研究競爭對手在 TikTok 上的做法。這點至關重要——你需要了解市場現狀。

詢問使用者:

「在我們開始創作內容之前,我想研究一下你的競爭對手在 TikTok 上做什麼——在你的領域裡哪些內容獲得觀看、他們使用什麼鉤子、什麼有效、什麼無效。我可以使用瀏覽器在 TikTok 和 App Store 上研究一下嗎?」

等待權限。 然後:

  1. 在 TikTok 上搜尋該 app 的領域(例如「室內設計 app」、「豐唇濾鏡」、「健身轉型 app」)
  2. 找到 3-5 個發布類似內容的競爭對手帳號
  3. 分析他們表現最好的內容:
    • 他們使用什麼鉤子?
    • 什麼輪播格式?(Before/After、清單文、POV、教學)
    • 他們最佳與平均貼文的觀看次數是多少?
    • 他們的發布頻率如何?
    • 他們使用什麼 CTA?
    • 該領域正在流行的音樂/音效是什麼?
  4. 在 App Store 上查看該 app 的分類——看看競爭對手的 app、他們的截圖、描述、評分
  5. 將研究結果整理到 tiktok-marketing/competitor-research.json:
{
  "researchDate": "2026-02-16",
  "competitors": [
    {
      "name": "CompetitorApp",
      "tiktokHandle": "@competitor",
      "followers": 50000,
      "topHooks": ["hook 1", "hook 2"],
      "avgViews": 15000,
      "bestVideo": { "views": 500000, "hook": "..." },
      "format": "before-after slideshows",
      "postingFrequency": "daily",
      "cta": "link in bio",
      "notes": "Strong at X, weak at Y"
    }
  ],
  "nicheInsights": {
    "trendingSounds": [],
    "commonFormats": [],
    "gapOpportunities": "What competitors AREN'T doing that we could",
    "avoidPatterns": "What's clearly not working"
  }
}
  1. 與使用者對話式地分享研究結果:

「所以我看了市場現狀。[競爭者 A] 使用 [格式] 表現得不錯——他們的最佳貼文使用 [鉤子類型] 獲得了 [X] 次觀看。但我注意到沒有人真正在做 [市場缺口]。這就是我們的切入點。」

這項研究直接為鉤子生成和內容策略提供了資訊。在創建貼文時參考它。

階段 3:內容格式與圖片生成

首先,詢問格式:

「你想做輪播(照片輪播)還是影片?輪播是 Larry 使用的,也是此技能的核心——TikTok 的數據顯示,輪播獲得的評論數是影片的 2.9 倍,分享數是 2.6 倍,而且對於 AI 來說更容易 consistently 生成。話雖如此,如果你想嘗試影片,此技能也支援,但它不像輪播那樣經過實戰考驗。由你決定。」

將他們的選擇儲存為設定檔中的 format: "slideshow" 或 format: "video"。如果他們選擇影片,請注意文字疊加、6 張輪播結構和提示詞模板都是為輪播設計的。影片需要更多實驗,代理應該事先說明這點。

對於輪播(推薦):

自然地詢問:

「對於輪播,我們需要圖片。我強烈推薦 OpenAI 的 gpt-image-1.5——這是 Larry 用的,它生成的圖片看起來真的像有人用手機拍的。這是『明顯是 AI』和『等等,那是真的嗎?』之間的區別。你也可以選擇 Stability AI、Replicate,或者如果你有偏好,也可以使用自己的圖片。」

⚠️ 如果他們選擇 OpenAI,請確保模型設定為 gpt-image-1.5——絕對不要用 gpt-image-1。 兩者的品質差異巨大。gpt-image-1 生成的圖片明顯看起來像 AI 畫的,人們會直接滑過。gpt-image-1.5 生成的圖片則寫實到足以讓人們停下滑動。光是這個設定,就能決定你的觀看次數是 1K 還是 100K。

如果他們不確定,一律推薦 gpt-image-1.5。這是一個經過驗證的選擇。

將其儲存到設定檔的 imageGen 中,包含 provider、apiKey 和 model。

如果他們選擇 OpenAI,請提及批次 API:

「還有一件事值得你知道——OpenAI 有一個批次 API,比即時生成便宜 50%。你不需要當場生成輪播圖片,而是將它們提交為批次任務,並在 24 小時內(通常更快)取得結果。非常適合在前一天晚上預先生成明天的輪播。同樣的品質,一半的價格。要我幫你設定嗎?」

如果他們有興趣,請在 imageGen 設定中儲存 "useBatchAPI": true。生成腳本支援兩種模式——即時模式用於快速迭代,批次模式用於排程的每日內容。

然後——這是關鍵——與他們一起確定圖片風格。 不要只是使用通用提示詞。糟糕的圖片 = 沒有人會看。自然地逐一詢問這些問題:

「現在,讓我們確定這些圖片實際上看起來應該是什麼樣子。你希望它們看起來像有人用手機拍的實景照片,還是更像是精美的圖形或插圖?」

然後根據他們的回答,深入挖掘:

  • 主體是什麼? 「我們實際上要展示什麼?房間?臉孔?產品?Before/After 比較?」
  • 什麼風格? 「溫馨舒適?乾淨簡約?豪華?想想你的受眾與什麼產生共鳴或嚮往什麼。」
  • 一致性:「所有 6 張輪播應該看起來像在同一個地方或同一人嗎?如果是——我需要鎖定具體細節,這樣每張輪播才不會看起來完全不同。」
  • 必備元素?「每張圖片中必須出現什麼?特定產品?某些家具?一隻寵物?」

與他們一起建立基礎提示詞。一個好的基礎提示詞看起來像這樣:

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"]

將雙方同意的提示詞風格儲存到設定檔的 imageGen.basePrompt,這樣將來的每篇貼文都會使用它。

關鍵提示詞規則(在這些規則出現時解釋它們,不要長篇大論):

  • 「iPhone 照片」+「寫實光線」= 看起來真實,不像 AI 生成

……

[內容因長度限制被截斷]

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

modbender/skill-library-mcp

Paid acquisition strategy, budget allocation, and avoiding common advertising mistakes across platforms

modbender/skill-library-mcp

Complete investment portfolio risk management system. Analyze positions, calculate risk metrics, stress test scenarios, optimize allocations, and generate institutional-grade risk reports — all wit...

modbender/skill-library-mcp

Borrow from Aave via credit delegation. Agent self-funds by borrowing against delegator collateral. Supports borrow, repay, health checks. Works on Aave V2/V3.

modbender/skill-library-mcp

Discover and register autonomous AI agents. Use when: browsing the agent registry, submitting an agent for verification, or embedding agent badges. NOT for: general web search or agent capability analysis.

modbender/skill-library-mcp

Create AI avatar and talking head videos with OmniHuman, Fabric, PixVerse via inference.sh CLI. Models: OmniHuman 1.5, OmniHuman 1.0, Fabric 1.0, PixVerse Lipsync. Capabilities: audio-driven avatars, lipsync videos, talking head generation, virtual presenters. Use for: AI presenters, explainer videos, virtual influencers, dubbing, marketing videos. Triggers: ai avatar, talking head, lipsync, avatar video, virtual presenter, ai spokesperson, audio driven video, heygen alternative, synthesia alternative, talking avatar, lip sync, video avatar, ai presenter, digital human

modbender/skill-library-mcp

AI代码编辑器规则模板集合 - 为Cursor、Windsurf、Claude Code、Cline等AI编辑器提供项目规则配置。适用于需要配置AI编码助手规则的开发者,包含全栈Web、移动端、Vue3+SpringBoot等技术栈模板。

modbender/skill-library-mcp

Generate landing page code from product descriptions

modbender/skill-library-mcp

Create AI marketing videos for ads, promos, product launches, and brand content. Models: Veo, Seedance, Wan, FLUX for visuals, Kokoro for voiceover. Types: product demos, testimonials, explainers, social ads, brand videos. Use for: Facebook ads, YouTube ads, product launches, brand awareness. Triggers: marketing video, ad video, promo video, commercial, brand video, product video, explainer video, ad creative, video ad, facebook ad video, youtube ad, instagram ad, tiktok ad, promotional video, launch video

modbender/skill-library-mcp

Generate AI music videos end-to-end. Creates music with Suno (sunoapi.org), generates visuals with OpenAI/Seedream/Google/Seedance, and assembles into music video with ffmpeg. Supports timestamped lyrics (auto SRT), Suno native music video generation, slideshow/video/hybrid modes. Token-based cost tracking per generation.

modbender/skill-library-mcp

Generate AI-powered notes from videos (document, outline, or graphic-text formats)

modbender/skill-library-mcp

The video AI notes tool is provided by Baidu. Based on the video download address provided by the user, it downloads and parses the video, and finally generates AI notes corresponding to the video (a total of three types of notes can be generated: document notes, outline notes, and image-text notes).

modbender/skill-library-mcp

Automated appointment management for beauty salons, clinics, studios, and photo booths. Handles booking requests, calendar sync, conflict detection, reminders, no-show tracking, and waitlist management.

modbender/skill-library-mcp

Bird identification, life list tracking, and trading card generation. Use this skill when the user: sends a bird photo to identify, says "set up my Birdfolio" or "set my region", asks "how's my checklist", asks "Birdfolio progress", asks "how many birds have I found", asks "show my Birdfolio" or "show my life list", asks "what's my rarest bird", or asks "tell me about [bird species]". Handles everything from first-time setup through ongoing life list tracking and visual trading card generation.

modbender/skill-library-mcp

Multi-project task and research management (JSON-first CLI)

modbender/skill-library-mcp

Track stock and crypto portfolios with CLI - real-time prices, P&L, dividend tracking, multiple portfolios

modbender/skill-library-mcp

Track cryptocurrency portfolios with real-time prices, P&L calculations, and allocation analysis. Query Bitcoin, Ethereum, Solana and 10,000+ token holdings.

modbender/skill-library-mcp

加密貨幣Portfolio追蹤 - 支援TRON/ETH/BSC,分析持倉、收益、Gas費用

modbender/skill-library-mcp

Lead strategy with competitive analysis, strategic planning, growth roadmaps, and business portfolio management.

modbender/skill-library-mcp

Create ATS-optimized resumes and CVs with proper structure, metrics, and industry targeting.

modbender/skill-library-mcp

Native video analysis using Google Gemini API. Upload and analyze video files — describe scenes, extract text/UI, answer questions about content, transcribe speech, identify objects and actions. Use when: (1) User sends a video file and wants it analyzed, (2) Video summarization or description needed, (3) Extracting text, UI elements, or information from screen recordings, (4) Answering questions about video content, (5) Comparing multiple videos, (6) Analyzing tutorials, demos, or walkthroughs.

相關技能