tsingyuai/growth-lab

解决的问题

Growth Lab 解决了 AI 增长工具碎片化的问题。它提供了一个端到端的闭环系统，而不是在文案撰写、竞品研究和数据分析中使用独立的工具。它防止了在不同仪表板、文档和提示词之间切换时通常会发生的产品上下文丢失，从而实现理解产品、识别需求、采取行动并从结果中学习的持续循环。

工作原理

Growth Lab 作为一个框架运行，使用现有的 AI 运行时（特别是 Codex 或 Claude Code）来执行增长工作流。它将逻辑组织成几个组件：

• Control Plane：用户提供目标和反馈的 AI 对话会话。
• Runtime：执行任务的引擎 (Codex/Claude Code)。
• Skills：教导运行时如何进行研究、制定策略和创作内容的增长方法论和指南。
• Clients：用于浏览器访问、API 调用和内容生成的外部工具。
• File System：作为长期记忆，跨会话存储产品上下文、研究数据和结果。

每个增长模型都遵循“观察-行动-回顾”（Observe-Act-Review）循环，其中记忆会被持久化，以确保后续行动是基于之前的证据和结果。

适用对象

专为希望在通过自然语言保持人机协作（human-in-the-loop）的同时，实现增长内容研究、创作和分发自动化的产品运营人员和增长黑客设计。

亮点

• 端到端生命周期：覆盖从机会识别到执行和衡量的整个过程。
• 自然语言界面：用户通过对话管理包括配置和目标设定在内的整个工作流。
• 集成知识：在单个工作区中结合了数据、专家方法论和执行工具。
• 开源且私密：所有产品数据和记忆都存储在用户的本地工作区中，确保数据所有权。
• 预构建循环：包括用于 SEO 页面增长以及小红书 (Xiaohongshu) 内容复制与复盘的专门工作流。