ASO 与 App 营销技能包
为独立开发者、App 营销人员和增长团队提供一套即用的 AI Agent 技能，覆盖关键词研究、元数据优化、竞品分析和增长策略。
证据显示：仓库未包含任何代码或脚本，仅包含技能文档和配置。因此没有权限请求、数据流描述、敏感数据处理、依赖安全、外部影响、回滚机制或来源归属的说明。扣分原因：这些方面完全缺失，无法评估。
证据显示：技能名称和描述在README中一致，技能间引用逻辑清晰，自洽性良好。但依赖的Appeeky API和外部服务未提供可用性保证，且没有失败处理或错误消息的文档。扣分原因：依赖可用性仅部分提及，失败消息完全缺失。
证据显示：README详细列出了目标受众（独立开发者、营销人员、增长团队）和大量使用场景（关键词研究、元数据优化等），能力边界通过技能列表和描述明确，触发方式（自然语言请求和/aso-skill路由）有说明，环境适配（Cursor、Claude Code等）有安装指南。扣分原因：能力边界未明确说明每个技能的输入输出限制，触发精度依赖自然语言理解，未提供精确的触发词表。
证据显示：信息架构清晰，技能按类别组织，安装说明详细，命名一致（技能名与目录名对应），提供了示例和FAQ（通过示例问题），许可证为MIT，维护责任通过CONTRIBUTING.md和PR邀请体现。扣分原因：已知限制未明确列出，版本和变更日志缺失，维护责任仅通过贡献指南暗示，未明确维护者或更新策略。
证据显示：输出模板和评分标准在README中提及，技能设计用于提供可操作建议，边际价值在于将专业知识打包成技能，成本效益方面需要付费API（Appeeky）但基础技能可独立使用。扣分原因：输出可用性未提供具体输出示例，边际价值未与现有工具对比，成本效益未详细分析。
证据显示：README中的声明（如“真实App Store数据”）指向Appeeky API，但未提供具体数据来源或验证方法，事实与推断未明确区分。扣分原因：声明缺乏可追溯性，没有独立来源验证，事实与推断混合。
- 仓库仅包含技能文档，未提供任何代码或脚本，无法验证实际执行行为。
- 依赖外部Appeeky API，但未提供可用性保证或错误处理机制。
- 未提供版本控制或变更日志，维护责任不明确。
这个 Agent 能做什么，适合哪些场景？
这是一个面向 App Store 优化（ASO）和移动应用营销的 AI Agent 技能集合，专为 Cursor、Claude Code 等支持 Agent Skills 标准的助手设计。它包含 30 多个模块化技能，如 aso-audit（应用商店审计）、keyword-research（关键词研究）、metadata-optimization（元数据优化）、competitor-analysis（竞品分析）等，每个技能都封装了实战框架、评分规则和输出模板。技能通过阅读 SKILL.md 文件获取知识，并可通过可选集成的 Appeeky API 获取实时 App Store 数据（如关键词排名、下载量、竞品信息）。用户可以用自然语言请求，例如“对我的应用进行 ASO 审计”，Agent 会结合框架和实时数据生成评分卡和优化建议。项目提供多种安装方式：Cursor 可通过远程规则导入，Claude Code 可通过 npx skills 添加，或手动复制到本地技能目录。
该技能包提供一套预构建的指令和框架，使 AI Agent 能够执行 ASO 和 App 营销任务。具体操作包括：读取技能目录中的 SKILL.md 文件（如 aso-audit、keyword-research），获取评分标准和输出模板；调用可选集成的 Appeeky MCP 服务器（https://mcp.appeeky.com/mcp）获取实时数据，如关键字排名、竞争对手元数据、下载量估算和趋势关键词；处理用户请求，如“运行 ASO 审计”“查找最佳关键词”“优化标题和副标题”等，并输出结构化的建议，如 ASO 评分卡、快速胜利列表和高影响更改；通过 asc-metrics 技能分析 App Store Connect 数据（下载量、收入、订阅等），需要 Appeeky Connect 集成（需要 Indie 计划，每月 $8）。
- 独立开发者想在上架前优化 App Store 元数据，可使用 aso-audit 技能获取 10 个因素的评分和优先修复列表。
- App 营销人员需要为新产品做关键词规划，可使用 keyword-research 技能发现高流量、高相关性的关键词，并按主要、次要、长尾分组。
- 增长团队需要监控竞争对手动态，可使用 competitor-tracking 技能每周检测元数据变化、关键词排名和评分趋势。
- 开发者在圣诞节前需要准备季节性促销，可使用 seasonal-aso 技能获取季节性关键词日历和元数据替换策略。
- 产品经理要分析订阅收入的下降原因，可使用 subscription-lifecycle 技能获取流失减少和赢回活动的建议。
- App 上线前要制定推广计划，可使用 app-launch 技能获取 8 周 launch 时间表和新闻稿模板。
这个 Agent 有哪些优点和局限？
- 模块化设计，30+ 技能覆盖 ASO、营销、增长、变现等全链路，每个技能有完整框架和模板。
- 基于真实 App Store 数据（通过可选的 Appeeky API），提供可操作的推荐而非泛泛建议。
- 支持多种 Agent 环境（Cursor、Claude Code 等），并通过 Agent Skills 标准兼容更多工具。
- 包含 asc-metrics 技能，可接入 App Store Connect 第一方数据分析，提供精确的下载、收入趋势。
- 实时数据功能依赖 Appeeky API，需要注册并可能付费（如 Indie 计划每月 $8）。
- 技能知识库是静态的，需要定期更新仓库以获取最新 ASO 最佳实践。
- 安装需要手动复制文件或使用命令行，对于非技术用户可能有一定门槛。
- 文档中未明确说明技能与具体 AI 产品（如 ChatGPT）的兼容性，可能需要在某些平台上适配。
如何安装或部署这个 Agent？
安装方法取决于你的 AI 助手环境。对于 Cursor：在设置中添加远程规则，URL 填 https://github.com/eronred/aso-skills；或手动复制项目 skills 文件夹到 .cursor/skills/（全局：~/.cursor/skills/）。对于 Claude Code：在终端运行 npx skills add eronred/aso-skills 添加所有技能，或使用 --skill 参数只添加需要的技能。对于其他 Agent：可以克隆仓库并复制 skills 文件到对应目录（如 .agents/skills/）。可选：要启用实时数据，需在 MCP 配置中添加 Appeeky 服务器，并设置 Bearer token（需要从 Appeeky 获取 API 密钥）。
如何使用这个 Agent？
安装后，你可以直接用自然语言向 Agent 提问，例如：“Run an ASO audit for my app (id: 1617391485)”“Find the best keywords for a meditation app”或“Help me plan a Christmas In-App Event”。为了简化调用，你可以使用 /aso-skill 路由器技能，它会自动将请求路由到正确的专家技能。如果要使用实时数据，确保已配置 Appeeky MCP 并在命令中包含应用 ID。你也可以直接调用具体技能，如 /keyword-research 或 /competitor-tracking。
这个 Agent 与同类方案有什么区别？
该技能包与传统的 ASO 工具（如 App Annie、Sensor Tower）不同，它通过 AI Agent 提供指导性建议，而非仅为数据分析。与通用的 AI 助手（如 ChatGPT）相比，它提供了预构建的 ASO 专业框架和模板，使输出更标准化。