pitchsmith

name	pitchsmith
description	Pitchsmith。基于 27 个中美带货主播、营销专家、评测者、QVC/电视购物主持人、 B2B copywriter 和品牌策略专家的公开销售表达素材，按品类路由挖掘导购属性， 生成卖点、直播口播、详情页结构、短视频脚本和落地页文案。 默认用英文输出，并适配字符限制。触发词：商品卖点、带货文案、直播话术、详情页文案、 product copy、selling point、recommendation reason、offer、转化文案、导购属性、类目属性。

Pitchsmith

调研时间：2026-05-11。这是方法蒸馏，不冒充任何真人。

工作流

Step 1: 商品诊断

收到商品后，先抽取：

• 品类与客单价
• 目标输出语言，默认 English
• 字符/单词限制、平台位置和是否需要多版本
• 目标人群与购买场景
• 用户已有替代方案
• 真实可证明的功能、成分、规格、服务或结果
• 最大购买阻力：不信、嫌贵、怕麻烦、看不懂、用不上、怕踩雷

信息不足时，先列出缺口；可以生成假设版，但必须标注假设。

Recommended input contract:

Product: ...
Description/specs: ...
Audience: ...
Channel: product card / recommendation widget / landing page / ad / email / live script
Character limit: ...
Tone: ...
Must include: ...
Must avoid: ...

Step 1.5: 英文短文案压缩规则

用户没有特别指定时，输出英文。每条都先写清楚目标长度，再按长度压缩：

• <= 40 chars: 只保留结果或最大差异点，不写完整解释。
• <= 80 chars: 结果 + 关键证据，适合卡片、搜索广告、按钮旁提示。
• <= 120 chars: 痛点/场景 + 结果 + 一个信任理由。
• <= 160 chars: 可加入人群限定或风险逆转，适合推荐理由和商品列表。
• > 160 chars: 可以使用 hook、proof、objection handling、CTA。

压缩时优先删除形容词，保留：用户结果、具体属性、可验证证据、适用人群、风险降低。 不要为了短而编造数据。没有证据时，用 softer claim：designed to, made for, helps, built around。

Step 2: 路由到风格模块

按品类和销售问题选择 1-3 个模块，不要机械套所有模块。 优先读取 references/structured-index.json 中的 schema 化蒸馏结果：

• 用 target.categories、distilled_positioning.best_used_for 和 product_fit 判断适配度。
• 用 selling_point_generation 生成卖点，用 recommendation_reason_generation 生成推荐理由。
• 用 short_copy_rules 做字符限制压缩，用 channel_adaptation 做平台改写。
• 用 source_basis.confidence 和 risk_guardrails 控制措辞强度，不编造来源里没有的结论。

当需要更细的人物方法时，再读取对应 skill 的 references/research/07-distilled-playbook.md，只迁移方法，不模仿真人身份或口癖。

美妆护肤信任成交

适用： 美妆、护肤、彩妆、香氛、个护、女性生活方式

参考目标：

• 李佳琦 / Austin (li-jiaqi): 46 indexed sources
• 章小蕙 / Teresa Cheung (teresa-cheung): 61 indexed sources
• Tati Westbrook (tati-westbrook): 36 indexed sources
• Huda Kattan / Huda Beauty (huda-kattan): 32 indexed sources

生成规则：

1. 先按人群/肤质/场景拆需求，再讲成分或质地。
2. 把抽象功效翻译成可感知的即时体验：上脸、持妆、气味、触感、妆效。
3. 高客单用审美和生活方式背书，低客单用价格锚点和福利节奏。
4. 必须写出不适合谁，可信度比满分夸奖更重要。

知识型情绪价值带货

适用： 农产品、图书、文旅、教育、礼品、品牌故事型商品

参考目标：

• 董宇辉 / 与辉同行 (dong-yuhui): 60 indexed sources
• 东方甄选 / 俞敏洪团队 (oriental-selection): 23 indexed sources
• Seth Godin (seth-godin): 38 indexed sources

生成规则：

1. 先让商品进入一个更大的生活叙事：产地、季节、记忆、文化或身份。
2. 卖点不急着硬推，先建立为什么这件东西值得被认真对待。
3. 适合慢信任和复购，不适合强价格战场景。
4. 避免空泛抒情，每段叙事都要落回一个具体购买理由。

技术评测与发布会卖点

适用： 3C、家电、汽车、硬件、工具型产品

参考目标：

• 罗永浩 / 交个朋友 (luo-yonghao): 38 indexed sources
• 雷军 / 小米 (lei-jun): 44 indexed sources
• Marques Brownlee / MKBHD (mkbhd): 33 indexed sources
• Linus Tech Tips (linus-tech-tips): 33 indexed sources

生成规则：

1. 把参数翻译成用户动作：更快不是卖点，少等多少秒才是卖点。
2. 先承认限制和短板，再讲为什么仍值得买。
3. 用竞品或上一代产品做参照，给用户一个判断坐标。
4. 结尾给清晰购买建议：谁该买、谁不该买、什么配置最值。

Offer 与漏斗成交

适用： 课程、服务、咨询、SaaS、会员、训练营、B2B lead gen

参考目标：

• Alex Hormozi (alex-hormozi): 35 indexed sources
• Russell Brunson (russell-brunson): 39 indexed sources

生成规则：

1. 先定义目标结果，再堆高感知价值、降低时间成本、降低努力成本、降低风险。
2. Offer 必须包含保证、稀缺性、bonus 或风险逆转中的至少一种。
3. 页面结构用 hook-story-offer：钩子、痛点故事、机制、证明、行动。
4. 不要只写功能，写购买者相信自己能成功的理由。

转化文案与定位

适用： SaaS、B2B、官网、落地页、邮件、LinkedIn、创始人品牌

参考目标：

• Joanna Wiebe / Copyhackers (joanna-wiebe): 31 indexed sources
• Donald Miller / StoryBrand (donald-miller): 27 indexed sources
• April Dunford (april-dunford): 33 indexed sources
• Dave Gerhardt / Exit Five (dave-gerhardt): 31 indexed sources

生成规则：

1. 先采集客户原话，标题尽量使用用户已经会说的话。
2. 定位从替代品开始：用户不用你时，实际在用什么解决？
3. StoryBrand 路径：客户是主角，品牌是向导，给计划，要求行动。
4. B2B 文案要去营销腔，像一个懂行的人在帮用户省判断成本。

电视购物与演示成交

适用： 厨房、食品、收纳、家居、小家电、发明型产品

参考目标：

• David Venable / QVC (david-venable): 28 indexed sources
• Lori Greiner (lori-greiner): 29 indexed sources

生成规则：

1. 第一屏必须演示问题和解决前后对比。
2. 用手感、声音、容量、清洁、收纳、家庭场景让功能可视化。
3. 反复回到使用频率：今天买了，本周会用几次？
4. 适合视频脚本和直播口播，也能转成详情页动图脚本。

创始人 DTC 与社区共创

适用： DTC、服饰、消费品牌、创始人IP、社媒种草

参考目标：

• Cassey Ho / Blogilates / POPFLEX (cassey-ho): 42 indexed sources
• Huda Kattan / Huda Beauty (huda-kattan): 32 indexed sources
• Gary Vaynerchuk / GaryVee (gary-vaynerchuk): 41 indexed sources

生成规则：

1. 用创始人视角解释为什么这个细节被设计出来。
2. 把用户吐槽变成产品改进证据，让卖点像共同创造出来的。
3. 平台原生表达优先：短视频讲一个细节，长文讲一套理念。
4. 不要把所有平台文案写成同一种广告语。

中国直播间强运营

适用： 低客单、日百、食品、快消、大促、直播间爆发

参考目标：

• 薇娅 / Viya (viya): 40 indexed sources
• 辛巴 / 辛选 (simba-xinxuan): 27 indexed sources
• 疯狂小杨哥 / 三只羊 (crazy-xiaoyangge): 31 indexed sources
• 李佳琦 / Austin (li-jiaqi): 46 indexed sources

生成规则：

1. 结构是福利节奏、库存/时间提醒、主播信任、人群点名、下单理由。
2. 价格力必须有来源解释：供应链、专场、赠品、组合装或平台补贴。
3. 内容电商要先给用户一个继续看的理由，再给购买理由。
4. 争议型素材只抽取运营机制，不迁移夸张承诺或高风险表达。

品牌符号与经营视角

适用： 消费品、餐饮、包装、门店、品牌升级、广告语

参考目标：

• 小马宋 (xiaoma-song): 47 indexed sources
• 华杉 / 华与华 (huashan-huayuhua): 34 indexed sources
• 李叫兽 (li-jiaoshou): 34 indexed sources

生成规则：

1. 先问用户在货架/门店/搜索页看到什么，不先写漂亮文案。
2. 好卖点要能进入包装、店招、菜单、详情页和短视频标题。
3. 广告语要降低传播成本，避免只在品牌内部听起来高级。
4. 从购买动机和使用场景解释卖点，不从品牌自嗨出发。

Step 2.5: 类目导购属性挖掘

当用户问「这个类目哪些属性影响购买」「要收集哪些商品特征」「导购属性 taxonomy」时，不要直接写文案。先输出类目导购属性。

Hybrid 方法：

1. 区分后台类目与消费者销售类目。后台类目用于管理，销售类目反映用户认知。
2. 按类目路由 1-4 个 Pitchsmith 模块：品类专家、文案/定位专家、渠道专家。
3. 从五层信号抽候选属性：
   • objective specs: 标题、详情页、规格表、说明书、包装、商家字段。
   • search/filter intent: 搜索词、筛选项、标题惯例、类目导航。
   • UGC friction: 评论、差评、问答、买家秀、客服 FAQ。
   • buyer psychology/scenario: 快慢决策、风险、身份、场景、价格带。
   • Pitchsmith distillation: product_fit、input_slots、shopping_guidance、trust_building、decision_assistance、reason_types、risk_guardrails。
4. 归一化为 objective_spec、sku_spec、search_filter、scenario_fit、trust_proof、risk_reducer、comparison_point、service_commitment、social_proof、visual_demo。
5. 用以下权重打分：

guide_importance =
  search_intent_weight
+ filter_usage_weight
+ review_objection_weight
+ qa_frequency_weight
+ customer_service_question_weight
+ category_decision_cost
+ scenario_relevance
+ copy_leverage
+ trust_requirement
+ pitchsmith_module_signal

需要 JSON taxonomy 时，调用：

.venv/bin/python scripts/generate_category_attributes.py --category "women low heels" --channel product_card

Step 3: 输出结构

默认输出：

1. Primary pitch：英文，面向用户，不是品牌自述。
2. Recommendation reasons：3-5 条，每条遵守用户给定字符限制。
3. Decision helpers：适合谁、不适合谁、为什么现在买。
4. Trust builders：证据、机制、材料/规格、评价或风险逆转。
5. Variants by length：如用户给字符限制，输出至少 3 个可直接 A/B 测试版本。

如果用户只要求短推荐理由，优先输出：

Variant	Copy	Chars	Why it works

Why it works 用中文简短说明采用了哪个蒸馏模块，例如 MKBHD-style tradeoff clarity、Hormozi-style risk reduction、Li Jiaqi-style shopper segmentation。

如果用户指定平台，按平台改写：

• Amazon/Walmart/Shopify product card：短利益、具体规格、低夸张。
• Meta/TikTok ads：hook、场景、before/after、强视觉动词。
• Email/SMS/push：一个理由、一个动作，不塞满卖点。
• App recommendation widget：像朋友帮忙决策，少广告腔。
• 抖音/快手：强钩子、强节奏、低认知成本。
• 小红书：真实体验、审美、避坑、人群标签。
• 淘宝/京东详情页：参数、对比、保障、评价证据。
• YouTube/TikTok：演示感、故事、before/after。
• B2B landing page：定位、替代品、ROI、proof、CTA。

质量标准

• 每个卖点必须能回答“用户为什么现在要买”。
• 英文短文案优先自然、清晰、有证据；不要中式直译。
• 如果用户给字符限制，必须逐条标注字符数。
• 禁止空泛词：高级、极致、赋能、品质感、黑科技，除非立刻给证据。
• 不编造功效、销量、认证、奖项、价格优势。
• 不迁移高风险直播话术，如绝对化承诺、虚假稀缺、医疗化暗示。
• 高客单商品先建立信任，低客单商品先降低决策成本。

原始语料扩充与蒸馏维护

当用户要求扩充语料、更新人物风格、重新蒸馏或提升推荐理由质量时，必须把「抓取」和「蒸馏」分开处理：

1. 先扩 raw corpus：只抓公开、可访问、与目标人物/团队直接相关的素材；优先一手内容、长访谈、节目字幕、官网文章、公开演讲、品牌/频道页面和可信媒体深访。把结果写入 data/raw/<slug>/ 和 source_index.json，并保留 URL、kind、text/transcript/asr path、失败原因。
2. 再做 audit/research pack：运行 source audit 和 research pack 构建，检查每个目标的有效来源、raw text、transcript、ASR 和缺口。脚本可以整理材料，但不能把整理结果当作最终蒸馏。
3. 真正蒸馏必须由模型阅读内容：按 schemas/person_distillation.schema.json 读取 data/raw/<slug>/、研究包和现有 structured.json，更新 data/distilled/<slug>/structured.json。如果有可用 API，可用 scripts/run_llm_structured_distillation.py 生成/执行结构化蒸馏提示；如果没有 API key，可开多个 subagent 分组并行，每个 agent 只负责不重叠的 slug。
4. 每个蒸馏结论都要有 evidence：evidence.source_path 必须指向存在的 raw corpus 或 research pack 文件；source_basis 要说明 raw_items_used、source_mix、confidence 和 limitations。没有证据的风格判断只能标为假设，不能写进稳定模板。
5. 蒸馏后必须收敛生成物：运行 scripts/validate_structured_distillation.py --all、scripts/build_structured_distillation_index.py --strict、scripts/build_pitchsmith_skill.py，再同步 SKILL.md 和 references/structured-index.json 到 .agents/skills/pitchsmith/。

硬规则：scripts/build_distillation.py、research pack 和索引构建属于 deterministic 整理层；它们不能替代大模型逐篇阅读后的 schema 化蒸馏。

已纳入蒸馏目标

• 李佳琦 / Austin (li-jiaqi): 美妆, 护肤, 个护, 快消
• 董宇辉 / 与辉同行 (dong-yuhui): 农产品, 图书, 文旅, 食品
• 罗永浩 / 交个朋友 (luo-yonghao): 3C, 家电, 酒水, 日百
• 章小蕙 / Teresa Cheung (teresa-cheung): 高端美妆, 奢品, 生活方式, 穿搭
• 东方甄选 / 俞敏洪团队 (oriental-selection): 农产品, 食品, 图书, 文旅
• 小马宋 (xiaoma-song): 餐饮, 消费品, 品牌策略, 包装
• 华杉 / 华与华 (huashan-huayuhua): 快消, 餐饮, 零售, 品牌符号
• 李叫兽 (li-jiaoshou): 互联网营销, 文案, 增长, 转化
• Alex Hormozi (alex-hormozi): 本地服务, 健身, B2B, 教育产品, offer
• Russell Brunson (russell-brunson): 漏斗, 信息产品, SaaS, DTC
• Joanna Wiebe / Copyhackers (joanna-wiebe): SaaS, 落地页, 邮件, 转化文案
• Donald Miller / StoryBrand (donald-miller): 中小企业, 服务业, 品牌官网, 品牌叙事
• David Venable / QVC (david-venable): 厨房, 食品, 家居, 小家电
• Lori Greiner (lori-greiner): 家居, 收纳, 发明型产品, QVC, Shark Tank
• Marques Brownlee / MKBHD (mkbhd): 手机, 电脑, 汽车, 消费电子
• Cassey Ho / Blogilates / POPFLEX (cassey-ho): 运动服饰, 健身, 女性生活方式, DTC
• 雷军 / 小米 (lei-jun): 手机, 汽车, 家电, IoT
• 薇娅 / Viya (viya): 全品类, 服饰, 美妆, 快消
• 辛巴 / 辛选 (simba-xinxuan): 快消, 农产品, 低价日百, 供应链
• 疯狂小杨哥 / 三只羊 (crazy-xiaoyangge): 日百, 食品, 娱乐电商, 内容切片
• Gary Vaynerchuk / GaryVee (gary-vaynerchuk): 社媒营销, 葡萄酒, 个人品牌, 内容分发
• Seth Godin (seth-godin): 品牌叙事, 差异化, 长期主义, permission marketing
• April Dunford (april-dunford): B2B, 科技产品, 定位, 销售故事
• Dave Gerhardt / Exit Five (dave-gerhardt): B2B SaaS, LinkedIn, 创始人品牌, 内容营销
• Linus Tech Tips (linus-tech-tips): 电脑硬件, 外设, DIY, 赞助转化
• Tati Westbrook (tati-westbrook): 美妆, 彩妆测评, 护肤, 教程
• Huda Kattan / Huda Beauty (huda-kattan): 美妆, 彩妆品牌, 教程, 创始人营销

资料位置

• 每个目标的研究包：.claude/skills/<slug>-selling-perspective/references/research/
• 每个目标的蒸馏文件：.claude/skills/<slug>-selling-perspective/references/research/07-distilled-playbook.md
• Schema 化蒸馏索引：.claude/skills/pitchsmith/references/structured-index.json
• Schema 化蒸馏原文：data/distilled/<slug>/structured.json
• 类目导购属性方法：references/category-guidance-attribute-mining.md
• 类目导购属性 schema：schemas/category_guidance_attributes.schema.json
• 原始抓取索引：data/raw/<slug>/source_index.json
• 目标配置：configs/targets.yaml
• 全局蒸馏摘要：reports/distillation_summary.md
• 结构化蒸馏摘要：reports/structured_distillation_summary.md

诚实边界

• 此 skill 抽取公开表达中的方法，不代表任何人物本人观点。
• 抖音、小红书、淘宝直播、快手、公众号等封闭平台需要 cookie 或人工导出才能做完整原始语料蒸馏。
• 当前源索引数量由爬虫运行情况决定；生成重要商业文案前，应补充产品自身的一手资料。