营销工程师是新一代的 10 倍效率员工，而大多数公司目前还没有这样的人才。
如果你正在经营一家初创公司、一门生意或一个副业，那么自己成为这样的人，或者招到这样的人，就是你现在能撬动的最大杠杆。这是自 Google 推出 AdWords 以来，做营销最让人兴奋的时代。甚至可能是有史以来最让人兴奋的时代。
过去 20 年里，想出一个营销点子很容易，但把它落地却很难。销售知道单子为什么能成，客服知道客户为什么流失。但每一个想法都要熬过需求文档、设计师、开发、数据分析师和两场会议，最后大多死在了 Slack 群聊里。
现在，这个瓶颈被彻底打破了！
今天，一个 Agent 用十分钟就能读完上周所有的销售通话记录；另一个能把客户的原话直接变成落地页；还有一个会在你睡觉时上线三十条广告，并自动关掉效果差的那些；到了周一，还会有一个 Agent 告诉你，到底是哪个营销活动带来了真正掏钱的客户。而且现在的模型已经足够强大——只要你的想法够好，产出就不会差。
营销工程师的工作，就是把这些 Agent 串联成一台机器。他们一半是营销人，一半是搭建者。而最顶尖的那批人往往不是营销出身：创始人、工程师、运营人员、独立开发者……
所以，泡杯咖啡或倒杯茶吧，下面是完整的实操指南（阅读时间约 15-20 分钟）：
我们是怎么走到今天的
在《广告狂人》那个年代（20 世纪 50 年代到 90 年代），营销意味着报纸、电视、广播和户外广告牌。这份工作的核心是大创意和大预算。一场营销活动要花几百万，制作周期长达数月，运气好的话，一个季度后你才能知道它到底有没有效。一个优秀的营销人一年也碰不到几次真正出手的机会，所以整个行业靠的是品味、说服力和直觉。
后来，Google 在 2000 年推出了 AdWords，Facebook 在 2007 年上线了广告系统，突然之间，每一次点击都可以被计算了。数字营销人就此诞生。工作变成了管理各种渠道：SEO、付费搜索、邮件营销和展示广告。营销人整天泡在数据看板里，谁把平台规则吃得最透，谁就是最厉害的人。那时候，你一个月大概能做几个实验。
到了 2010 年代，增长黑客出现了，这段历史我至今难忘。Sean Ellis 在 2010 年提出了这个词，那十年里最牛的玩法后来都成了圈内传说。Hotmail 在每封邮件底部加上一句“P.S. I love you. Get your free email at Hotmail”；Dropbox 让你每邀请一个朋友，双方都能获得免费存储空间；Airbnb 允许房东把房源一键同步发布到 Craigslist。增长黑客把营销当成产品来做，研究漏斗、闭环和 A/B 测试。但问题是，每个好点子都需要工程师配合，而工程师的时间全排给了产品路线图。于是增长黑客一半的生命都耗在写工单和排队上。一周能跑通几个实验，就算是非常顺利的一周了。
2022 年底 ChatGPT 出现后，我们进入了 AI 辅助营销时代。文案出得更快了，图片生成得更快了，但其他一切照旧。同样的组织架构，同样的会议，同样的六周周期，只是初稿质量变好了。这有点像 AI 副驾驶时代。而现在，大多数营销团队还停留在这个阶段。
当“有想法的人”和“能把想法做出来的人”合二为一时，营销工程师就诞生了。一个营销人可以自己去调研客户、搭建页面、生成素材、打通数据，然后上线测试。工作的基本单位从“一场营销活动”变成了“一套能持续产出活动的系统”，一个人一天跑几十个实验也变得完全现实。
把视角拉远一点看，整部营销史其实只有一个趋势：实验成本不断崩塌。谁能跑出最多的高质量实验，谁就学得最快；谁学得最快，谁就能赢。
为什么这件事如此重要
每家公司手里都攥着一堆很少用到的金子（我知道这听起来难以置信，但确实如此）。
销售每周都在听同样的五个拒绝理由。客服最清楚哪些承诺会导致退款。创始人脑子里和几段播客剪辑里，藏着对整个行业的犀利判断。数据分析知道哪些页面带来的客户留存率最高。但这些信息散落在不同的工具里，由不同的人负责，可能一个季度才会被用到一次营销活动中。
与此同时，那些本可以把这些洞察用起来的小点子，总是输给所谓的“大型上新”。比如针对某个细分市场的定价计算器；用昨天的销售通话记录提炼出的营销活动；在客户期待的功能终于上线那天，给四十个老客户发一封跟进邮件。过去，每一个小点子都需要设计师、开发、分析师和两场会议，结果它们只能在待办列表里无限期吃灰。
而一个营销工程师，一下午就能把这些全搞定。精准营销的成本降下来了，而当“精准”变得便宜时，最懂客户的公司就会开始赢。靠卖工时赚钱的广告代理公司会最先感受到冲击；庞大的营销团队会越来越像臃肿的委员会；而创始人和单兵作战的营销人，突然能产出一整个部门的成果。
补充一句：我的合伙人刚刚上线了 Boring Funnels，核心理念是——最大的机会在于帮企业把他们对客户的了解，转化成清晰的产品主张、实用的落地页以及能带来成交的后续跟进。营销工程师可以一个人把整套东西搭起来，观察用户在哪一步流失，并在更多客户涌入的过程中持续优化。
下面就是具体的搭建方法。
第一步：布置你的工作台
一切都从一个 Agent 工作区开始。常见的有 Claude Code、Codex 和 Cursor。理解这些工具最简单的方式，是把它们当成一个住在电脑某个文件夹里的超快实习生。它能读取该文件夹里的所有文件、创建新文件、运行代码，还能使用你接入的任何工具。
魔法就藏在最后这一点里。工具是通过一个叫 MCP 的东西接入的，你可以把它理解为 AI 的万能插头。HubSpot、Stripe、Notion、Slack 等几百款工具都有 MCP 服务器，因此你的 Agent 可以像你一样去读 CRM 数据，或者拉取上周的营收。如果某个工具只有 API，Agent 通常也能自己写代码去调用它。
你还会希望 Agent 在你睡觉时按计划自动运行。一年前，这意味着要在 Zapier 或 n8n 这类工作流工具里东拼西凑。现在，你直接让编程 Agent 帮你写就行。告诉它“每周一早上 7 点执行这个任务，把报告发到 Slack，等我点赞之后再正式发送”，它就会写好定时任务、带审批按钮的 Slack 消息，以及只有你点击后才执行的代码。或者，你也可以用 Hermes、OpenClaw 这类常驻后台的 Agent。无论哪种方式，代码都在你自己的文件夹里，你随时可以用一句话修改任何部分。
第二步：打造大脑
这是我反复看到的一个错误：有人一激动，一口气拉起十个 Agent，结果得到一堆毫无营养的通用废话，然后得出结论说 AI 营销被吹过头了。
Agent 没问题，问题是你给的上下文太单薄了。
这就好比你招了一个天才营销人，却不给他做入职培训。他确实能写出关于你们行业的聪明内容，但听起来跟竞争对手一模一样。所以在搭建任何 Agent 之前，先造好“大脑”：建一个文件夹，用你给第一天上班的聪明新人讲解业务的方式，把你的生意讲清楚。
我会用这样的结构：
其中六个文件承担了大部分工作。
1/ START-HERE.md 是每个 Agent 必读的第一页。里面写清楚公司是做什么的、服务谁、本季度的重点是什么，以及其他所有文件存放在哪。
2/ company/customer-fit.md 描述谁会买、谁会留下来、你能在谁身上赚到钱。一定要具体到令人发指。“年营收 100 万到 1000 万美元的 Shopify 店铺，创始人还在亲自管账，而且以前被代账会计坑过”——这种描述能让 Agent 有事可做。只写一句“中小企业”，它就无从下手。
3/ company/offers.md 列出你卖什么、价格多少、你可以对外承诺什么，以及哪些话必须经过审批才能说出口。
4/ brand/voice.md 是大多数人偷懒的地方。“友好但专业”对 Agent 来说毫无意义。贴三封你特别喜欢的邮件或广告，并用一句话说明它们为什么有效；再贴两个被你毙掉的方案，附上原因。“这条被砍掉了，因为它承诺 30 天见效，而我们没法保证。”比起形容词，Agent 从案例中能学到的东西多得多。
5/ brand/founder-opinions.md 是你的不公平优势。所有竞争对手用的都是同一批模型，但只有你拥有创始人对这个行业、客户和竞争格局的看法。花两个小时采访你的创始人（或者你自己），把所有犀利的观点记下来。“我们这行的大多数代理商在入驻环节收费过高。”“我们最好的客户来自会计师推荐。”正是这些观点，让产出听起来像“你”。
6/ decisions/failed-campaigns.md 存放那些用真金白银换来的教训。“免费审计吸引来的公司太小，根本付不起我们的费用。”“LinkedIn 带来了大量线索，但成交极少。”这样一句话，就能让 Agent 避免重蹈一个两万美元的覆辙。
保持“大脑”健康有一条铁律：Agent 可以把猜测放进 evidence/，但只有人类才能把内容移进 company/。否则，某个 Agent 的灵光一闪，就会悄悄变成公司制度。
第三步：接通你的数据
接下来，给大脑装上眼睛。把客户真相所在的地方接进来：Gong 或 Fathom 里的通话录音，Intercom 或 Zendesk 里的客服工单，HubSpot 或 Salesforce 里的商机，PostHog 或 Google Analytics 里的行为数据，以及 Stripe 里的营收。
一开始，所有权限都设为只读。一个只能读 CRM 的 Agent 在第一天就有用；而一个能改 CRM 的 Agent，需要靠时间慢慢赢得信任。
然后去做那件几乎所有公司都会跳过的无聊事：给每个营销活动分配一个 ID，并让它贯穿始终。把它放进每个链接的 UTM 参数里、每条广告的命名里、每个邮件序列的名称里，以及 CRM 中每个商机的字段里。接着维护一张简单的表，初期用 Supabase 甚至电子表格都行，一行代表一个活动：ID、花费、线索量、合格通话数、商机数、营收和流失。
这听起来一点也不酷，但它是整套体系里最有价值的东西。大多数公司能告诉你每个活动带来了多少点击、每个客户贡献了多少营收，但极少有人能把这两者连起来。一旦你把这几张表关联上，你的 Agent 就能回答那个真正重要的问题：到底是哪个营销活动带来了既付钱又留存的客户？
第四步：搭建你的第一个 Agent
先搭一个 Agent，把它打磨到极致，再去搭第二个。第一天就让六个 Agent 互相聊天，结果就是你整个周末都在调试一个群聊机器人。
你的第一个 Agent 应该是客户语言 Agent，因为其他所有 Agent 都要靠它的发现来喂养。它的任务是阅读客户的真实表达，提取出他们用来描述问题的原话。
把你最近 20 到 50 份销售通话记录导出到 evidence/calls/，然后给它这样的指令：
阅读 evidence/calls/ 中的每一份通话记录。
然后把生成的报告和你自己对那些通话的记忆放在一起对比。第一版大概能有 70% 的准确率。它可能会过度放大某个话多的客户，或者用营销黑话来给客户分组。每次你发现问题，就去修改指令，并把修正后的版本存进 decisions/，让它固定下来。迭代三四轮之后，它读通话记录的能力就会超过你团队里的大多数人。
举个例子，看看它能挖出什么。假设你向水管工和暖通空调公司销售排班软件。Agent 发现老板们总在说类似“我受够了吃晚饭时还要接电话”这样的话。这一句话，就是你的广告、你的标题和你的开场白。它每次都能打败“自动化排班”这种说法，因为人们买单的是场景，而不是功能。
等它稳定可靠后，就把它设成定时任务。每周一，它会读取上周的通话记录和工单，把一份新鲜出炉的报告丢进 evidence/customer-language/。从此，你的整个营销体系都建立在客户上周说了什么之上，而不是某人去年猜了什么。
第五步：加入另外五个 Agent
第一个 Agent 跑稳之后，再逐个加入其他的。每个 Agent 在 workflows/ 下都有自己的文件夹、自己的指令和自己的执行计划。
购买触发 Agent 专门盯那些能在一夜之间催生需求的时刻。某家公司开了第二家门店；某个品牌开始做批发；一家初创公司刚融完资，挂了五个销售岗位；你集成的某个工具发布了新功能。搭建它最简单的办法是用 Clay。先拉出一份符合 customer-fit.md 的客户名单，然后加上几列来检查各种触发条件，比如新发布的招聘信息、融资新闻、新开门店或网站上的新页面。联系人数据可以用 Apollo 来找。
对于每一个触发了新条件的客户，Agent 会先查 CRM，跳过团队已经在跟进的对象，然后补全一句话：“这个事件引发了这个问题，而我们的产品是这样解决它的。”如果这句话写得含糊不清，这个客户就先放一放；如果写得一针见血，Agent 就会起草一封以该事件开头的简短邮件，存为草稿等你审核。正是这一句话的过滤机制，让你的触达看起来像是时机刚好，而不是垃圾骚扰。
搜索 Agent 负责找出人们在购买前一刻会问的问题，并为每个问题打造全网最好用的页面。喂给它三个数据源：你的 Search Console 数据、销售通话中出现的问题，以及当你向 ChatGPT、Claude 和 Perplexity 询问你们行业时它们的回答。最后这个是全新的玩法，而且被严重低估了。每周去问问这些 AI 引擎买家会问的问题，记录下它们推荐了哪些公司和信息源。这能让你看清模型信任谁，以及你在哪里是完全隐形的。
然后去搭建比市面上任何东西都更有用的页面，因为 AI 搜索奖励的是最有用的页面，而不是 SEO 做得最狠的页面。一家商用厨房设备供应商如果做了一份“如何开第一家餐厅”的指南，里面带有一个能根据场地和预算计算适用设备的计算器，它就能获得排名、被 AI 引擎引用，并被买家收藏，等他们准备好了自然会回来。你的 Agent 用一个下午就能写好这个计算器，并发布到 Next.js 和 Vercel 上；如果图快，也可以直接用 Framer。
素材 Agent 负责制作和测试广告。把最新的客户语言报告、offers.md 里获批的宣传口径、真实的产品视频和截图，以及一个装满你喜欢的广告的文件夹交给它。让它提供不同的购买理由，而不是同一个标题的五十个变体：一条广告演示完整的使用案例，一条讲客户故事，一条做原生态的产品演示。有了 Nano Banana 这样的图像模型和 Veo 这样的视频模型，制作成本几乎为零。
给每条广告命名时，要体现出它在测什么，比如 BK014_dinner-angle_ugc_v2，这样活动 ID、创意点和格式就全在名字里了。一个月后，“晚餐角度打败了价格角度”是一条处处可用的经验；而“video_final_7 赢了”只是一句没用的废话。
Agent 会通过 Meta Ads API 以上线暂停的状态上传广告，由人来按下启动键。然后一个小脚本每天早上检查结果，在花费达到设定金额后，自动暂停 CTR 低于 1% 的广告。上线前先定好你的验证标准：花多少钱、跑多少天、什么算赢。跳过这一步，200 条广告只会给你带来 200 个没有结论的实验。
战败商机 Agent 是能养活其他所有 Agent 的那个。从 CRM 里拉出所有输掉的商机，连同备注和通话记录一起。“不感兴趣”是对真实对话的敷衍总结，所以让 Agent 重新读一遍，记下真正的失败原因和重启条件。“选了竞品，合同三月到期。”“需要 SSO 单点登录。”“内部支持者离职了。”
然后它会盯着这些条件。当你的更新日志显示 SSO 上线的那天，每一个曾提出这个需求的潜在客户都会收到一封引用了他们当初通话原话的个性化草稿。续约日临近时，你准时出现。当那位支持者跳槽到新公司时，你去道贺并重新介绍自己。只要尊重退订和联系偏好，你会发现大多数公司的 CRM 里都躺着一堆未完成的营收。
效果 Agent 每周一读取你的活动数据表，像一位敏锐的分析师那样给你写一份简短的备忘录。“盈利诊断页面的转化率是 4%，但其中一半线索体量太小，我们服务不了。‘晚餐’那条广告的单个合格通话成本最低。再营销已经花了 3,000 美元，只带来了两次销售沟通。”每一句话最后都要落到你需要做的决定上：保留、砍掉、调整还是继续测试。
把它一路打通到留存、退款和利润。一个能带来廉价客户、但这些客户六十天后就流失的活动，在看板上漂亮得很，却在悄悄让你亏钱。而这个 Agent 就是来抓出这些漏洞的。
第六步：把护栏建在工具里
最容易翻车的做法，就是相信提示词里的一句话。“发送前务必问我”对模型来说只是个礼貌的建议。真正的护栏要建在工具里。
给每个 Agent 最小限度的必要权限。触达 Agent 对邮件只有草稿权限；广告 Agent 创建的广告默认处于暂停状态，预算控制权留在你手里。审批步骤直接写在代码里，比如一条带审批按钮的 Slack 消息，动作必须等它通过才执行。对于花费上限、排除名单和去重这类精确规则，用普通代码写死；把模型留给需要判断力的地方，比如某个客户是否匹配、某条消息听起来像不像你。
然后给每个 Agent 写一份简短的契约，就像一份带护栏的岗位说明书。下面是购买触发 Agent 的例子：
“完成”意味着它在权限范围内检查了所有数据源，并告诉你哪里出了问题。一个会说“这个数据源今天挂了”的 Agent，抵得上十个悄悄跳过错误的 Agent。
第七步：从头到尾跑通一场营销活动
当这一切协同运转时是什么样？想象一家想多接电商客户的代账公司。
周一，客户语言报告显示，店主们总在重复同一句话：“扣掉退货、运费和手续费，我根本不知道自己到底赚没赚钱。”上个月有十一个不同的客户说过这句话。你拿着它去找交付服务的同事，问公司是不是真能解决这个问题。对方说能，而且这是他们给每个新客户做的第一件事。于是你在 offers.md 里批准了一项主张：为年营收 100 万到 1000 万美元的店铺提供免费盈利诊断。
这场活动拿到了一个 ID：BK014。从这里开始，所有东西都带着它。
周二，素材 Agent 用客户的原话做出了三个角度：你的利润消失在哪里、一份月度报告样例、一个真实客户的小故事。搜索 Agent 搭了一个页面，里面有个简单的利润计算器，用的是公司核对过的数据。战败商机 Agent 找出了 60 个曾说过“也许年底后再说”的老线索，给每个人写了一封个性化邮件。购买触发 Agent 标记了刚在亚马逊开店的商家，因为多渠道销售会让账目更乱。
周三，你一次性审核所有内容。砍掉了一条承诺了公司无法保证的省钱效果的广告，批准其余的，上线了一个 2,000 美元的测试。
两周后，效果 Agent 把花费与预约的诊断关联起来，再把诊断与签约客户关联起来。计算器页面的转化率最高。亚马逊触发名单约到的通话最多。它还会提醒你，样本量依然偏小。
你会发现，客户的原话撑过了每一个环节。通常情况下，一个犀利的洞察要经过调研摘要、需求简报和五轮修改，最后出来的东西跟网上其他代账广告毫无区别。而在这里，这些原话跟着活动文件夹走，每个 Agent 都能看到它们。
第八步：跑起每周循环
一旦这台机器搭好，你的工作就更像编辑，而不是创作。
周一，你读效果备忘录，做出保留、砍掉和调整的决定。周二和周三，你搭建新东西、修复上周产出拉胯的工作流，并上线新测试。周四，你跟销售和支持团队开会，因为下周最好的点子就藏在那里。周五，你审核 Agent 的产出，并更新文件。
整套体系的心脏是一个审核队列。里面的每一项都应该能在不到一分钟内做出决定。“批准这个修改后的主张。它会改动这两条广告和这封邮件。”展示改动内容、影响范围以及背后的依据。
而且，只有当你改变输入时，系统才会变得更聪明。每次你否决了什么，写下原因，并放到下一次运行能看到的地方。因为广告引来了体量太小的商家而否决了它？那就更新 customer-fit.md。潜在客户误解了某个主张？加一条检查规则。维护一份实验日志，记录你测了什么、为什么测、结果如何、下一步做什么。为每个 Agent 保留十个示例输入和你期望的输出，每次修改指令后都重新跑一遍，这样你立刻就能知道情况是不是变糟了。
如果你发现自己整天都在修补 Agent 的产出，那问题出在上游。几乎总是“大脑”或“契约”出了毛病。
创意引擎
有一点大多数人还没跟上：创意就是新的定向。
Meta 重构了决定展示哪条广告的底层逻辑。它的新系统叫 Andromeda，已于 2025 年底在全球上线，它会直接读取广告本身来判断该给谁看。你的图片、钩子和脚本，现在干的就是过去兴趣定向干的活。这对偷懒的广告主来说是个残酷的副作用。Andromeda 会把长得像的广告归为一组，当成同一条处理，所以同一个标题的五十个变体，覆盖人数大概只相当于一条广告。而且，胜出的广告现在两三周就会跑疲，而不是过去的六周。
所以，现在的工作是源源不断地输出真正不同的创意。直到不久前，这还需要一个制作团队。而现在，你需要的是一个创意引擎。下面是我的搭建思路。
从文字开始。 把 voice.md 和最新的客户语言报告喂给 Claude 或 GPT 这样的前沿模型，让它为 8 到 12 个截然不同的概念写脚本：一个痛点、一个完整案例、一个客户故事、一段创始人的吐槽、一次对比、一个你要打破的迷思。给每个概念配两三个钩子。策略全在这一步里，所以把时间花在这里。
一个非常管用的捷径：从已经跑通的漏斗出发。
我的合伙人还没怎么公开提过，但 @BoringMarketer 刚上线了 Boring Funnels，每周拆解一个真实在线的漏斗，从广告一直拆到最后一封邮件，并把每一步转成可以直接丢给编程 Agent 的提示词。这比面对一张白纸起步要好得多。
然后做图片。 Nano Banana、GPT Image 和 Midjourney 现在生成的产品图、生活场景和静态广告，在手机屏幕上已经完全站得住脚了。诀窍是喂给它们你真实的产品照片，保证产品不走样，然后让模型去改变周围的一切。
接着做视频。 Veo、Kling 和 fal 能把脚本或静态图变成短视频。如果是口播类广告，Arcads、HeyGen 和 Creatify 可以生成 AI 演员，用几十种语言念你的脚本。配音交给 ElevenLabs，剪辑用 CapCut 或 Captions。
用 AI 演员做测试，花钱请真人拿结果。 这是 AI UGC 的核心秘诀。AI 演员让你用拍一条真人视频的钱，在一天内测试二十个脚本。一旦你知道哪个脚本管用，找个真人来说通常会表现得更好、更能建立信任，也能让你在要求标注 AI 内容的平台上不踩红线。
让 Agent 去跑这个循环。 每个创意上线时都是暂停状态，由人来点击启动；脚本会在消耗达到设定金额后自动暂停表现差的素材；每周一，负责看数据的 Agent 会告诉你哪些创意赢了、接下来该测哪些 hook。你的工作变成了挑选点子和把关审美，而机器负责搞定产量。
现在在付费社交广告上赢麻了的那些营销工程师，每个月能上线几十个真正差异化的创意，而且他们根本没有制作团队。
社交引擎
付费流量抢走了所有风头，但自然流量才是营销工程师悄悄建立不公平优势的地方。它是免费的分发渠道，也是有史以来最便宜的创意测试实验室。
把自然流量当成你的试菜厨房。 先把 10 个 hook 做成 TikTok、Reels 或 X 上的自然内容发出去，看看算法会捧起哪几个，然后再给赢家砸钱。你一分钱不花就摸清了什么有效，广告预算只投给那些已经证明过自己的点子。
万物皆可切片。 一条长内容——比如一期播客、一场 webinar，或者创始人边走边吐槽的视频——可以剪成 20 条短视频。Opus Clip 这类工具能找出高光时刻并加上字幕，Agent 则负责把它们排期分发到各个平台。大多数头部播客就是这么涨起来的。
用不需要露脸也能放量的格式。 基于你的客户语言报告，在 TikTok 和 Instagram 上做幻灯片和轮播图，它们既是最容易做的内容之一，也是收藏量最高的内容之一。Agent 写文案，模型出图，你周日统一过一遍就行。
开口之前先听。 让一个 Agent 盯着 Reddit、X、TikTok 评论区以及竞品的用户评价，每周向你汇报大家在抱怨什么、想要什么、对什么感到兴奋。然后让它为那些你的产品真能帮上忙的帖子起草回复，你再亲自发出去。尤其是在 Reddit 上，真人给出的有用回答胜过任何广告，而垃圾信息只会让你被封号。
让创始人干活。 当每个品牌都能批量生成内容时，信息流里最稀缺的东西就是一个有真实观点的真人。把 founder-opinions.md 变成一台内容引擎：Agent 每天根据你的观点起草一条帖子，你把它改成自己的语气，然后发布。AI 让创始人变得更有价值，因为他们是唯一别人无法生成的东西。
两条规矩能让这一切保持干净：平台要求标注 AI 生成的人物和场景时就照做，并且发布按钮永远由人来按。
如何成为前 1% 的营销工程师
基础流程跑顺之后，好玩的部分才真正开始。
第一是打造决策工具。一家包装公司做了一个计算器，直接告诉你哪种尺寸的箱子能省多少运费。一家软件公司做了一个迁移检测工具，扫描你的环境后精确显示哪些东西能无缝迁过去。这些以前是耗时半年的工程项目，所以很少人做。现在营销工程师一周就能上线一个粗糙版本，买家会把它加入书签，等准备下单时再回来。
第二是向影响购买决策的人做营销。那个向 40 个客户推荐软件的会计；那家替客户挑工具的代理商；那个总被问“这东西安全吗”的 IT 人员。专门为他们做一波 campaign，提供他们点头所需的全部材料。
第三是在 onboarding 环节修复获客问题。有时候广告跑得挺好，但新客户还是流失了，因为第一周的使用体验太让人摸不着头脑。一个能读取 onboarding 工单、找出用户卡在哪里的 Agent，对增长的贡献可能比你的下一组广告还大。
第四是给每个渠道分配专属任务。搜索用来回答问题，社媒用来开启对话，邮件用来在特定时刻出现。如果每个渠道都在重复同一句话，你就是在为同一次曝光付五次钱。
技术栈
以下是按用途整理的完整工具箱。工具每隔几个月就会换一茬，所以你要学的是类别，名字随时替换就好。
- Agent 工作台： Claude Code、Codex、Cursor、Google AI Studio
- 常驻 Agent： Hermes、GrokBot、Codex
- 写作与策略： Claude、ChatGPT、Gemini
- 图片： Nano Banana、GPT Image、Midjourney
- 视频： Veo、Sora、Kling、Runway、Fal
- AI 演员与 UGC： Arcads、HeyGen、Creatify
- 语音： ElevenLabs
- 漏斗：BoringFunnels.com
- 剪辑与切片： CapCut、Captions、Opus Clip
- 客户原声： Gong、Fathom、Intercom、Zendesk、G2
- CRM： HubSpot、Salesforce
- 信号与数据补全： Clay、Apollo
- 搜索与 AI 可见性： Ahrefs、Semrush、Google Search Console
- 广告： Meta Ads API、Google Ads API
- 邮件与主动触达： Customer.io、Resend、Instantly
- 建站： Vercel 上的 Next.js、Framer、Webflow
- 数据衡量： PostHog、Stripe、Supabase
你需要学什么
这份工作一半是营销人，一半是构建者，两边你都得会。
营销人那一半，是优秀营销人一直都知道的东西。怎么做客户访谈并捕捉到那句关键的话；怎么定位产品，让对的人觉得它就是为自己做的；怎么打造一个真正让人想买的 offer，而不是披着外衣的打折促销；怎么写一个能让人停止划屏的标题；每个渠道是怎么决定谁能看到什么的；以及懂一点统计学，知道什么时候结果是真实的，什么时候只是运气。
构建者那一半比较新，而且比大家想象的容易学得多。你需要写出 Agent 真正能用得上的上下文，这是整份清单里最被低估的技能。你需要读得懂代码，足以判断它有没有实现你的要求——因为代码是 Agent 写的，但责任是你的。你需要理解 API 和 MCP 是怎么把工具连起来的，会写基础 SQL 拉自己的数据，能上线一个页面，会用 git，会写测试用例，还要大概知道每次跑 Agent 要花多少钱。
学构建者那一半最快的方法，就是这周末用 AI 编程工具上线一个丑丑的落地页。一个真正部署出去的页面，教你的东西比十门课都多。
下一步怎么走
如果我必须这周就开始，我会这么做。如果你是营销人，搭一个客户语言 Agent，拿你最近 20 通销售电话跑一遍。如果你是工程师，旁听五场销售电话，然后为某一个客户群体做一个计算器。如果你是创始人，这周末空出两小时写下 founder-opinions.md，因为你之后搭的每一个 Agent 都会因此更锋利。
在每个工作流赢得你的信任之前，发布、外联和花钱投放都要卡在人工审批这一步。先让一个工作流稳定下来，再加下一个。一个逻辑混乱的工作流每天早上跑一遍，只会给你稳定供应混乱。
在营销史上的大部分时间里，赢家都是预算最多、人手最多的那一方。但我认为，下一个十年属于最懂客户、并且能最快行动的人。我猜到了 2028 年，最强的营销团队会是一两个带着几十个 Agent 跑的营销工程师，他们的产出会超过规模十倍于他们的部门。
这些人中的大多数，现在就坐在增长、内容和运营岗位上。他们离成为营销工程师，只差一个周末的动手搭建。
如果你想更深入地了解，我在 @startupideaspod 播客上做过一期关于营销工程师的完整节目：https://youtube.com/watch?v=8ZC1G1ezN5o
如果有我能帮上忙的地方，随时私信我。没法回复所有人，但我会回一部分！
我为你加油。
Greg Isenberg
顺便说一句，我们可以这样合作：
- 找 LCA。 我们是 AI 领域领先的产品设计公司。如果你希望你的 AI 产品看起来、用起来都是世界级的，联系我们。策略、设计、产品、工程，全包。
- 用 Ideabrowser.com。 找到你的下一个创业点子，背后有真实数据支撑。超过 20 万创始人在用。
- 试试 Boring Funnels。 我的合伙人刚推出了 Boring Funnels。每周它会拆解一个真正跑通的漏斗，并把它转化成给你的编程 Agent 用的 prompt。
- @startupideaspod - 在 Spotify、Apple、YouTube 上收听，获取创业点子、增长策略和实用的 AI 教程。
