按任务开始
把营销任务拆成可验证的 API 工作流
应用场景回答“这项任务怎么做”。每个场景都从输入、API 处理、输出和人工关卡展开，便于先做小样，再决定是否规模化。
场景 1
把搜索结果整理成内容 Brief
选题有了，但缺少真实搜索版图、用户意图与可执行的大纲。
输入
目标关键词、地区、语言、品牌约束
API 处理
SERP Live Advanced 获取结果；LLM 归纳意图、实体与内容缺口
输出
含受众、搜索意图、H2/H3、证据需求与差异化角度的 Brief
执行步骤
- 1先用 5–20 个代表词做小样，固定地区、语言和设备，避免不同 SERP 环境混在一起。
- 2只提取标题、摘要、排名、结果类型等必要字段，再让模型按固定 JSON Schema 归纳。
- 3人工审核事实来源、品牌边界和主张强度；通过后再进入写作，不把模型摘要当作原始证据。
场景 2
构建可追溯的营销知识检索
产品资料、FAQ 和品牌规范散落，生成内容容易漏约束或混入过期资料。
输入
经过清洗、分段并附来源和更新时间的品牌资料
API 处理
Embeddings 向量化；业务侧向量库召回；LLM 基于召回片段生成
输出
带来源片段的答案、客服草稿或内容素材
执行步骤
- 1按语义边界分段，并保存文档 URL、版本、更新时间和权限标签等元数据。
- 2使用同一 Embeddings 模型处理入库文本与查询；用一组真实问题调试召回数量和相似度阈值。
- 3要求模型在上下文不足时明确返回“资料不足”，并把引用片段展示给审核人。
场景 3
批量生成标题、摘要与社媒变体
重复性文案量大，人工时间被格式转换与版本扩写占用。
输入
已审核事实、渠道规格、禁用词、语气和结构化输出要求
API 处理
LLM Chat 批量生成；业务代码校验长度、字段和敏感规则
输出
可进入编辑队列的多渠道文案草稿
执行步骤
- 1先定义 JSON 输出字段和每个渠道的字符限制，提供一组正反例。
- 2用低并发小批次验证合格率，再按失败类型重试，避免整批无差别重跑。
- 3把事实准确性、品牌一致性和合规审核设为发布前关卡，并记录提示词版本。
场景 4
监测 AI 回答中的品牌可见度
传统排名无法说明品牌是否在生成式回答中被提及、引用或与哪些主题关联。
输入
品牌、竞品、主题词、地区与时间窗口
API 处理
AI Optimization 查询提及、页面和时间序列指标
输出
主题覆盖、提及变化、引用页面与待补内容清单
执行步骤
- 1建立固定品牌别名、竞品集合和主题词基线，避免每次查询口径漂移。
- 2按周或月保存快照，结合引用页面查看变化，不用单次波动直接推导因果。
- 3把缺失主题映射到可更新页面，补充可验证事实、清晰定义和可引用结构后再观察。
先验证一个真实任务
从代表性输入开始，记录质量、时延与单次实扣，再决定下一步集成范围。