这个 Skill 能做什么，适合哪些场景？
Subject Line Lab 专注于邮件主题行和预header，不负责正文、CTA、A/B 测试设计或 EQS 审计。它可根据用户提供的候选主题或营销角度生成 3–8 个带标签的变体，并为每个变体进行启发式预评分。评分覆盖垃圾触发模式、桌面与移动端长度及截断、表情符号数量和收件箱预览。它适合在正式测试前筛选候选主题，但预评分不是投递成功或收件箱 placement 的保证。
读取主题候选或 offer/angle、发件人名称、邮件模式、预header及可选的历史活动导出；生成或原样接收 3–8 个主题行变体，分配稳定的 SUBJ-A、SUBJ-B 等 ID，并为每个主题匹配预header。它计算主题行和预header字符数，依据估算的桌面与移动端显示限制检查截断，扫描 ALL-CAPS、连续感叹号、伪造 RE/FWD、虚假稀缺性、垃圾词密度及符号堆叠，并统计表情符号。随后生成发件人名称、主题行和预header组成的收件箱预览，标记 Estimated 与 Measured 证据，按风险和承诺是否完整排序，输出保留与淘汰名单及交接摘要。
- 电商营销人员准备促销或生命周期邮件，需要从一个 offer 生成多个主题行和预header候选。
- B2B 销售团队准备冷启动外联邮件，需要检查主题长度、垃圾触发模式和冷邮件中的表情符号。
- newsletter 运营者已有一组主题候选，希望在正式测试前比较角度、移动端截断和收件箱预览。
- 邮件团队已有历史主题行和打开率导出，希望将过去表现较好的角度纳入候选排序。
如何安装这个 Skill？
- 不要把启发式预评分当作 Gmail/Outlook 投递或垃圾邮件结论；仍需执行实际邮箱渲染、认证和投递性检查。
- 本次材料未包含 subject-line-specs.md、humanizer-slop.md、skill-contract.md 等关键引用文件，不能确认所有阈值、模板和写入协议可复现。
- 在冷启动模式下应避免任何 emoji，并对价格、折扣、稀缺性和个性化声明逐项核实来源。
- Shell / 命令行
- 本地文件系统
registry-events.py when submitting claim proposals
安装整个仓库：npx skills add aaron-he-zhu/aaron-marketing-skills。也可使用 Claude Code：/plugin marketplace add aaron-he-zhu/aaron-marketing-skills，然后执行 /plugin install aaron-marketing@aaron。仓库也支持直接 git clone https://github.com/aaron-he-zhu/aaron-marketing-skills；本技能位于 email/engage/subject-line-lab/SKILL.md。单技能安装命令的仓库示例使用 npx skills add <repo> -s <skill>，但该源材料未给出本技能的单独命令示例。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/aaron-he-zhu/aaron-marketing-skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/email/engage/subject-line-lab" ~/.claude/skills/
rm -rf "$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？
提供主题候选或 offer/angle、发件人名称、模式（promo、cold 或 newsletter）以及预header或生成意图。例如：Pre-score these 6 subject lines for truncation + spam triggers, from-name [Sender], promo mode: [paste]，或 Generate 5 subject-line variants + preheaders for [offer], cold-outbound mode, and rank them by pre-score。若没有候选主题和生成角度，技能会进入 NEEDS_INPUT；未提供发件人名称或预header时，可使用占位符或生成预header并注明假设。
这个 Skill 有哪些优点和局限？
- 覆盖主题行预筛选所需的四类检查：垃圾模式、桌面和移动端截断、表情符号及收件箱预览。
- 为每个变体提供稳定 ID 和角度标签，便于交给后续 send-experiment-designer。
- 默认可使用用户粘贴的数据和本地字符计数，不要求付费 ESP API 或 MCP。
- 明确区分 Measured 与 Estimated，并禁止把启发式预评分描述为 EQS 或投递结论。
- 渲染限制和垃圾模式判断是估算启发式，不是邮箱服务商的实际过滤或客户端渲染测试。
- 不编写正文或 CTA，不设计 A/B 测试，也不计算 EQS。
- 源材料没有提供具体 ESP、邮箱客户端或真实收件箱测试结果。
- 若主题包含未经提供的价格、折扣或稀缺性数字，不能直接补写，必须标记为 `[needs source]`。
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 |
|---|---|---|---|---|
| 邮件主题行实验室 本页 | 56 · 谨慎使用 | ★ 3k | 12 天前 | Apache-2.0 |
| 邮件收件箱落点监测 | 59 · 推荐 | ★ 3k | 12 天前 | Apache-2.0 |
| 邮件创意构建器 | 58 · 推荐 | ★ 3k | 12 天前 | Apache-2.0 |
| 邮件送达率预检 | 61 · 推荐 | ★ 3k | 12 天前 | Apache-2.0 |
| 邮件营销圣经 | 60 · 推荐 | ★ 342 | 14 天前 | MIT |
它与 email-creative-builder、send-experiment-designer、deliverability-qa 和 email-quality-auditor 构成明确分工：本技能负责主题行与预header的预测试筛选，其他技能分别负责正文创作、实验设计、完整投递性检查和 SEND/EQS 审计。
FollowSkills 如何评估这个 Skill？
证据显示技能明确将导出内容视为不可信输入，默认不调用付费 API，写入 memory 前要求用户确认，并通过 propose 事件提交声明；未见隐蔽外传、凭据窃取或破坏性默认行为。扣分因记忆写入的回滚/失败恢复未在本技能内说明，外部引用的注册表机制未随本次材料完整提供，且发布者身份未经验证。
步骤、输入、输出、停止条件和 Measured/Estimated 标记较一致，异常输入与模式歧义有 NEEDS_INPUT 路径。扣分因关键引用文件未提供，技能专属测试或运行证据缺失；按静态校准不超过 10 分。
目标用户、三种模式、适用场景、非适用范围、触发短语和输出结构均较清楚；核心计算声称本地完成，不依赖海外服务。扣分因中文支持主要停留在元数据和标签，缺少中文示例；不同邮箱客户端的渲染限制仅作启发式估计。
包含名称、slug、版本 18.0.0、兼容性、Apache-2.0、Quick Start、契约、数据源、决策门和后续技能，信息分层良好。扣分因维护责任人、明确更新路径、变更记录和完整安装说明不在目标技能内；提供的 SECURITY.md 仍称 17.x 为当前线，与技能 18.0.0 存在治理信息不一致。
技能承诺生成或接收 3-8 个带稳定 ID 的主题/预header，并输出长度、截断、垃圾词、emoji、预览和排名结果，格式对测试交接较直接可用。扣分因所有评分均为启发式，无法静态证明实际渲染准确性、垃圾邮件判断或结果优于人工；没有执行验证，因此不超过 7 分。
文件明确区分字符计数的 Measured 与渲染/垃圾词规则的 Estimated，并公开限制和下游职责。扣分因未提供该技能的真实运行样例、专属测试或第三方复核；仓库测试覆盖架构/审计验证器而非本技能关键路径，静态证据有限。
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 →