Growth Lab

大多数 AI 增长工具是孤立的：文案生成器不懂数据，竞品分析器不会发帖，数据仪表盘里没有策略。Growth Lab 是一个基于 Codex 或 Claude Code 运行的开源框架，将“理解产品—发现需求—采取行动—复盘结果”整合成一个持续学习的闭环。

在这里，对话就是操作入口。你只需告诉 AI 你的目标，它便会读取代码仓库、搜索网络、调用工具、生成内容，并将真实结果沉淀为记忆，指导下一步行动。

核心架构：会话即控制面

Growth Lab 不依赖复杂的后台配置，而是利用现代 Coding Agent 的能力构建工作流：

• Runtime (Codex/Claude Code)：负责执行推理、搜索和文件操作。
• Skill (方法论)：教 AI 如何理解产品、开展研究、选择工具和制定策略。
• Client (外部能力)：通过 MCP 或 API 连接浏览器、数据平台、生图工具和发布渠道。
• Filesystem (长期记忆)：所有产品上下文、研究资料、决策逻辑和运营结果都保存在本地文件中，数据完全归用户所有。

已验证的增长闭环

目前，Growth Lab 已实现两个完整的增长闭环，并在实测中取得了显著效果：

1. 🚀 SEO 页面增长闭环

• 流程：思考用户场景 → 调研真实搜索词 → 生成高信息量 SEO 页面 → 引流至产品。
• 实测效果：新页面 1-2 天内被收录；7 日平均口径下，页面曝光量和点击量提高 1000%，整体 CTR 降低 50%（意味着流量更精准）。

2. 📕 小红书爆款复刻与复盘闭环

• 流程：采集高表现内容 → 拆解可迁移结构 → 创作图文稿 + AI 生图/卡片渲染 → 合规检查 → 发布结果复盘。
• 实测效果：单篇商业化内容最高获得 4000+ 赞/收藏、700+ 评论。(注：最终发布仍由人工完成，确保合规与安全)

为什么选择 Growth Lab？

• 端到端闭环：不再是单点工具，而是覆盖从机会发现到结果度量的全生命周期。
• 自然语言协作：自动化不等于黑盒。你可以随时介入，提供反馈，让 Agent 调整方向。
• 数据主权与开源：所有数据、Memory 和产物保存在你的工作区，无私有格式壁垒，知识自由流动。
• 零配置上手：通过 onboarding Skill 自动审计依赖。只需问 Agent “还缺哪些配置”，它会引导你完成 API Key 或浏览器登录态的设置。

快速开始

1. 克隆项目：

   git clone https://github.com/tsingyuai/growth-lab.git
   cd growth-lab
   

2. 启动 Runtime：使用 Codex 或 Claude Code 打开该目录。
3. 开始对话：
   • “你能做什么？”
   • “理解这个产品，并运行它的第一个增长闭环。”
   • “帮我配置小红书采集和生图；SEO 相关能力暂时跳过。”