Cognition SWE-2 实战：一个提示词搞定产品发布全流程

当发布流程被压缩成一个提示词

独立开发者最头疼的往往不是写代码，而是产品做完之后那一长串发布动作：落地页、邮件序列、跟进工具，每一项都要单独配置。YouTube 上一位创作者给出的思路是，把这些全部交给 Cognition SWE-2（视频中称为 Cognition Suite 2），用的不是复杂的自动化平台，而是一段可以逐字复制的提示词。

这套方法的定位很清晰：一个 60 秒就能讲完的发布手册。核心主张是把 AI 当作"发布工程师"来用，而不是当作写作助手。两种用法的差别在于，前者要求 AI 交付可运行、可测试的完整套件，后者只产出零散文案。

提示词的三个组成部分

视频里给出的提示词块以"You are my launch engineer. Build me a complete launch kit."开头，随后拆成三个部分。这个结构本身就值得注意：它没有要求 AI"帮我写点营销内容"，而是明确划定了交付物的边界。

第一部分：落地页

落地页被要求包含标题、三个卖点和一个邮箱收集表单。数量上的限制（三个卖点）是关键——它逼着 AI 做取舍，而不是堆砌一屏的功能罗列。邮箱表单则意味着落地页从第一天起就承担线索收集的职责，而不是单纯的展示页。

第二部分：七封邮件序列

邮件序列的要求更具体：教学、讲故事，并在第 7 天完成销售转化。把销售动作放在第 7 天而不是第 1 天，符合经典邮件营销的节奏——先建立信任，再提出交易。提示词把"教""讲故事""卖"三种功能分配到同一个序列里，实际上是在要求 AI 设计一条完整的用户心理路径，而非七封互相独立的邮件。

邮件序列（Email Sequence）是用户生命周期营销中的标准组件，指一组按预设时间间隔自动发送的邮件，通常用于新订阅用户的培育（nurture）与转化。经典结构是：前几封以价值输出为主（教学、案例、故事），逐步建立信任与专业形象；中段制造紧迫感或呈现社会证明；末段发出明确的行动号召（CTA）。行业实践中，7 天 7 封是常见节奏，因为它既能保持足够的触达频率，又不会因过度打扰导致退订率上升。把销售动作放在第 7 天，本质上遵循的是“先给予、后索取”的互惠原则，也让订阅者有足够时间完成从认知到决策的心理过渡。

第三部分：未购买用户的跟进工具

第三部分是一个跟进工具，专门触达第 7 天之后仍未购买的人。视频中的描述是，这个工具会找出所有打开过邮件但从未购买的用户。这是一个很聪明的筛选条件：打开行为代表有兴趣，未购买代表有阻力，两者叠加正是最值得二次触达的人群。

“打开但未购买”这类筛选属于行为分群（behavioral segmentation），是邮件营销中比人口统计分群更精准的定位方式。技术上，它依赖邮件打开追踪像素（tracking pixel）记录打开事件，再与订单/支付数据做关联比对，从而得到“有过兴趣信号但未完成转化”的人群。这类用户通常被称为“温热线索”（warm lead），二次触达的转化率显著高于冷名单。常见做法包括发送限时折扣、答疑内容或社会证明，核心是识别并消解其购买阻力。需要注意的是，苹果邮件隐私保护等功能会干扰打开率统计，实际实现时往往需要结合点击行为作为更可靠的兴趣信号。

为什么"测试并汇报"这句话很重要

提示词最后一句是"Keep the words simple. Test everything and report back when it runs."创作者特意强调了这句。

它改变的是 AI 的工作模式。没有这句话，模型倾向于一次性吐出所有内容然后结束；有了这句话，模型被要求在交付前自行验证，并以"能跑起来"作为完成标准。对于落地页和跟进工具这类带功能性的产物，这个约束把输出从"看起来对"推向"实际可用"。

这也解释了为什么创作者反复强调要逐字复制提示词，而不是凭印象改写。措辞里的每一个约束——三个卖点、第 7 天、打开但未购买——都在缩小 AI 的自由发挥空间，换取更可控的结果。

这套方法适合谁，不适合谁

适合的人群特征比较明显：已经有一个可交付的产品，缺的是发布侧的标准化动作，且愿意用邮件作为主要转化渠道。提示词里的所有环节都围绕邮件展开，如果你的转化路径主要靠应用商店或社交平台，第三部分的跟进工具就需要替换。

不太适合的情况是产品尚未定型。提示词假设你清楚要卖什么、卖给谁，AI 负责的是把这套逻辑翻译成页面和邮件。如果定位本身还模糊，生成出来的落地页只会把模糊放大。

一点冷静的判断

单条短视频能承载的信息有限，创作者提到完整的逐步手册放在视频描述里，本期是第 137 期。也就是说，我们看到的是一套更大方法论中的一个环节，而非全部。

从提示词工程的角度看，这套做法真正的价值不在于"一个提示词做完发布"这个说法，而在于它展示了如何用结构化的交付清单来约束生成式 AI：明确分部分、明确数量、明确时间节点、明确筛选条件、明确验收标准。这个模式可以迁移到任何需要 AI 产出成套内容的场景，不只是产品发布。

至于 Cognition SWE-2 在这套流程中具体承担了哪些环节、跟进工具是如何实际实现的，短视频没有展开。想验证效果，最直接的方式还是照着那段提示词跑一遍，看输出是否真的"runs"。

Cognition SWE-2 是 Cognition 公司推出的 AI 软件工程代理模型，定位是端到端完成编程任务，而非单纯的对话式写作助手。它与普通聊天模型的区别在于具备代码执行、文件操作和多步任务规划能力，因而更适合承接“构建可运行套件”这类交付型工作。把发布流程交给这类代理，实际上是把 AI 从“内容生成器”升级为“执行者”，这也解释了提示词中为何强调测试与运行验证——只有具备执行环境的代理，才能真正做到“runs”而不仅是“looks right”。

背景补充

在提示词工程中，这类指令被称为“验收标准”（acceptance criteria）或“完成定义”（Definition of Done）。生成式模型默认的优化目标是产出“看起来合理”的文本，而非“可运行”的产物；一旦把“能跑起来”写入提示词，模型就会被引导去检查链接、表单提交、脚本逻辑等可验证项，并在交付时附带运行说明。这与软件工程中的测试驱动思路一脉相承：先定义什么叫“完成”，再倒推产出。实践中，还可以进一步要求模型列出已测试项与未覆盖项，以暴露潜在缺口。