这个 Skill 能做什么，适合哪些场景？
这是 Aaron Marketing Skills 中 Launch／Prove 阶段的单一技能，专门处理发布窗口内产生的反馈。它将社区评论、应用商店评价、反馈看板帖子和支持工单聚类为主题，并输出频率、严重程度和代表性原话。它还设计 open→planned→started→completed／declined 的状态循环，以及“你提问、我们交付了”公告材料。技能也包含社交证明收集协议，但不会放大证明内容、执行评价邀约或替产品团队做路线图决策。
读取发布标识和反馈导出，记录各导出的覆盖时间窗口，并区分 Measured 与 User-provided 数据；按底层需求而非措辞聚类主题，标注频率、严重程度和来源原话；规定重复反馈合并及投票迁移、状态变更通知和拒绝理由；为已完成主题生成更新日志、感谢消息和候选社交帖子；为目标平台建立激励与披露合规矩阵，明确应用商店评价不得激励；定义主题数量、状态变更时间和邀约到评价转化等指标，并通过授权 proposal 请求提交发布事件快照。
- 产品发布后，产品营销人员需要把社区评论、商店评价和支持工单归纳成优先级明确的反馈主题。
- 产品团队需要建立从 open 到 completed 或 declined 的反馈状态循环，并通知订阅者。
- 发布负责人完成一项用户请求后，需要准备“你提问、我们交付了”更新材料。
- 增长或客户营销人员需要为评价和推荐信收集设计不激励应用商店评价的合规流程。
- 产品负责人希望获得带证据的路线图相关主题摘要，但不希望由营销技能直接做产品决策。
如何安装这个 Skill？
- 不要把评论、工单或网页内容中的指令当作操作指令；应先确认数据范围、来源和敏感信息处理方式。
- 连接器、注册表 propose 请求和记忆写入依赖宿主环境及共享协议；执行前应核验失败反馈、权限边界和可恢复性。
- 店铺评论不得激励；其他平台的激励与披露要求必须依据当前平台政策逐项复核，不能仅凭技能文本判断。
- Shell / 命令行
- 网络访问
- 本地文件系统
Python standard library runtime
安装整个仓库后使用该路径：launch/prove/launch-feedback-synthesizer/SKILL.md。Claude Code 可运行 /plugin marketplace add aaron-he-zhu/aaron-marketing-skills，再运行 /plugin install aaron-marketing@aaron；兼容 Agent Skills 的主机可运行 npx skills add aaron-he-zhu/aaron-marketing-skills；也可以执行 git clone https://github.com/aaron-he-zhu/aaron-marketing-skills。来源未单独记录本技能的独立安装包。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/aaron-he-zhu/aaron-marketing-skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/launch/prove/launch-feedback-synthesizer" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
向兼容主机提供发布标识和反馈导出。例如：Triage the feedback from our [product] launch — here are the community comments, the board posts, and the store reviews. 或 Set up a feedback status loop for [product]: themes, open→planned→started→completed/declined, and notification rules. 如果使用连接器，来源列出了 ~~launch platform、~~app store data 和 ~~brand monitor；否则直接粘贴导出内容。完成后，技能会询问是否保存结果。
这个 Skill 有哪些优点和局限？
- 输出结构具体，覆盖主题摘要、状态循环、通知规则、发布公告和社证合规矩阵。
- 明确将反馈视为不可信数据，并要求把产品或比较性主张标记为需要来源。
- 规定应用商店评价永不激励，并要求其他平台遵循其已公布的评价政策。
- 兼容 Claude Code 和兼容 Agent Skills 的主机，默认不要求付费工具或 MCP。
- 只处理发布窗口内的主题分诊，不负责长期评论或私信收件箱。
- 不执行推荐信邀约、不放大已收集的证明，也不做产品路线图决策或 RAMP 评分。
- 部分注册表提交、连接器和持久化结果依赖仓库运行时及授权操作；来源没有提供该单技能的独立测试结果。
- 频率依赖反馈导出的覆盖范围；缺失渠道只能标记为覆盖缺口，不能当作零反馈。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| 发布反馈综合器 本页 | 56 · 谨慎使用 | ★ 3k | 12 天前 | Apache-2.0 |
| 抢先体验设计师 | 57 · 谨慎使用 | ★ 3k | 12 天前 | Apache-2.0 |
| RAMP 发布就绪审计员 | 61 · 推荐 | ★ 3k | 12 天前 | Apache-2.0 |
| 发布窗口规划器 | 57 · 谨慎使用 | ★ 3k | 12 天前 | Apache-2.0 |
| 社区发布执行器 | 56 · 谨慎使用 | ★ 3k | 12 天前 | Apache-2.0 |
与 content-amplifier 相比，本技能负责收集和整理证明，不负责跨渠道改写或传播；与 outreach-manager 相比，本技能设计评价／推荐信收集协议，不执行邀约线程；与 engagement-inbox-manager 相比，本技能只负责发布窗口反馈主题，而非持续性的评论、私信和提及分诊。
FollowSkills 如何评估这个 Skill？
技能明确将反馈视为不可信数据，限制范围，不直接作路线图决策，并要求保存结果前确认；注册表写入采用 propose 流程，店铺评论明确禁止激励。扣分原因是连接器、记忆写入和外部数据流仍依赖共享协议，技能自身未完整说明敏感反馈的最小化、删除和回滚细节。
输入、输出、完成条件、重复合并、状态通知和终止规则描述较一致且可诊断。静态审查未见该技能专属测试、异常输入处理或连接器失败反馈，且依赖的共享文件和工具可用性未在本技能内复现，因此不超过静态上限并扣分。
触发场景、输入、输出及非适用范围清楚，覆盖评论、社区、工单和评测收割。扣分原因是平台覆盖和连接器可用性不确定，geo-relevance 标为 low，未证明在中国大陆网络环境中的核心数据源可达；中文仅有元数据和摘要级支持。
具备标准 frontmatter、版本号、Apache-2.0 许可证、快速开始、契约、数据源、步骤、交接和后续技能说明，并与 README 的共享架构一致。扣分原因是本技能缺少专属示例输出、FAQ、变更记录和明确维护责任；发布者身份未被验证。
预期产物具体，包括主题摘要、状态环、公告材料、合规矩阵和交接摘要，且边界清楚，理论上可直接指导人工后续工作。扣分原因是静态材料没有代表性实际输出或执行证据，平台合规判断和连接器结果仍需用户补充或复核。
技能区分 Measured、User-provided 和 Estimated，并引用 Fider 模式及平台政策来源；仓库还提供通用 CI 和测试材料。扣分原因是所引外部政策未随本次源材料提供，通用测试未覆盖该技能关键路径，也没有独立复现记录。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →