意图驱动的增长中台:从自动化执行到 Agent 深度决策

文章配图 1

这篇是上一篇文章的续作，上一篇讲了如何构建以Agent为核心的“意图驱动”的投放中台，大致描述了整体需要具备的素质和所要经历的阶段，今天我们继续深入探讨这个话题。在后台和私信很多朋友留言和讨论关于怎么具体落的事情，后面我会从技术层开始实践（已经在做了）层面写个系列。今天的这部分我想聊的话题是抛开工具属性谈增长的平台建设，这一点对于已经实现自动的系统来说是一个终极性质的目标，因为我们抛开了工具效率属性开始聊增长，增长平台只对ROI负责，用第一性原理来拆解就是：效率工具是手段而不是目标 。文章只谈感悟和长期目标，短期的问题就在短期内解决，废话不多说我们开始！文章将从生产->投放->商业化变现三个阶段、三个角度解构当下投流增长逻辑，描述一个最符合AI时代增长平台的整体面貌。

一、认知重构：投放工具不应只是“效率套件”

在过去很长一段时间里，我们对投放工具的理解始终停留在“提效”二字。为了解决三方平台操作复杂、内外部数据割裂的问题，我们构建了庞大的工具矩阵。但我逐渐发现，这种定位让系统陷入了一个尴尬的境地：做得越多，残缺感越重。

文章配图 2

1. 业务感悟：被“助手”身份拖累的模块化陷阱

早期我们将工具定位为“助手”，试图通过 API 自动化来复刻投手的每一个动作。

现状是： 当业务跨越混合变现（内购充值+广告联盟）、面对多 SKU 且平台逻辑各异时，为了适配这些差异，我们不断地在系统上“打补丁”。
后果是： 系统变得异常臃肿且脆弱。某些模块为了兼容旧逻辑变得过重，而面对新形态（如小程序漫剧投放）时又显得极其残缺。我们发现自己陷入了“为了自动化而自动化”的死循环——研发资源被无休止的投放模式、 API 适配工作耗尽，却始终无法触达业务的经营核心。

2. 核心想法：从“搬砖插件”向“经营枢纽”的身份转换

我开始意识到，一个有价值的平台，其核心竞争力绝不在于它能多快地自动开关计划，而在于它能否算清“投产总账”。

文章配图 3

投产一体化： 真正的经营不应是“投”与“产”的线性接力。投放策略必须服务于商业化形态和 SKU 本身。
经营枢纽： 我们要构建的不是一个“搬砖插件”，而是一个经营枢纽。这意味着系统必须具备全局视野，将投放端的买量成本、内容端的生产损耗、以及变现端的复合收益（充值+广告）放在一个模型里进行实时博弈。
“投放在前”： 既然最终目标是 ROI，那么投放就不应是链路末端。它是决策的起点，是生产的指挥棒。

3. 现状痛点：自动化规则无法处理的“模糊决策”

文章配图 4

我的自动化经验告诉我，传统的 If-Then 规则引擎在确定性场景下表现优异，但在瞬息万变的漫剧赛道，它正面临“逻辑塌缩”：

规则的死角： 自动化规则只能处理“看到 A 执行 B”。例如：“ROI < 0.8 关停”。
现实的复杂： APP投放中，ROI 的短时波动可能源于广告联盟 eCPM 的瞬时下挫，也可能源于剧情转场导致的留存回撤。这种带有强烈上下文背景的模糊决策，是规则引擎无法覆盖的死角。到底是投关键行为还是投留存、到底关注ROI12h还是关注ROI24h还是关注LT这些指标是产品形态决定的，而对于投放工具而言适配真的很痛苦。
呼唤“大脑”： 我们急需一个能处理非标场景、能理解“为什么不行”并给出策略建议的决策大脑。Agent 的引入，不是为了取代自动化，而是为了给那堆冰冷的执行规则装上一个懂生意、会算账的“经营大脑”。

二、投放在前：从消耗端到增长指挥部的角色易位

在算清 ROI 总账的逻辑下，投放不再是链路的末端，而是驱动全局的“第一推力”。我提出的逻辑重构是：将投放端从“执行者”转变为“定义者”。

逻辑重构：投放数据是驱动生产的“导航仪” 既然目标是算总账，投放就不能只管“买流量”。在 App 竞争进入深水区的今天，投放数据是唯一能穿透市场迷雾的信号。

指导功能与供给： 投放端的反馈直接导向 App 功能的迭代方向和内容的供给侧重点。
从“买量”到“造量”： 以前是有什么投什么，现在是市场需要什么，我们反向要求研发和内容部门提供什么。投放端握有的不仅是预算，更是对用户意图的解释权。

投产一体：端原生生产的“数据实时反馈”

文章配图 5

针对漫剧、短剧等端原生内容，我们将投放 Agent 与内容生产链路进行了深度耦合。生产不再是基于经验的“创作”，而是基于测试的“复刻”。

LoRA 风格测试： 在大规模生产前，Agent 驱动多种 LoRA（微调风格模型） 进行小样投放测试。是韩系质感更吸睛，还是国风写实更出片？数据（CTR/CVR）会给出最诚实的答案。
情节与反转的 A/B Test： 针对同一个剧本，我们通过 AI 生成多套情节走向和反转节点。Agent 监控哪类“钩子”在投放第一秒能留住用户，并迅速将测试结果反馈给生产部门。
本质是指令下发： 每一条高 CTR 的测试反馈，本质上都是投放端下达给 AI 生产线的“确认生产指令”，确保每一帧画面的渲染、每一个情节的生成，都具备确定的转化概率。

代差优势：从“盲目生产”到“意图驱动测试”

文章配图 6

这种思维模式的转变，构建了维度的压制：

传统模式（产了再投）： 靠编剧和导演的“感觉”打赌。花重金制作完成才发现风格或节奏不对，沉没成本极高。
Agent 意图驱动（为了投而产）： 依靠 Agent 在前端进行高频、低成本的意图摸排。
数字化封装： 我们的核心价值是将顶尖投手的“盘感”——即对风格、节奏、爽点的敏感度——转化为一套数字化测试协议。Agent 自动完成“小样生成-投放测试-CTR 分析-生产反馈”的全链路。这种“投产一体化”的敏捷度，让系统在几小时内就能筛选出具备爆款潜力的内容原型，这是传统生产模式无法逾越的护城河。

如果说 App 投放是在优化增长，那么在小游戏赛道，“投放在前”就是立项的唯一标准。 小游戏生命周期短、周转快，本质上是一个“数值套利游戏”，Agent 在这里的介入能实现真正的“未产先知”。

1. 测出来的“玩法供给”

在小游戏立项阶段，我们不再凭空构思玩法，而是通过 Agent 驱动“吸量测试”。

虚构测试（Fake Door Testing）： 游戏核心逻辑甚至还没写一行代码，Agent 就先生成一批代表不同玩法的“素材小样”（如：割草类、塔防类、合成类）投入市场。
意图捕获： 哪种玩法在当前的买量大环境下 CTR（点击率）更低、用户点击后的“预约意图”更强，Agent 就直接定义该玩法为立项方向。这是典型的“流量决定产品”。

2. “副玩法”与“主玩法”的实时动态挂载

小游戏圈有一个经典战术是“挂羊头卖狗肉”（用副玩法素材吸量，进游戏跑主玩法）。

Agent 的敏捷适配： 投放 Agent 监测到某一类“解谜”或“爬塔”副玩法素材突然爆发，会瞬间给到生产端指令：“在游戏加载页或前三关，无缝植入该副玩法模块。”
投产一体： 这种根据买量素材热度，动态调整游戏内关卡逻辑和新手引导的能力，就是“投产一体化”在小游戏里的极致体现。

这个市面上虽然没有践行实际的投放在前策略，但是也影响了相当多的小游戏构建：红裤衩拔插销，国王三消、无尽冬日的各种经营面板、海岛奇兵的各种素材，还有当年疯遍素材界的五星江湖骗子、山海经吞噬异兽等，他们是素材的成功，更说明了投放受众的口味到底是什么。

3. 数值对冲：买量单价 vs. 裂变倍率

小游戏的总账逻辑比 App 更透明。

实时算账： 投放 Agent 接入商业化 MCP 后，不再只看 ROI，它在算一个综合公式：买量成本 < (单用户广告变现收益 + 充值收益) * 裂变系数。
自动化止损与加杠杆： 当 Agent 发现某个素材带来的用户裂变倍率（K值）极高，即便初始 ROI 只有 0.8，它也会识别出这是一个“增长引擎”，从而自动加杠杆。这种对“全口径收益”的动态理解，是靠盯着买量后台的传统投手无法实时计算的。

三、经营策略的差异化：为什么 Agent 必须具备“商业场景感知力”？

在我们的 Infra 体系里，Agent 接入数据后的第一反应不是计算 ROI，而是识别当前的商业化模型。因为相同的 ROI 波动力，在不同的策略背景下，指向的经营动作可能是截然相反的。

1. 广告变现模式：从“ROI 结果”深入“流量生态”

当一个以广告变现（IAA）为主的小游戏或漫剧 ROI 出现波动，Agent 会立即调用 商业化 Tools 进行多维下钻：

人均 eCPM 与 IPU 的解耦： ROI 掉是因为广告联盟的单价（eCPM）崩了，还是因为内容乏力导致的人均观看频次（IPU）下降？
广告预算感知： 联动监测商业化平台的广告预算池波动。如果是全网大促导致的品牌预算挤压，Agent 会判定为“外部环境抖动”，从而维持投放强度以守住流量位；如果是 IPU 掉队，则立刻向生产端发出“内容乏力”的预警。
经营逻辑： 这里 Agent 关注的是“流量周转率”。

2. 充值付费模式：针对“付费卡点”的内容审计

对于短剧或重度付费 App，ROI 只是表象，付费留存与卡点转化才是生命线。

付费情况透视： Agent 调取 Infra 系统中的“付费序列数据”。ROI 掉是因为首冲转化（First-pay）低，还是后续的续充（Repeat-pay）断裂？
卡点联动： 如果 Agent 发现用户在第 8 集（卡点）的付费率远低于历史基准，它会直接定位到这一集的内容表现。
经营逻辑： 这里 Agent 关注的是“价格歧视与内容吸引力”。它下达的指令不是“关停计划”，而是“调整卡点剧情”或“启动定向促活策略”。

3. Agent 的代差优势：针对相同数据的“差异化策略建议”

文章配图 7

这就是为什么传统的自动化平台无法胜任“经营大脑”：

自动化平台： 看到 ROI < 0.8 一律执行关停计划（不论是漫剧还是小游戏）。
Agent 的经营选择：
面对 小游戏：识别到 eCPM 季节性回升，选择“忍受短时亏损，抢占流量高地”。
面对 付费短剧：识别到第 5 集付费率偏低，选择触发内容 Agent 修改卡点，维持小额买量保持热度。

结论： Agent 的能力不在于它跑数据的速度比人快，而在于它能理解数据的“潜台词”。它能针对不同的商业化策略，对相同的投放数据做出完全不同的决策反馈。这才是真正的“意图驱动”——系统理解你的生意模式，并据此给出最符合生意逻辑的操作。

四、能力原子化：模型驱动下的 Infra Tools 策略编排

在 Agent 架构中，如果模型是“大脑”，那么 Infra Tools 就是大脑延展出的“专业触手”。我们的架构演进方向极其明确：执行层（如 OpenClaw）持续减重，而逻辑编排层持续增厚。

文章配图 8

1. 架构演进：从“模拟人”到“调用能力”

之前我还建议用OpenClaw，我们花费大量精力让 OpenClaw 去模拟人的点击、拖拽和看数。在 GPT-5.4 时代，这种“物理模拟”的必要性正在迅速降低。

策略： 我们将重心从“模拟执行”移向了“语义调用”。
意图： 模型不再需要学习如何点开一个页面，它只需要理解“为了算清总账，我需要调用哪些数据包”。OpenClaw 被降维成一个底层的执行网关（Action Gateway），只处理极少数非标的、协议无法触达的末端动作，我保持之前对外部Agent工具能力的质疑：所有的独立Agent都会被融进通用模型的基础能力，GPT5.4已经奔着这个方向去了，所以保留Openclaw只是用来做编排和调度，实际价值还是在增长Agent本身。

2. Tools 资产化：支撑“算总账”的三大能力底座

研发的重心已经从“写业务代码”彻底转向了“维护高质量的原子工具（Tools）”。这些 Tools 是模型感知业务脉搏的唯一来源：

商业化 Tools（经营深度）：
职责： 它不只是同步流水，而是提供广告联盟的 eCPM 实时水位、自建销售渠道的填充率、以及内购充值侧的 LTV 衰减曲线。
核心价值： 让模型能感知到“ROI 掉是因为大盘广告预算波动，还是用户变现生命周期缩短”。
素材Tools（内容深度）：
职责： 抓取用户在评论区的语义分布（如“付费点太坑”、“画风变了”），并关联每一份素材在投放端的 CTR/打点数据。
核心价值： 为模型提供“非标数据的结构化映射”。让大脑理解为什么第 8 集是付费卡点，以及当前的 LoRA 风格是否引起了审美疲劳。
投放 Tools（执行深度）：
职责： 执行多 SKU 场景下的差异化动作。它不再是单一的“关停”，而是包含了“阶梯调价”、“素材自动替换”、“地域权重动态切分”等一系列精细化手段。

3. 协作范式：基于意图的“按需组装”解法

这就是 Agent 碾压传统自动化平台的瞬间：模型基于意图，自主进行 Tools 编排。

传统自动化： 程序员写死逻辑：If ROI < 0.8 Then 调用投放 Tool 关停。这是一种“死连接”。
Agent 协作（GPT-5.4）：

解析意图： “当前 SKU 01 的 ROI 跌至 0.7，请给出提升总账利润的方案。”
自主调度： 模型发现单看 ROI 不行，它会主动调用【商业化 Tool】看 eCPM，发现变现端正常；随即调用【业务Tool】发现用户在骂剧情注水；再调用【素材 Tool】定位到第 3 段分镜问题。（让我幻想下这一步，能不能行还得看我后面的多Agent协作）
生成解法： 模型不会直接关停，而是生成指令：“保持当前出价，但驱动内容 Agent 替换第 3 段素材，并重新计算新素材的 ROI 对冲空位。”

这种“模型提出策略 -> Tools 提供支撑 -> 方案实时落地”的协作范式，真正实现了经营层面的“投产合一”。

五、竞争壁垒：将“经营盘感”资产化为私有 Skill 库

文章配图 9

在 AI 浪潮下，很多人担心模型厂商会通过强大的通用能力抹平一切壁垒。但在深耕漫剧、小游戏等复杂业务后，我的感悟是：通用逻辑的终点，才是私有竞争力的起点。

1. 降维打击：大厂“组织墙”外的总账红利

大厂拥有最强的算力和最多的程序员，但他们有一个天然的软肋——组织墙导致的认知孤岛。

现状： 在大厂内部，投放、内容、商业化分属不同的事业部。每个部门都有自己的 KPI，没人能算清，也没人敢去算那份跨部门的“总账”。
机会： 这正是小团队利用 Agent 进行降维打击的机会。Agent 不受组织架构限制，它能天然地串联起变现、内容、流量的所有数据。这种“跨边界的总账能力”，让小团队能跑出大厂系统完全看不懂的 ROI 曲线。

2. 核心价值：为什么模型厂商不会（也做不到）取代你？

很多人问，如果 GPT 或 Claude 以后自己做了量化、经营 Agent 怎么办？

逻辑差： 模型厂商追求的是“通用性”，他们致力于解决“全人类的知识对答”。而经营增长 Agent 需要的是“垂直领域的深度套利逻辑”。
数据断层： 模型短时间内不会、也没办法去深度适配每个行业的私有 Infra（比如我们商业化 Tools、素材 Tools）。
不可替代性： 真正的壁垒不是代码，而是你封装在 Agent 里的 Skill 库。这套 Skill 库包含：
面对 eCPM 波动时的对冲直觉。
针对不同 LoRA 风格的流量估算模型。
针对短剧付费卡点的干预策略。 这些东西模型厂商给不了，大厂系统跑不动，这才是无法被替代的“经营资产”。 OpenClaw更不会有人开源这些东西

3. 结语：研发的终极使命——连接意图与能力

过去，研发的价值在于“实现功能”；但在 Agent 时代，研发的终极使命是“协议化经营意图”。

转换器： 我们要做的，是将顶尖投手、操盘手脑子里的那种“不可言传的经营盘感”，翻译成 Agent 听得懂的 Skill 协议。
无缝衔接： 通过 构建Tools，将这种“经营意图”与 Infra 系统的“原子能力”无缝衔接。

谁在构建经营增长 Agent，谁就在定义 AI 时代的生意法则。 我们不再只是写代码的人，我们是数字资产的构建者。在这场竞赛中，真正有价值的不是谁的模型更大，而是谁的 Agent 更懂生意，谁能更快地将商业直觉资产化。

最后

好了，以上就是我对意图驱动的增长中台的终极构想，所处视角从经营出发，从生产到投放再到商业化，很多部分可能短时间内无法通过Agent解决和实现，我们就用人先填上，那如果能用Agent的能力跑通成本能Cover，我理解一个较为完整的“意图驱动”中台就走出了第一步。但是还有个问题：AI时代生产创造的什么内容才更容易被消费者认可呢？是电商产品？是小说？是短剧？还是游戏？还是其他从未想象过的东西呢？或许这一切都很有意义，也许并没有意义。

本文首发于微信公众号 kelovp.ai，原始发布时间为 2026年3月7日。查看公众号原文。