我把 TikTok 运营塞进了 Codex：选品、拆账号、找达人，一句话跑完整个流程
作者 aron厚玉 将 TikTok 运营核心工作流（选品 · 店铺分析 · 达人匹配 · 账号诊断 · 类目研究 · 增长规划）封装成四套 Codex Skill，结合达人精灵 MCP 获取真实 TikTok Shop 数据，从”一句话需求”自动跑完完整的 7 天 / 30 天运营方案。
基本信息
- 作者：筱筱，aron厚玉
- 来源：人人都是产品经理（woshipm.com）
- 发布时间：2026-07-27
- 字数：约 3,813 字
- 原始链接：https://www.woshipm.com/ai/6436076.html
核心观点
-
Skill 化运营工作流是 Agent 落地的正确姿势：arry 将 TikTok 运营拆解为 4 个独立 Skill——tiktok-shop-operator（商品运营）、tiktok-account（账号诊断）、tiktok-category-strategy（类目研究）、tiktok-growth-plan（增长计划），每个 Skill 固定查询顺序、筛选逻辑、数据优先级和输出格式，确保可复现、可交接。
-
MCP + Skill + Codex 三层架构清晰分工：达人精灵 MCP 提供真实 TikTok Shop 数据（商品价格/评分/销量、店铺信息、带货视频、达人粉丝数/互动率/成交能力、视频字幕）；Skill 定义方法（查询顺序、筛选条件、证据要求、缺失处理）；Codex 负责理解需求并执行——检查 MCP 工具、组织查询分页、筛选关联排序、标记时间地区、输出可执行的运营任务。
-
四套核心 Skill 覆盖全运营链路：
tiktok-shop-operator：商品筛选 → 标杆店铺 → 带货视频 → 达人匹配 → 字幕拆脚本 → 7 天执行方案tiktok-account-audit：分析公开账号的定位/内容支柱/增频率/爆款结构，输出未来 7 天优化动作tiktok-category-strategy：研究一个类目值不值得进入——从商品/店铺/内容/达人维度找证据，给出差异化定位和前三个验证动作tiktok-growth-plan：判断账号与类目适配度，输出 30 天增长计划（保留/停止/新增内容，三条可选路径）
-
拆解了交流比 Prompt 更可靠的方案：没有前置数据支撑时，AI 仍然会产生幻觉给出不准确信息——达人精灵 MCP 填补了数据空缺。同时，大部分运营人员不知道自己应该做什么、下一步执行什么——Skill 将流程固定下来，每一步都清晰可见、可追溯。做成 Skill 后还可以方便其他人复用。
-
实操导向强，带有大量可复制素材：文章最后附了 12 个可直接复用的完整 Prompt 模板，覆盖选品、店铺研究、爆款视频、达人反推、脚本分解、完整闭环、账号诊断、多账号对比、类目进入研究、类目内容机会、账号与类目适配判断、通用自动识别——加上代码块中的克隆和配置指令，是完整的操作手册。
实操作内容保留
安装步骤
# 克隆仓库
git clone https://github.com/aronhy/tiktok-agent-skills.git
cd tiktok-agent-skills
# 将 Skill 复制到 Codex Skills 目录
mkdir -p ~/.codex/skills
cp -R skills/tiktok-shop-operator \
skills/tiktok-account-audit \
skills/tiktok-category-strategy \
skills/tiktok-growth-plan \
~/.codex/skills/
# 刷新或重启 Codex，让 AI 重新发现 Skill野生精灵 MCP 配置
在 mcp.json 中配置两个 MCP 服务（不包括真实凭据）：
kss-universal：https://mcp.kolsprite.com/universal/mcpkss-caption：https://mcp.kolsprite.com/caption/mcp
认证使用 Header 名 secret-key。MCP Key 和普通 API Key 不是同一个凭证，不能混用。
野生精灵 API 文档：https://o.kolsprite.com/doc/api.html
12 个可直接复用的 Prompt 模板
1. 商品选品
使用 $tiktok-shop-operator 查找<国家/地区>的<目标类目>商品。
筛选条件：
– 价格：<价格区间>
– 评分：<最低评分>
– 时间窗口：<近7天/近30天>
– 重点关注：销量、销售额和增长率
请按照销售额降序排列，结果前置，并说明数据范围、统计周期和数据完整性。
2. 标杆店铺研究
使用 $tiktok-shop-operator 查找<国家/地区><目标类目>中销量较高、评分在<最低评分>以上的店铺。
输出店铺名称、店铺链接、评分、商品数量、销量、销售额、达人数量和视频数量，并总结每家店铺主力价格带和核心商品。
3. 查找爆款带货视频
使用 $tiktok-shop-operator 查找商品"<商品名称或商品链接>"的相关带货视频。
筛选近<时间范围>销售额超过<金额>的视频，按照销售额降序排列。
输出视频链接、达人、发布时间、播放量、互动率、销量和销售额，并总结这些视频共同使用的 Hook、卖点和演示方式。
4. 从视频反查达人
使用 $tiktok-shop-operator 分析"<商品名称或商品链接>"的带货视频，并找出相关达人。
筛选视频销售额超过<金额>的达人，按照成交表现排序。
输出达人主页、粉丝量、平均播放量、互动率、历史带货表现和代表视频，并给出合作优先级。
5. 提取物字幕并拆解脚本
使用 $tiktok-shop-operator 提取这个 TikTok 视频的字幕：
<视频链接>
输出：
1. 原始字幕
2. 中文字幕
3. 开头 Hook
4. 用户痛点
5. 核心卖点
6. 证明或演示方式
7. CTA
8. 可以复用但不直接照片的脚本结构
6. 完整商品运营闭合
使用 $tiktok-shop-operator 围绕<国家/地区>的<目标类目或商品>完成一次 TikTok Shop 运营研究。
按照以下流程执行：
选品 → 标杆店铺 → 爆款带货视频 → 达人 → 字幕拆解 → 行动方案
最终输出选品结论、达人优先级、内容方向、三个推荐 Hook，以及未来7天的执行。
7. 竞争对手账号诊断
使用 $tiktok-account-audit 分析这个公开 TikTok 竞争对手账号：
<账号链接>
请分析账号定位、目标用户、内容支柱、更新频率、爆款视频结构、常用 Hook 和增长机会。
结果前置，先告诉我：
1. 这个账号做对了什么
2. 哪些方法值得借鉴
3. 哪些内容不适合直接照搬
4. 未来7最应该执行的三步
8. 多个竞争对手账号对比
使用 $tiktok-account-audit 分析下面这些公开 TikTok 账号：
<账号链接1>
<账号链接2>
<账号链接3>
比较它们的定位、内容支柱、爆款结构、更新节奏和互动表现。
最后总结：每个账号最强的内容方向、公用的内容公式、市场未覆盖的内容缺口、可验证的三个差异化方向。
9. 新类目进入研究
使用 $tiktok-category-strategy 研究<国家/地区>的<目标类目>。
结合商品、店铺、视频、达人和用户需求进行分析。
结果前置，先回答：
1. 是否建议进入
2. 最值得关注的价格带和细分类目
3. 市场竞争是否过火
4. 可采用什么差异化定位
5. 接下来最该验证的三个动作
10. 类目内容机会研究
使用 $tiktok-category-strategy 分析<国家/地区><目标类目>的 TikTok 内容机会。
重点研究：当前常见内容主题、爆款视频结构、用户常问问题、未被充分满足的内容需求、适合新账号测试的方向。
最终生成 10 个选题和 3 种可以连续制作的内容系列。
11. 账号与类目适配判断
使用 $tiktok-growth-plan 分析这个账号是否适合进入<国家/地区>的<目标类目>：
账号：<TikTok账号链接>
商业目标：<涨粉/建立品牌/获取询盘/销售商品>
请判断账号现有能力与目标类目的匹配度，输出：
1. 建议进入、暂无进入还是先小范围测试
2. 应保留、停止和新增的内容
3. 账号定位调整建议
4. 三条可选增长路径
5. 未来30天行动计划
12. 通用自动识别 Prompt
请根据以下 TikTok 运营目标，自动选择最合适的 Skill 执行：
<描述你的账号、商品、类目或运营需求>
要求：结果前置，标注数据来源和统计周期，区分观察/推断/假设，明确数据缺失和限制，给出三个可立即执行的动作。
如果缺少的信息会改变核心推断，一次只向我询问一个最核心的问题。
架构: MCP - Skill - Model 分工
| 角色 | 负责 | 关键能力 |
|---|---|---|
| 野生精灵 MCP | 提供数据 | 商品/店铺/视频/达人/字幕查询 |
| Skill | 提供方法 | 查询顺序、筛选逻辑、数据层级、证据要求、缺失处理 |
| Codex | 理解和执行 | 审查 MCP 工具 → 组织查询与分页 → 筛选/关联/排序/核对 → 标记时间/地区/库存窗口 → 输出可执行任务 |
关键概念
- Codex — 执行引擎（已有实体页，需更新）
- Skill — 运营流程化封装（已有实体页，需更新）
- MCP 模型上下文协议 — 数据接入口，野生精灵 MCP 是其具体实现
- 野生精灵（Kolsprite） — TikTok Shop 第三方数据服务商，提供 MCP 接口，输出商品、店铺、视频、达人、字幕数据（新概念）
- TikTok Shop 运营 Agent Skill — aronhy 开源的 4 套 TikTok 运营 Skill 集，是 Skill + MCP 在垂直产业场景的完整落地案例（新概念）
洞察与分析
为社不做 Prompt 而要做 Skill?
作者指出两个核心痛点：
- 没有数据支撑的 AI 输入会产生幻觉——如果只是给 Codex 一段 Prompt”帮我分析某个美区类自”，AI 会编出不存在的数据。野生精灵 MCP 提供了真实数据基础。
- 大部分运营不知道下一步该做什么 — Skill 把运营流程固定下来，每一步都透明、可重复、可交接。
这呼应了 Skill 的核心定位：Skill 是给 AI 的 SOP，将经验变成可重复调用的方法。
Agent + MCP 的垂直行业落地模式
这篇文章呈现了一个完整的落地模式：
- 行业知识人（arrq 导 Shopify 运营经验）→ 数据连接器（野生精灵 MCP）→ 执行器（Model/Skill/Agent）
对比工作中已有案例（AI 营销团队 Skill、会议纪要 Skill、数据可视化 Skill），这套 TikTok 方案的独特之处在于：
- 它是首个 外部商业 MCP 驱动的 Skill 体系（此前 Skill 主要依赖 AI 原生能力和文件操作）
- 它验证了 MCP 的 databased 价值：不是调用工具那么简单，而是让数据源作为 Skill 的输入，替换掉 AI 幻觉数据
背景信息
野生精灵（Kolsprite）是 TikTok Shop 数据服务商，目前提供两种 MCP 服务：
kss-universal（通用查询——商品/店铺/视频/达人）kss-caption（字幕收取——视频文字/时段检测）
GitHub 地址：https://github.com/army3/tiktok-agent-skills（四个 Skill 全部开源）
与其他素材的关联
- 2026-07-19-youtube-codex-ai-marketing-team — 同为 Codex 的多 Agent 编排工作台落地示范，但本篇文章细化在 TikTok 电商垂直行业
- 2026-07-19-juejin-ai-skills-specialized-employee — Skills 的 description 触发机制与动态注入，本文的 Skill 正是此理念的具体产品
- 2026-07-18-bnext-ai-agent-reverse-workflow — 先反向拆解工作流再封装 Agent 的思路，本文做了同样的事（拆解 TikTok 运营 → 封装 Skill）
- 2026-05-11-skill-sop-for-ai — Skill = AI 的 SOP，本文通过 4 个 TikTok Skill 完整验证了这个公式
- 2026-07-23-woshipm-skill-validation-version-handoff — Skill 交接与版本证据，本文的 4 Skill 遵循了可复现、可证明的交付标准
原文精彩摘录
这三者很容易混在一起。可以这样理解：野生精灵 MCP 负责提供数据——商品价格、评分、销量和销售额；店铺评分、商品数量和销售表现；视频播放、互动和带货数据；达人粉丝、平均播放量、互动率和带货能力；指定视频的字幕。Skill 决定查询顺序、筛选逻辑、数据优先级、证据要求、缺失处理和输出格式。Codex 读取自然语言需求和 Skill，再检查 MCP 当前提供的工具、组织查询和分页、筛选/关联/排序/核对数据、标记时间/地区和统计窗口，最后把结果整理成可以继续执行的运营任务。
因为在使用 Codex 做运营的时候发现了几个问题：没有前置数据做支撑，AI 还是会产生幻觉，会给你一些没用的、不准确的信息。这些信息显然不是我们需要的，所以才有了野生精灵的 MCP 给运营做数据支撑。还有，大部分人都不知道自己应该做什么、下一步需要做什么、执行什么——所以才自己做了 Skill，让这些逻辑可以固化为流程。每一步都清晰可见。做成 Skill 之后还可以方便其他人使用。