你有没有遇到过这种情况，销售说”帮我出个方案，客户明天要”，然后你就开始手动拼 PPT，从公司的产品介绍里摘功能点，对着客户的行业背景硬编几个”定制化价值主张”，最后再调两个小时的排版和配色。说实话，这套流程重复了无数遍，早就该自动化了。

Anthropic 在 GitHub 上开源了一个叫 create-an-asset 的 Skill，目前在 Smithery 上有 151 次安装和 6600+ stars。它的定位很直接：输入你的客户信息、受众类型和交付目标，输出一个可以直接发给客户的品牌化资产页面。支持的格式有四种：

• 互动着陆页：多标签页面，带 Demo 和指标展示
• 演示文稿：线性幻灯片，适合正式会议
• 单页摘要：单屏滚动的高管摘要
• 工作流 Demo：交互式架构图，带动画流程

从文档来看，这个 Skill 的野心不止是”帮你写个文案”。它试图把整个售前资产创建流程塞进一个对话式工作流里，从信息采集一路推到视觉构建，一条龙做完。拆开它的 SKILL.md 之后，有几个设计让我挺意外的。

说真的，这篇文章不是教程，我是把拆完这个 Skill 之后的想法整理了一遍，哪些地方设计得聪明，哪些地方明显有取舍，还有它适合什么场景、不适合什么场景。如果你经常需要给客户出方案或者做技术演示，看完应该能判断这东西值不值得放进你的工具箱。

环境准备

这个 Skill 目前托管在 Anthropic 的 knowledge-work-plugins 仓库里，可以通过 Smithery 安装，也可以直接从 GitHub 拿 SKILL.md 文件。安装只需要一条命令：

curl -o ~/.claude/skills/create-an-asset/SKILL.md --create-dirs \
  "https://raw.githubusercontent.com/anthropics/knowledge-work-plugins/main/sales/skills/create-an-asset/SKILL.md"

安装完成后，Claude Code 会自动发现这个 Skill，你只需要用 /create-an-asset 或者直接说”帮我出个方案”就能触发。前置条件不多，有 Claude Code 环境就行。

有一点值得注意：第一次跑这个 Skill 的时候，它会尝试从你的邮箱域名自动识别你所在的公司和产品。如果你的域名匹配到单一产品公司，它会直接填充卖家上下文，下次再跑会直接确认”还是卖上次那个产品对吧”。如果你的公司是多产品线，或者你自己是咨询/代理机构，它会在第一步就主动问你代表哪个产品。

操作流程

这个 Skill 的设计是一个 7 阶段流水线，但真正有意思的不是步骤多，而是每个阶段内部的自适应逻辑。

阶段 0 是上下文收集，也是整个流程里交互最密集的部分。它分四个维度向用户采集信息：

• 客户是谁：公司名称、交易阶段、已知痛点
• 受众是谁：高管、技术团队、运营还是混合
• 目标是什么：首次接触、技术深潜、POC 提案、交易关闭
• 格式选什么：着陆页、演示文稿、单页摘要、工作流 Demo

每个维度都有预设选项，比如交易阶段从首次接触到交易关闭分了六档，受众类型分高管、技术、运营和混合四类。这种预置分类的好处是它不需要用户想清楚”该怎么描述我的受众”，选一个就行，降低了使用门槛。

阶段 1 是自适应研究，这也是整个设计里最让我觉得聪明的地方。它会先评估你提供的上下文有多丰富，如果上传了会议记录和详细痛点，它只做轻量研究填补缺口。如果只有一个公司名字，它会启动完整的研究流程：

• 查年报和投资者演示，了解公司基本面
• 找领导层信息，看 CEO/CTO 最近的公开发言
• 提取目标公司的品牌色，用于后续视觉设计
• 分析所在行业趋势和技术栈现状

研究深度的三级分档让这个 Skill 不会在已经有充分信息的场景下浪费一轮搜索。

阶段 2 到阶段 4 是结构决策、内容生成和视觉设计。这三个阶段按你选的格式走不同的路径。如果你选的是互动着陆页，它会把”公司匹配→方案概览→关键用例→为什么选我们→下一步”这样的板块顺序映射到页面上。选工作流 Demo 的话，它会解析你描述的系统和组件，自动画出架构节点和流程箭头，甚至区分人工交互点和自动化步骤。

阶段 5 是澄清环节，最多问两轮问题，之后如果还有模糊的地方就直接做合理假设并标注”可调整”。阶段 6 交付一个自包含的 HTML 文件，CSS 和 JS 全部内联。阶段 7 支持交付后的迭代修改，改颜色、加板块、修正流程都可以在一个对话中完成。

关键设计

拆完 SKILL.md 之后，有几个设计决策值得单独说一下。

第一个是自适应研究深度的三级分档。Rich 档（有转录、详细痛点）只做轻量填补，Moderate 档（有上下文但无转录）加公司研究和行业背景，Sparse 档（只有公司名）上深度完整研究。这套分档逻辑背后有一个很实际的考量：如果用户已经花了二十分钟上传会议记录，再让 Skill 重新搜索一遍公司基本信息就是浪费算力和时间。但反过来，如果用户只给了一个名字，不深度研究就写不出定制化的东西。这个平衡处理得不错。

第二个是品牌色自动提取。Skill 会尝试从目标公司的网站上提取主色和辅色，失败时按行业给一个默认色板，比如科技类用 #2563eb 和 #7c3aed，金融类用 #0f172a 和 #3b82f6。从设计理念来看，它希望交付的资产看上去是”为那个客户做的”而不是”套了个公司名的通用模板”，品牌色是很低成本但效果明显的一步。

第三个是格式路由的四选一设计。不是所有销售场景都适合同一类资产，高管对齐需要简洁的着陆页带 ROI 计算器，技术深潜需要带动画的工作流演示，正式会议需要线性幻灯片，留存材料需要单页摘要。SKILL.md 里为每种格式设计了不同的板块结构和受众调整策略，高管受众的资产以业务影响和 ROI 开头，技术受众的资产以架构和安全开头。这种按受众切换信息优先级的设计比”统一模板改改内容”要靠谱得多。

不过也有一个明显的 trade-off：两轮澄清问题的硬上限。这个设计保证了流程不会变成冗长的需求访谈，但代价是如果用户给的信息确实不够，Skill 只能做假设并标注。对于第一次用这个 Skill 的人，这可能导致第一版资产和预期差距不小，需要靠阶段 7 的迭代来修正。

使用场景

说几个这个 Skill 比较匹配的实际场景。

SaaS 公司的售前做 POC 提案是个典型场景。你刚跟客户做完一次技术沟通，对方提到了几个具体的痛点和现有系统的痛点，你的下一步是发一个正式的 POC 提案。用 create-an-asset，你输入客户公司、交易阶段选 POC/Pilot、受众选技术团队和目标选”POC proposal”，它输出的着陆页会自动包含以下内容：

• 范围定义：POC 覆盖哪些功能模块
• 成功标准：量化的验收条件
• 时间线：分阶段的里程碑
• 团队构成：双方投入的人员角色
• 投资概览：资源需求预估

从 SKILL.md 的结构来看，它预设的 POC 提案板块设计是经过精心组织的，不是简单拼接。

另一个典型场景是技术架构演示。如果你的产品涉及多个系统的集成，需要向客户的技术团队展示数据流和交互点，工作流 Demo 格式可以直接根据你描述的系统组件生成交互式的架构图。SKILL.md 里为这个格式专门设计了组件节点系统，支持人工交互、API 调用、数据库读写等七种组件类型，各带不同图标。你只需要说清楚有哪些系统和它们之间怎么连接，Skill 负责画出来并加上动画。

不过也有一些场景不太适合。如果你的客户需求特别复杂，涉及多部门多决策链，两轮澄清可能不够。如果对方公司的品牌色提取失败，默认色板虽然按行业分了档，但跟实际偏差还是可能不小。还有一个现实限制：它只输出 HTML 格式，如果你的客户要求 PDF 或者 PPTX，需要额外转换。

洞察与反思

拆完这个 Skill 之后，有几个想法不吐不快。

这个 Skill 最核心的价值不是”自动化生成了页面”，而是它把售前资产创建这个流程从”每次重新想一遍”变成了”填参数就出结果”。从 SKILL.md 的设计来看，它在标准化和定制化之间找了一个不错的平衡点，预定板块结构保证基本质量，品牌色和受众调整保证个性化。但这个平衡点不是所有人都能直接用的，如果你对销售的认知跟 Skill 预设的不一样，第一版的契合度可能不高。

我觉得最有意思的其实是”自包含 HTML”这个交付格式的选择。没有外部依赖，没有构建工具，打开浏览器就能看。这个选择排除了很多复杂性和潜在故障点，比如 CDN 挂了、NPM 包版本冲突、部署流程不通。但代价也很明显，PDF 导出要额外处理，不支持真正的多页面导航，也没有响应式的精细控制。这是一个典型的”先保证能跑通”的设计哲学。

说实话，这类”销售资产自动化”的 Skill 放在一年前我可能觉得是个噱头，毕竟那时候大部分 AI 输出的东西模板感都很重。但从这个 SKILL.md 的详细程度来看，它确实正视了”如何让资产看起来是定制而非套模板”这个问题。它的每个设计环节都在为同一个目标服务：

• 自适应研究：信息多就轻量补充，信息少就深度挖掘
• 品牌色提取：自动从目标公司网站拉取品牌色板
• 受众调整：高管看 ROI，技术看架构，各自走不同的信息路径
• 两轮澄清上限：不做冗长访谈，但留足修正空间

话说回来，当大部分售前团队都在用类似的工具时，”定制化”的天花板就会被拉高，曾经让人觉得惊喜的品牌色自动匹配可能变成基本配置。到那时候，差异化可能回到最原始的问题上：你对客户的理解到底有多深，你的产品到底能不能解决他们的问题。

资源地址

总结

回到最开始的问题：做售前交付物这件事，到底能不能让 AI 替你完成 80% 的工作？从 create-an-asset 的设计来看，那 80% 包括这些部分：

• 页面结构和板块编排
• 排版和视觉层次
• 品牌色彩的自动匹配
• 内容框架的快速搭建

这些确实可以自动化，而且它做到了不错的程度。剩下 20% 是你对客户的深度理解、你在跟客户沟通中捕捉到的那些没说出口的需求、你对行业的判断，这些东西现阶段仍然需要人。

如果让我给一个使用建议，那就是第一次用的时候多给它信息，尤其是会议记录和客户痛点描述。上下文越丰富，自适应研究越轻量但越精准，出来的资产更接近你想要的。别只给一个公司名就指望它读心。

换一个角度想，这类 Skill 的出现其实在推着一个更根本的变化：售前的工作重心可能正在从”制作交付物理解客户”倾斜。能自动化的东西越多，不可自动化的判断力就越值钱。