营销工程师是新一代的 10 倍效能员工，而大多数公司还没有这样的人。

如果你正在经营一家初创公司、一门生意或一份副业，那么成为这样的人或招到这样的人，就是你当下最大的杠杆。这是自 Google 推出 AdWords 以来营销领域最激动人心的时刻。也许是有史以来最激动人心的。

20 年来，营销创意很容易，落地执行却很难。销售知道交易为什么成交。客服知道客户为什么流失。但每一个创意都必须闯过简报、设计师、开发者、分析师和两场会议这几道关，大多数都死在了 Slack 的讨论串里。

这个瓶颈刚刚被打破了！

如今，一个智能体十分钟就能读完上周的销售通话记录。另一个智能体能将客户的反馈变成落地页。还有一个智能体能在你睡觉时上线三十条广告，并砍掉那些表现差的。再有一个智能体会在周一告诉你，哪个营销活动带来了真正付费的客户。而现在的模型已经足够强大——只要你的创意够好，产出也会够好。

营销工程师把这些智能体串联成一台机器。一半是营销人，一半是构建者。而最优秀的营销工程师往往来自营销之外：创始人、工程师、运营者、独立开发者。

那么，端起你的咖啡，泡上你的茶，因为下面是完整的实战手册（阅读时间 15-20 分钟）：

我们是如何走到这一步的

在《广告狂人》的时代，从20世纪50年代到90年代，营销意味着纸媒、电视、广播和广告牌。这份工作靠的是大创意和大预算。一场营销活动耗资数百万，制作周期长达数月，而结果要等到一个季度之后才能知道——如果你运气好的话。一个出色的营销人一年也就那么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。

然后2000年谷歌推出了AdWords，2007年Facebook推出了广告，突然间每一次点击都可以被计数。数字营销人就此诞生。这份工作变成了管理SEO、付费搜索、电子邮件和展示广告等渠道。营销人整天泡在仪表盘里，而最优秀的那批人就是最懂平台的人。你一个月能跑几个实验。

到了2010年代，增长黑客登场了，我永远不会忘记那段日子。Sean Ellis在2010年创造了这个词，那个十年里最妙的招数都成了江湖传说。Hotmail在每封邮件底部加上一句“P.S. 我爱你。来Hotmail免费注册邮箱”。Dropbox每邀请一个人，你和朋友都能获得免费存储空间。Airbnb让房东把房源同步发布到Craigslist上。增长黑客把营销当作产品来做，讲究漏斗、循环和A/B测试。问题在于，每一个好点子都需要一个工程师，而工程师归产品路线图管。增长黑客一半的时间都花在写工单和排队等待上。一周能跑几个实验，就已经算是很棒的一周了。

当ChatGPT在2022年底出现时，我们迎来了AI辅助营销人。文案出得更快了，图片出得更快了，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，只是初稿质量更好了。这有点像AI副驾驶时代。大多数营销团队至今仍停留在这里。

营销工程师是这样一种存在：当拥有想法的人和能把它做出来的人变成同一个人时，就诞生了营销工程师。一个营销人独自完成调研客户、搭建页面、生成创意、接通数据并上线测试。工作单元从一场营销活动转变为一套持续产出营销活动的系统，一天做几十个实验对一个人来说也变得现实可行。

把视野拉远，整部营销史就是一条趋势线。实验的成本在不断坍塌。谁跑出最多好实验，谁就学得最快；谁学得最快，谁就赢。

为什么这件事如此重要

每家公司都坐在一堆金子上，却很少动用它（我知道这很难相信，但这是真的）。

销售每周都听到同样的五个异议。客服清楚地知道哪些承诺最终会导致退款。创始人对这个品类有着强烈的看法，这些看法只存在于他们脑子里和几段播客片段里。数据分析知道哪些页面带来的客户会留下来。所有这些散落在不同的工具里，归不同的人所有，而它们大概每季度才会汇入一场营销活动。

与此同时，那些本可以把这些知识用起来的小点子，却总是输给大张旗鼓的发布。为一个细分市场做的定价计算器。用昨天的销售电话内容搭出来的一场营销活动。在客户想要的功能终于上线那天，给四十位老潜在客户发去的一条消息。每一个都需要一个设计师、一个开发者、一个分析师和两场会议，于是每一个都永远躺在待办清单里。

一个营销工程师能在一下午做完上面每一件事。具体的营销变便宜了，而当具体变便宜时，最懂自己客户的公司就开始赢。按小时收费的代理机构会最先感受到这一点。庞大的营销团队会开始变得像委员会。创始人和单打独斗的营销人会突然拥有整个部门的产出。

注意：我的合伙人刚刚上线了 Boring Funnels，其理念是：最大的机会在于帮助企业把他们所了解的客户信息转化为清晰的报价、有用的落地页和能带来销售的后续跟进。一名营销工程师可以搭建整套系统，观察用户在哪些环节流失，并随着更多客户的到来持续改进它。

以下就是具体的搭建方法。

第 1 步：布置好你的工作台

一切都始于一个智能体工作区。Claude Code、Codex 和 Cursor 是常见的几种。理解这些工具最简单的方式，就是把它们看作一名速度极快的初级员工，住在你电脑上的某个文件夹里。它可以读取该文件夹中的每一个文件、写入新文件、运行代码，并使用你连接到它的任何工具。

最后这一点才是神奇之处。工具通过一种叫做 MCP 的东西连接，它基本上就是 AI 的通用插头。HubSpot、Stripe、Notion、Slack 以及数百种其他工具都有 MCP 服务器，所以你的智能体可以像你一样读取你的 CRM 或拉取上周的收入数据。当某个工具只有 API 时，智能体通常可以自己写代码来调用它。

你还会希望你的智能体在你睡觉时按计划运行。一年前，这意味着要在 Zapier 或 n8n 这类工作流工具里把各种东西拼凑起来。今天，你只需让你的编程智能体把它搭建出来。说一句“每周一早上 7 点运行这个，把报告发到 Slack，并在发送任何内容之前等我点赞确认”，它就会写出定时任务、带批准按钮的 Slack 消息，以及只有在你点击之后才会执行的代码。或者使用像 Hermes 或 OpenClaw 这样已经在后台运行的常驻智能体。无论哪种方式，代码都是你的，就在你的文件夹里，你可以用一句话改动其中任何部分。

第 2 步：编写大脑

这是我一次又一次看到的错误。有人一兴奋，启动了十个智能体，拿回来一大堆泛泛的垃圾内容，然后断定 AI 营销被吹过头了。

智能体本身没问题，问题出在上下文太单薄。

这就像招了一位才华横溢的营销人员，却跳过了入职培训。他们会写出一些关于你所在行业的聪明内容，但听起来和你的竞争对手一模一样。所以，在你搭建哪怕一个智能体之前，先搭建大脑：一个文件夹，用你会向一位聪明的新员工在第一天解释的方式，把你的业务讲清楚。

我会用这样的结构：

六个文件承担了大部分重任。

1/ START-HERE.md 是每个智能体首先阅读的那一页。它说明公司做什么、服务谁、本季度的优先事项是什么，以及其他所有内容放在哪里。

2/ company/customer-fit.md 描述谁会购买、谁会留下，以及你能以盈利方式服务谁。要具体到令人痛苦。“年营收在 100 万到 1000 万美元之间的 Shopify 店铺，创始人仍在自己做账，而且以前被记账员坑过”能给智能体一些可用的东西。“中小企业”几乎给不了什么。

3/ company/offers.md 列出你卖什么、价格是多少、你被允许承诺什么，以及任何人在公开说出来之前需要获得批准的内容。

4/ brand/voice.md 是大多数人偷懒的地方。“友好但专业”对智能体毫无用处。粘贴三封你喜欢的邮件或广告，并为每一封附上一句话说明它为什么有效，再粘贴两封你否决的，并说明原因。“我们毙掉了这一条，因为它承诺 30 天内出结果，而我们无法保证这一点。”智能体从示例中学到的，远比从形容词中学到的多。

5/ brand/founder-opinions.md 是你的不公平优势。每个竞争对手都能用同样的模型。只有你拥有创始人对于品类、客户和竞争的看法。花两个小时采访你的创始人，或者你自己，把每一条强烈的观点都写下来。“我们这个领域的大多数机构在客户入驻环节收费过高。”“我们最好的客户来自会计师推荐。”正是这些观点，让你的产出听起来像你。

6/ decisions/failed-campaigns.md 装着那些花了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，但成交寥寥无几。”这样一句话，就能让智能体不再重蹈一笔 20,000 美元错误的覆辙。

有一条规则能让这个大脑保持健康：智能体可以把猜测写进 evidence/，但只有人类才能把内容移入 company/。否则，某个智能体的直觉就会悄无声息地变成公司政策。

第 3 步：接入你的数据

接下来，给这个大脑装上眼睛。接入那些存放客户真相的地方：Gong 或 Fathom 里的通话录音，Intercom 或 Zendesk 里的支持工单，HubSpot 或 Salesforce 里的交易，PostHog 或 Google Analytics 里的行为数据，以及 Stripe 里的收入。

一开始，所有地方都只给只读权限。一个能读取你 CRM 的智能体，第一天就有用。一个能编辑你 CRM 的智能体，是它慢慢挣来的。

然后做那件几乎每家公司都会跳过的无聊事。给每个营销活动一个 ID，并把它带到所有地方。把它放进每个链接的 UTM 标签里，放进每条广告的名称里，放进每个邮件序列的名称里，放进 CRM 中每笔交易的一个字段里。然后维护一张简单的表，放在 Supabase 里，甚至一开始用电子表格也行，每个营销活动一行：ID、花费、线索、合格通话、交易、收入和流失。

这听起来不怎么光鲜，却是整个体系里最有价值的一环。大多数公司能告诉你每场营销活动带来了多少点击、每个客户贡献了多少收入，但极少有人能把这两者连起来。一旦你把这两张表打通，你的智能体就能回答那个真正关键的问题：哪一波营销带来的客户既付了钱、又留了下来？

第 4 步：搭建你的第一个智能体

先搭一个智能体，把它打磨到出色，再去搭第二个。第一天就让六个智能体互相聊天，结果就是你整个周末都在调试一场群聊。

你的第一个智能体应该是客户语言智能体，因为其他一切都靠它发现的东西来喂养。它的职责是阅读客户真正说的话，并提取出他们描述自己问题时所用的原话。

把你最近 20 到 50 份销售通话记录导出到 evidence/calls/，然后给它这样一条指令：

阅读 evidence/calls/ 中的每一份通话记录。

然后，把报告和你自己对那些通话的记忆对照着读一遍。第一版大概会有七成是对的。它很可能会过度放大某个话多的客户，或者用营销腔给这些群体命名。每当你发现一处错误，就修正指令，并把修正记录存进 decisions/，这样它就能固定下来。经过三四轮之后，它读通话的能力就会超过你团队里的大多数人。

它发现的东西大概长这样。假设你向水管工和暖通空调公司销售排班软件。智能体注意到，老板们反复在说类似“我受够了吃饭时还得接电话”这样的话。这一句话就是你的广告、你的标题和你的销售开场白。它每次都胜过“自动化排班”，因为人们买的更多是那个情境，而不是那个功能。

一旦它稳定可靠了，就把它排进日程。每周一它读取上周的通话和工单，把一份新的报告放进 evidence/customer-language/。现在你的整个营销运作都基于客户上周说了什么，而不是某个人去年猜了什么。

第 5 步：添加其余五个智能体

第一个智能体稳定之后，再逐个添加其余的。每一个都在 workflows/ 下有自己的文件夹、自己的指令和自己的调度。

购买触发智能体负责捕捉那些能在一夜之间创造需求的时刻。一家公司开了第二家门店。一个品牌开始做批发。一家初创公司融了一轮资，然后发布了五个销售岗位。你集成的一个工具发布了新东西。搭建这个最简单的方式是在 Clay 里做。拉出一份符合 customer-fit.md 的客户名单，然后添加几列来检查每个触发信号，比如新的招聘岗位、融资新闻、新门店或他们网站上的新页面。Apollo 用来找联系人数据很方便。

对于每一个有新鲜触发信号的客户，智能体会检查 CRM，跳过你团队已经在接触的人，然后补完一句话：“这个事件造成了这个问题，而我们的产品以这种具体方式解决它。”如果这句话写出来含糊不清，这个客户就先搁置。如果这句话写出来犀利精准，智能体就起草一封简短的邮件，以该事件开头，并保存为草稿供你审阅。正是这一句话的筛选，让外联显得像是恰到好处，而不是垃圾邮件。

搜索智能体负责找出人们在购买前一刻会问的问题，并针对每一个问题打造互联网上最好的页面。给它喂三个来源：你的 Search Console 数据、销售电话中出现的问题，以及当你向 ChatGPT、Claude 和 Perplexity 询问你所在品类时它们给出的回答。最后这个来源很新，而且被严重低估了。每周向这些 AI 引擎提出你的买家会问的问题，并记录它们推荐了哪些公司和来源。它能让你看到这些模型信任什么，以及你在哪里是隐形的。

然后去构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，而不是优化得最好的页面。一家商用厨房设备供应商，如果做一份「开你的第一家餐厅」指南，再配上一个计算器，帮你算出哪些设备适合你的空间和预算，它就能获得排名、被 AI 引擎引用，还会被买家收藏——等他们准备好时再回来。你的 agent 一个下午就能写出那个计算器，并发布到 Next.js 和 Vercel 上，或者如果你想要速度，就发布到 Framer 上。

创意 agent 负责制作和测试广告。把最新的客户语言报告、offers.md 里已获批的宣传主张、真实的产品素材和截图，以及一个你喜欢的广告文件夹交给它。让它给出不同的购买理由，而不是同一个标题的五十个版本：一个广告走一遍实例演示，一个讲一个客户故事，一个做产品的原始演示。像 Nano Banana 这样的图像模型和像 Veo 这样的视频模型，让制作几乎免费。

给每个广告起一个能体现它在测试什么的名字，比如 BK014_dinner-angle_ugc_v2，这样 campaign ID、创意角度和形式就直接写在名字里。一个月后，「晚餐角度打败了价格角度」就是一条你到处都能用的经验。「video_final_7 赢了」只是无用的冷知识。

agent 通过 Meta Ads API 以暂停状态上传广告，由人来按下启动键。然后一个小脚本每天早上检查结果，在达到设定的花费后，暂停任何 CTR 低于 1% 的广告。在投放前就定好你的证据门槛：花多少钱、多少天、什么算赢。跳过这一步，200 个广告只会给你 200 个没有结论的实验。

已流失客户智能体为其他一切买单。把 CRM 里每一笔丢单连同备注和通话记录都拉出来。“不感兴趣”是对一场真实对话的偷懒总结，所以让智能体把每一条重新读一遍，记录下真正的原因，外加一个重新激活的条件。“选了竞争对手，合同三月续签。”“需要 SSO。”“关键推动者离职了。”

然后它盯着这些条件。你的更新日志说 SSO 上线的那天，每个当初要过它的潜在客户都会收到一份个性化草稿，引用他们当初那通电话的原话。续约日期临近时，你准时出现。关键推动者去了新公司，你恭喜他，并重新介绍自己。尊重退订和联系偏好，你会发现大多数公司的 CRM 里都堆着一笔没做完的收入。

效果智能体每周一读你的广告系列表，像一位犀利分析师那样给你写一份简短备忘录。“盈利复盘页转化率 4%，其中一半线索小到没法服务。晚宴广告的每次合格通话成本最低。再营销花了 3,000 美元，换来两次销售对话。”每一行都以一个给你的决定收尾：保留、砍掉、调整还是测试。

把它一路打通到留存、退款和利润。一个带来便宜客户、六十天就流失的广告系列，在仪表盘上看着漂亮，却在悄悄让你亏钱。这就是那个能抓住它的智能体。

第 6 步：把护栏放进工具里

最快引火烧身的做法，就是轻信提示词里的一句话。“发送前务必先问我”对模型来说只是一句客气的建议。真正的护栏存在于工具之中。

给每个智能体授予它所需的最小权限集合。外联智能体只获得邮件的草稿权限。广告智能体创建的广告处于暂停状态，预算始终掌握在你手里。审批环节内嵌在代码本身之中，比如一条带“批准”按钮的 Slack 消息，操作会等待它被点击。像支出上限、抑制名单和去重这类精确规则，用普通代码来实现；把模型留给需要判断的场合，比如某个账户是否合适，或者某条消息听起来是否像你。

然后给每个智能体写一份简短的契约，就像一份带护栏的职位说明。下面是给购买触发智能体写的一份：

“完成”意味着它在自身限制范围内检查了每一个来源，并告诉你哪里出了问题。一个会说“这个来源今天失败了”的智能体，抵得上十个悄悄跳过它的智能体。

第 7 步：端到端运行一次营销活动

当所有环节协同运作时，效果是这样的。设想一家想要更多电商客户的记账公司。

周一，客户语言报告显示，店主们反复说着同一句话：“扣掉退货、运费和手续费之后，我根本不知道自己到底有没有赚钱。”上个月有十一位不同的客户这么说。你把它拿给负责交付服务的人，问这家公司是否真能解决这个问题。他们说能，而且这是他们为每个新客户解决的第一件事。你在 offers.md 中批准了一个方案：为年营收 100 万到 1000 万美元的店铺提供免费盈利审查。

这次营销活动获得了一个 ID：BK014，从这里开始一切都带着它。

周二，创意代理用客户自己的话提炼出三个角度：你的利润消失在哪里、一份月度报告样本，以及一个真实客户的短故事。搜索代理搭建了一个页面，里面有一个简单的利润计算器，用的是这家公司核实过的数字。流失客户代理找出了 60 位说过“年底之后再说吧”的老潜在客户，为每个人起草了一封个性化的信。购买触发代理标记出刚刚在亚马逊上开店的店铺，因为多渠道销售会让账目更乱。

周三，你一口气审完了所有内容。你砍掉了一条承诺公司无法保证的节省效果的广告，批准了其余内容，并启动了 2000 美元的测试。

两周后，效果代理把花费与预约的审查关联起来，再把审查与签约客户关联起来。计算器页面的转化最好。亚马逊触发名单预约的电话最多。它同时也提醒你，样本量仍然很小。

你会注意到，客户的原话在每一步中都保留了下来。通常情况下，一个犀利的洞察要经过研究摘要、创意简报和五轮修改，最后听起来跟网上其他记账广告没什么两样。但在这里，那些原话跟着广告活动文件夹一起走，所以每个智能体都能看到它们。

第 8 步：运行每周循环

机器搭好之后，你的工作就更像是编辑，而不是制作了。

周一你读效果备忘录，做出保留、砍掉和修改的决定。周二和周三你动手搭建，修复上周产出薄弱环节的工作流，并启动新的测试。周四你跟销售和支持团队通电话，因为下周最好的点子就藏在那里。周五你审查智能体做出来的东西，并更新文件。

整件事的核心是一个审核队列。队列里的每一项都应该能在一分钟内做出决定。“批准这份修改后的报价。它改动了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。每次你否决某个东西，都写下原因，并把它放到下一次运行能看到的地方。因为某条广告吸引来的客户规模太小而否决了它？更新 customer-fit.md。某个潜在客户误解了报价？加一条检查项。维护一份实验日志，记录你测试了什么、为什么测、结果如何、接下来打算怎么做。为每个智能体保留十个示例输入及你期望的输出，每次修改指令时都重新跑一遍，这样一旦有东西变差了，你立刻就能知道。

如果你发现自己整天都在修智能体的输出，那问题出在上游。几乎总是大脑或契约的问题。

创意引擎

大多数人还没跟上的一点是：创意就是新的定向。

Meta 重建了它决定展示哪些广告的方式。它的新系统名为 Andromeda，已于 2025 年底完成全球范围的上线，它会读取广告本身来判断该给谁看。你的图片、你的钩子和你的脚本，如今在做过去兴趣定向所做的工作。有一个副作用对懒惰的广告主来说很残酷。Andromeda 会把看起来相似的广告归为一组，当作同一条来处理，所以同一个标题做五十个版本，你拿到的触达大约只相当于一条广告。而且，胜出的广告现在两三周就会耗尽，而不是六周。

所以，工作就是源源不断地产出真正不同的创意。直到不久前，这还需要一个制作团队。现在，它需要一个创意引擎，而我会这样搭建一个。

从文字开始。 把 voice.md 和最新的客户语言报告加载进 Claude 或 GPT 这样的前沿模型，让它为 8 到 12 个不同的概念写脚本：一个痛点、一个实操示例、一个客户故事、一段创始人的吐槽、一个对比、一个你正在破除的迷思。给每个概念配两三个钩子。策略就藏在这一步里，所以把你的时间花在这里。

一个帮大忙的捷径：从一个已经在跑通的漏斗开始。

我的合伙人没有公开多谈这件事，但 @BoringMarketer 刚刚推出了 Boring Funnels，它每周拆解一个真实的、正在运行的漏斗，从广告到最后一封邮件，并把每一步变成一个你可以交给你的编程智能体的提示词。这比从一张白纸开始要好得多。

然后做图片。 Nano Banana、GPT Image 和 Midjourney 现在能生成在手机屏幕上经得起看的产品图、生活场景图和静态广告。诀窍是喂给它们你真实的产品照片，让产品保持准确，然后让模型去改变它周围的一切。

然后制作视频。 Veo、Kling 和 fal 能把一段脚本或一张静态图片变成短视频。对于口播类广告，Arcads、HeyGen 和 Creatify 能生成 AI 演员，用几十种语言朗读你的脚本。ElevenLabs 负责配音，CapCut 或 Captions 负责剪辑。

用 AI 演员做测试，再花钱请真人来取胜。 这是 AI UGC 的内行门道。AI 演员让你花一条真人创作者视频的钱，一天测试二十个脚本。一旦你知道哪个脚本有效，由真人来说通常表现更好、更能建立信任，也让你站在要求 AI 内容必须标注的平台的正确一边。

让智能体跑这个循环。 它把每个创意以暂停状态上线，由人按下启动，一段脚本在花费达到设定金额后暂停表现差的创意，每周一绩效智能体会告诉你哪些创意胜出、下一步该试哪些钩子。你的工作变成挑选点子和判断品味，机器负责处理量。

如今在付费社交上取胜的营销工程师，每月会产出几十个真正不同的创意，而且他们不需要制作团队就能做到。

社交引擎

付费内容吸引了所有注意力，但自然社交才是营销工程师悄悄建立不公平优势的地方。它是免费的传播渠道，也是有史以来成本最低的创意测试实验室。

把自然流量当作你的试验厨房。 把十个钩子作为自然TikTok、Reels或X帖子发出去，看看算法会挑中哪些，然后只对胜出的那些投钱。你免费知道了什么有效，而你的广告预算只花在已经证明了自己的点子上。

把所有内容都剪成片段。 一段长内容，比如播客、网络研讨会，或者创始人在散步时的即兴吐槽，可以变成二十个短视频片段。像Opus Clip这样的工具会找出最精彩的时刻并加上字幕，智能体则可以把它们安排到各个平台。大多数最大的播客就是这样成长起来的。

使用不露脸也能规模化的形式。 TikTok和Instagram上的幻灯片和轮播图，基于你的客户语言报告制作，是最容易做的帖子之一，也是被收藏最多的帖子之一。智能体写幻灯片文案，模型生成图片，你周日审批整批内容。

先倾听，再开口。 让一个智能体去监控Reddit、X、TikTok评论区和竞争对手的评论，让它每周汇报人们在抱怨什么、要求什么、对什么感到兴奋。然后让它为那些你的产品真正能帮上忙的帖子起草有用的回复，由你自己发布。尤其在Reddit上，来自真人的有用回答胜过任何广告，而一条垃圾回复会让你被封号。

让创始人亲自上阵。 当每个品牌都能生成内容时，信息流上最稀缺的东西就是一个有真实观点的真人。把founder-opinions.md变成一个内容引擎：智能体每天从你的观点中起草一条帖子，你把它编辑成你的语气然后发布。AI让创始人更有价值，因为创始人是别人唯一无法生成的东西。

两条规则让这一切保持干净。在平台要求的地方标注 AI 生成的人物和场景，并且把发布按钮留给人类。

如何成为前 1% 的营销工程师

一旦基础工作能自行运转，好玩的部分就来了。

第一是构建决策工具。一家包装公司做了一个计算器，展示哪种箱型尺寸能削减你的运费账单。一家软件公司做了一个迁移检查器，扫描你的配置，精确展示哪些内容能干净地迁移过来。这些过去是长达六个月的工程项目，所以很少发生。现在，一个营销工程师能在一周内推出一个粗糙版本，买家会把它加入书签，并在准备购买的那一刻回来。

第二是向影响购买决策的人做营销。那位向四十个客户推荐软件的会计师。那家为客户挑选工具的代理机构。那位被问“这安全吗？”的 IT 人员。专门为他们打造一场营销活动，提供他们点头所需的确切材料。

第三是在引导流程内部修复获客。有时广告效果不错，新客户却流失了，因为第一周令人困惑。一个读取引导工单、找出人们卡在哪里的智能体，对增长的作用可能超过你的下一组广告。

第四是给每个渠道分配各自的职责。搜索回答问题。社交开启对话。邮件在特定时刻出现。当每个渠道重复同样的信息时，你就是在为同一个曝光付五次钱。

工具栈

以下是按用途分类的完整工具包。工具每隔几个月就会更新换代，所以要学会按类别来理解，名字变了随时替换就行。

你需要学什么

这份工作一半是营销人，一半是构建者，两半缺一不可。

营销的那一半，是优秀营销人一直以来就懂的东西。如何做客户访谈，并听出那句关键的话。如何为产品定位，让对的人觉得它就是为自己量身打造的。如何设计一个真正让人有购买理由的报价，而不是披着外衣的折扣。如何写出让人停下滚动的手指的标题。每个渠道如何决定谁看到什么。以及足够的统计学知识，让你判断一个结果是真实的，还是偶然的。

构建者这一半更新，而且学起来比人们想象的要容易得多。你需要写出智能体真正能用的上下文，这是整份清单里最被低估的技能。你需要有足够的代码阅读能力，来判断它是否做了你要求的事，因为智能体写代码，而你为结果负责。你需要理解 API 和 MCP 如何连接工具，会写基本的 SQL 来拉取自己的数据，能发布一个页面，会用 git，会写测试用例，并且大致清楚每次智能体运行花你多少钱。

学习构建者这一半最快的方法，就是这周末用一个 AI 编程工具发布一个丑丑的落地页。一个部署上线的页面教给你的，比十门课还多。

这会走向哪里

如果我必须这周就开始，我会这么做。如果你是营销人员，构建客户语言智能体，拿你最近 20 通销售电话来跑它。如果你是工程师，去旁听五通销售电话，然后为某个客户细分做一个计算器。如果你是创始人，这周末留出两个小时，写一份 founder-opinions.md，因为在那之后你构建的每一个智能体都会更锐利。

在每项工作流赢得你的信任之前，发布、外呼和支出都保持在审批之后。先让一个工作流可靠，再添加下一个。一个每天早上都混乱运行的工作流，只会给你稳定供应混乱。

在营销史上的大部分时间里，赢家是预算最多、人手最多的那一个。我认为下一个十年属于最懂客户、并能最快据此行动的人。我猜，到 2028 年，最好的营销团队会是一两个营销工程师运行着几十个智能体，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，此刻正坐在增长、内容和运营的岗位上。他们距离成为那样的人，只差一个周末的构建。

如果你想深入了解，我在 @startupideaspod 播客上做了一整期关于营销工程师的节目：https://youtube.com/watch?v=8ZC1G1ezN5o

如果我能帮上忙，随时私信我。没法回复每个人，但会回复一部分！

我支持你。

Greg Isenberg

顺便说一下，我们可以合作的方式：