tsingyuai/growth-lab

解決的問題

Growth Lab 解決了 AI 增長工具碎片化的問題。它提供了一個端到端的閉環系統，而不是在文案撰寫、競品研究和數據分析中使用獨立的工具。它防止了在不同儀表板、文件和提示詞之間切換時通常會發生的產品上下文丟失，從而實現理解產品、識別需求、採取行動並從結果中學習的持續循環。

工作原理

Growth Lab 作為一個框架運行，使用現有的 AI 執行階段（特別是 Codex 或 Claude Code）來執行增長工作流。它將邏輯組織成幾個組件：

• Control Plane：用戶提供目標和回饋的 AI 對話會話。
• Runtime：執行任務的引擎 (Codex/Claude Code)。
• Skills：教導執行階段如何進行研究、制定策略和創作內容的增長方法論和指南。
• Clients：用於瀏覽器訪問、API 調用和內容生成的外部工具。
• File System：作為長期記憶，跨會話存儲產品上下文、研究數據和結果。

每個增長模型都遵循「觀察-行動-回顧」（Observe-Act-Review）循環，其中記憶會被持久化，以確保後續行動是基於之前的證據和結果。

適用對象

專為希望在透過自然語言保持人機協作（human-in-the-loop）的同時，實現增長內容研究、創作和分發自動化的產品營運人員和增長駭客設計。

亮點

• 端到端生命週期：覆蓋從機會識別到執行和衡量的整個過程。
• 自然語言介面：用戶透過對話管理包括配置和目標設定在內的整個工作流。
• 集成知識：在單個工作區中結合了數據、專家方法論和執行工具。
• 開源且私密：所有產品數據和記憶都存儲在用戶的本地工作區中，確保數據所有權。
• 預建循環：包括用於 SEO 頁面增長以及小紅書 (Xiaohongshu) 內容複製與復盤的專門工作流。