主题
第25课 把 5 个环节接成一套能自己运转的系统
开场：工具都有了，但彼此不说话
做跨境大概一年的时候，有人问我觉得最难的是什么。
我想了一下，不是哪个技术环节——选品、写文案、上架这些都可以学会。最难的是让这些环节接得起来。
第一个真实客户项目（Sumeru，藏式珠宝），我把所有 skill 都跑了一遍，但每次换 skill，都得重新跟 AI 说一遍："这个品牌叫 Sumeru，定位是藏式珠宝，目标客户是……"
说了七八次之后我意识到：这不是在用系统，这是在用七八个孤立的工具。
各自为战 vs 系统协同
想象两种场景：
场景 A（各自为战）： 周六打开 Hound，跑市场调研，得到一份报告；下午打开 Parrot，要重新粘贴 Hound 的结论进对话框；周日打开 Rabbit，要把 Parrot 写好的文案再粘一遍进 listing 模板；下周跑 Bee 的时候，已经不记得 Hound 当时找到的目标受众是什么了，又翻上去找。每次换工具，信息就断一次。时间浪费在搬运数据，而不是做判断。
场景 B（系统协同）： 周六运行 market-scout，它自动把调研结果写入 context.json 的 hound 段；下午运行 product-copy，它自动读取 Hound 数据，直接基于真实调研写文案；周日运行 etsy-listing-manager，它读取 Parrot 段的文案 + SEO 关键词，生成 listing；下周 campaign-plan 读取 Hound 的受众信号 + Rabbit 的 listing 数据，算出 break-even ROAS。信息只录入一次，每个环节自动接棒。
这就是系统和工具集合的区别。
5 只动物的分工
Brand OS 的 5 个模块，每个有清晰的输入输出：
- Hound（猎犬）：找线索——输出带原始来源的需求表（关键词、竞品缺口、价格带）
- Parrot（鹦鹉）：把真实的东西说清楚——拿需求表和产品事实写文案、主图
- Rabbit（兔子）：跑得快又谨慎——检查平台要求，把商品放进可以交易的位置
- Bee（蜜蜂）：到处找——在预算约束内给商品找来第一批合适的访客
- Elephant（大象）：记性好——把订单数据、客服反馈整理后送回 Hound，开启下一轮
关键是：后一个环节必须接住前一个环节的关键信息，才谈得上系统。
如果 Hound 发现用户特别在意毛衣是否扎皮肤，Parrot 的详情就应该写清材质和触感；如果 Elephant 发现 9 条消息都在问礼盒，下一轮 Rabbit 就该上线礼盒 SKU。五个工具各自"成功运行"，不等于生意在闭环。
context.json：品牌记忆的中枢
把五个环节接起来的核心文件是 context.json。
每个 skill 运行完，都会把自己发现的内容写进去；下一个 skill 启动时，第一件事就是读这个文件，了解前面所有步骤留下的信息：
market-scout跑完 → 写入hound.market（需求信号、价格带、竞争强度）brand-story跑完 → 写入parrot.brand（品牌名、故事、调性）etsy-listing-manager跑完 → 写入rabbit.listing_idscampaign-plan跑完 → 写入bee.campaign（预算分配、break-even ROAS）sales-review跑完 → 写入elephant.sales（销售数据、复盘结论）
任何时候打开一个品牌项目，系统都知道这个品牌在哪个阶段、做了什么、下一步应该看哪里。
一个真实的周工作流
跑一个成熟品牌项目，大概是这样的节奏：
周六上午（1小时）——调研更新 运行 hound/market-scout，输出更新后的 hound.market 段，含新趋势词和竞品动态。这一步结束，Hound 已经把新鲜数据存好了，不需要你做任何事。
周六下午（1小时）——内容更新 运行 parrot/product-copy（有新 SKU）或 parrot/social-post（日常内容）。Parrot 自动读取 Hound 刚写的数据，知道这周什么关键词在涨，自动融入文案。
周日（1.5小时）——上架/调整 运行 rabbit/etsy-listing-manager（新品上架或更新）。Rabbit 读取 Parrot 的文案 + Hound 的 SEO 关键词，组装 listing 草稿。你的工作：检查一遍，点发布。
工作日（每天10分钟）——监控 运行 bee/campaign-monitor。Monitor 拉取昨天的广告数据，对照阈值，给出建议。你看一眼，决定要不要执行。这就是每天花在投流上的时间。
系统的三层结构
Brand OS 运转起来，背后有三层：
第一层——数据层（context.json）：品牌所有"已知信息"，是每个 skill 工作的原料和存档。
第二层——执行层（22 个 skill）：每个 skill 知道自己该读哪个字段、写哪个字段，互相不干扰，但信息流通。
第三层——判断层（你）：campaign-monitor 给建议"加预算"，但不会自动动你的钱。ad-launcher 建的 campaign 默认 PAUSED，你去平台后台确认后才启用。cold-email-sequence 只建 Gmail 草稿，你检查完了才发。
这个设计是故意的——AI 处理信息、生成内容、跑数据分析，这些它比你快。但"这笔预算值不值得加"这个判断，需要你对自己的资金状况、对品牌的长期感觉、对当下平台气候的理解。AI 没有这些，你有。
系统减少的是你的体力劳动和信息搬运，不是你的大脑参与。
系统化之后的实际感受
最直观的好处是：项目可以中断。
以前中断三个星期（出差、生病、忙别的），回来基本要重新找感觉：上次调研的结论在哪？文案写到哪了？Listing 发了没有？
现在打开 context.json，30 秒内就能知道这个品牌在哪个阶段：Hound 段有数据说明调研做了，Rabbit 段有 listing ID 说明上架了，Bee 段的 campaign 记录告诉我上次投流什么结果。然后直接接着做。
第二个好处是：多品牌不乱。同时跑 4-5 个客户品牌，每个都在 customers/<brand>/ 下有自己的文件夹和 context.json，完全独立，数据不会串。
本课作业
画出你的"一周工作流"——用一张简单表格，标出：
| 时间 | 运行哪个 skill | 预期产出 | 你需要做什么判断 |
|---|---|---|---|
| 周六上午 | market-scout | 调研更新 | 确认关键词方向 |
| 周六下午 | social-post | 本周内容 | 检查语气是否合适 |
| … | … | … | … |
不需要完美，能跑起来就行。发到学习群，看看大家的工作流有什么不同。