Agentic Marketing 把市场洞察和执行经验转化为 AI Agent 能自己应用的指令。Growth Lab 从代码仓库、原型、URL 或想法开始，建立缺失的产品与客户上下文，选择工具，完成工作，检查结果，并为下一轮保留证据。

一次真实执行：Growth Lab 营销自己

阶段Agent 的观察或行动可检查产物
理解产品读取 Runtime、Skills、Executors 与现有表述仓库文件与线上路由
调研需求验证候选搜索，为每个查询拆解 3–5 个领先页面带时间的研究 Memory
作出决策选择工具、工作模型、Day Zero 与 SEO 执行意图四份不同页面 Brief
完成行动创建双语页面与技术 SEO，并提交线上 URL源码、部署与 IndexNow 响应
等待复盘建立上线基线，等待效果数据形成待写入的 +7 天 Memory

已完成的执行明确记录为完成；市场效果在证据到达前保持待验证。

一个可工作的营销 Agent 包含五部分

环节关键问题示例
观察市场或产品发生了什么变化？新的搜索词开始触达页面。
决策证据支持哪一个行动？围绕到达的意图重写标题。
执行哪些工具能够完成行动？修改元数据、测试、部署并提交 IndexNow。
复盘行动之后发生了什么？比较曝光、排名、CTR 与激活。
记忆下一轮需要知道什么？时间、证据、行动、结果与建议。

从一个狭窄闭环开始

狭窄闭环拥有可识别的观察、Agent 能触达的行动面，以及能在有用时间内出现的结果。SEO 页面、版本发布、Onboarding 分析和内容再利用都可以分别成为一个闭环。

读取 Memory
→ 观察一个信号
→ 选择一个行动
→ 调用所需工具
→ 检查执行结果
→ 等待外部结果
→ 复盘并写入 Memory

Agent 需要访问什么

产品

仓库访问让 Coding Agent 看到真实的功能、路由、Onboarding、内容、分析埋点与限制。更早期的产品也可以从 URL、原型或想法开始。

外部世界

搜索与浏览器能力负责市场观察，官方 API、数据导出和授权 Clients 提供结构化数据或外部行动，凭据保存在环境变量中。

持久化结果的位置

Memory 保存按时间记录的运营证据和下一步行动。闭环方法保留在 Skill 中，团队能够直接检查和改进。

会话就是控制面

Codex 或 Claude Code 会话读取 Skills、使用原生浏览器与编码工具、调用 Clients、修改工作区，并在需要权限或判断时与人协作。

安装过程就是 Clone，交互方式就是在 Codex 或 Claude Code 中对话。无需学习独立看板、注册新的 SaaS 账号或维护大量 Campaign 配置。