claude-ads
AgriciDaniel/claude-ads加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象这样的场景：一家拥有10个客户账户的PPC广告代理商，每周要为每个账户做一次完整的付费广告审计——按照传统方式，每个账户需要4到6小时的高级竞价专员时间。这意味着每周至少要投入40到60小时的人工。2025年，一位名叫AgriciDaniel的独立开发者决定把这个重复劳动自动化。他将自己在广告行业积累的250多条审计规则，注入到Claude Code CLI中，打造出了Claude Ads——一个能在大约10到15分钟内完成全平台广告审计的AI Agent技能。
这个项目在GitHub发布后迅速获得了5000多星，成为Claude Code生态中最受欢迎的付费广告工具。MIT许可证，纯本地运行，数据不会离开用户的电脑，所有审计逻辑透明可见。
图1：Claude Ads项目Banner，终端风格的动态渐变Logo
付费广告（PPC，即Pay-Per-Click）是数字营销的核心手段。Google Ads、Meta（Facebook/Instagram）、YouTube、LinkedIn、TikTok、Microsoft（Bing）、Apple Search Ads、Amazon Sponsored Ads——一个中型企业往往同时运营5到8个广告平台，每个平台有数百个广告系列和数千条广告。每个季度做一次全面审计已经是奢侈品，更别说每周审计了。
问题的核心在于：广告审计需要「懂行」。它不是简单地看看点击量和转化率，而是要检查账户结构是否合理、关键词策略是否过时、广告创意是否疲劳、受众定向是否重叠、归因模型是否准确——250多项检查，每一项都需要专业知识。
Claude Ads解决的正是这个问题：它把竞价专家的经验变成可执行的AI Agent规则，嵌入到Claude Code的工作流中。用户只需提供广告平台账号的访问权限，Claude Ads就能自动完成全平台扫描、打分，并生成一份有优先级的整改行动计划。
如果把Claude Code比作一位「AI程序员」，那么Claude Ads就是给这位程序员配备的「广告行业专用工具箱」。就像一个资深后端工程师在写代码时需要一套趁手的IDE插件，这位工程师在面对广告账户审计任务时，也需要专门的技能包来理解广告行业的术语、逻辑和最佳实践。
Claude Ads就是这个「技能插件包」——它包含了22个专业子技能、10个AI Agent、12个行业模板，覆盖Google、Meta、YouTube、LinkedIn、TikTok、Microsoft、Apple、Amazon八大平台，提供250多项加权审计检查。
Claude Ads的审计覆盖范围令人印象深刻。以Google Ads为例，检查项目包括：广告评级因素、质量得分、出价策略合理性、关键词匹配类型、广告扩展使用情况、受众信号设置，以及AI Max（Google最新AI广告系列）的专项分析。Meta Ads则深入Andromeda（Meta的新版广告架构）和GEM（Google Empirical Model）评分体系。
每个平台有独立的子技能目录（skills/ads-google/、skills/ads-meta/等），各自维护该平台的专项检查逻辑。审计结果以0到100的加权评分呈现，并附有明确的优先级排序——哪些问题必须立即修复，哪些可以缓一缓，一目了然。
项目采用「编排层-执行层」分离的3层架构。顶层是ads/SKILL.md作为入口路由，中间层是10个专项Agent（6个审计Agent + 4个创意Agent），底层是22个原子子技能。审计任务启动时，编排层会并行调度多个Agent同时工作：预算审计Agent、分析归因Agent、追踪合规Agent同时运行，最后汇总结果。这比传统串行审计快5到8倍。
除了审计，Claude Ads还提供创意生成能力。4个创意Agent（视觉设计师、格式适配器、文案撰写员、创意策略师）可以根据审计结果自动生成广告文案和图片建议。图片生成默认使用banana-claude（一个本地AI图像生成工具），也支持降级到Google Gemini、OpenAI GPT-image-1或Stable Diffusion。生成的广告素材会经过格式适配——横版、竖版、正方形各种尺寸自动适配不同平台要求。
审计结果可以导出为PDF报告。使用Python的ReportLab库生成矢量PDF，配合Matplotlib绘制健康评分仪表盘和平台评分柱状图。报告包含：整体评分、各平台评分详情、关键问题列表、优先级整改计划。
claude-ads/
ads/ # 主入口Skill（编排层）
SKILL.md # 路由表和核心规则
references/ # 25个知识参考文件（按需加载）
research-sources/ # 数据源配置
skills/ # 22个原子子技能（执行层）
ads-audit/ # 全平台综合审计
ads-google/ # Google Ads专项
ads-meta/ # Meta Ads专项
ads-youtube/ # YouTube Ads专项
ads-landing/ # 着陆页分析（含Playwright截图）
ads-creative/ # 创意质量评估
ads-photoshoot/ # AI素材拍摄
...（共22个）
agents/ # 10个AI Agent定义
scripts/ # Python执行脚本
analyze_landing.py # 着陆页分析
capture_screenshot.py # Playwright网页截图
generate_report.py # PDF报告生成
generate_image.py # AI图片生成
evals/ # 创意质量评估数据集
install.sh # 一键安装脚本
项目的Python依赖非常克制，仅包含必要的包：
capture_screenshot.py）整个项目的核心是「规则引擎」而非「机器学习模型」，安装简单，响应快速。
capture_screenshot.py使用Playwright对广告着陆页进行截图分析。Claude Ads不仅分析账户后台数据，还主动抓取广告实际展示的着陆页，检查页面加载速度、视觉内容、品牌一致性。这相当于「现场勘查」，比单纯看后台数据更有说服力。
Claude Ads的部署非常简单——一条命令即可：
bash -c "$(curl -fsSL https://raw.githubusercontent.com/AgriciDaniel/claude-ads/main/install.sh)"
安装脚本会自动检测用户的Claude Code安装路径（~/.claude/skills和~/.claude/agents），将所有Skill、Agent和脚本文件复制到正确位置，并安装Python依赖。
安装脚本还支持多个目标平台（实验性）：Claude Code（已验证）、OpenAI Codex CLI、Cursor IDE、Windsurf IDE、Gemini CLI、Goose CLI。除了Claude Code外，其他平台的兼容性均为「实验性」级别。
需要注意的是：这是一个纯CLI工具，没有Web界面。用户需要通过命令行与Claude Code交互来启动审计任务。
部署前置条件：Python >= 3.10、Git、Claude Code CLI已安装并配置、目标广告平台的API访问凭证。
Claude Ads并非银弹，有几个明显的局限性：
第一，数据获取依赖各平台API。审计质量直接取决于能否成功连接广告平台API。部分平台（如TikTok）API变化频繁，审计规则需要持续维护。
第二，创意生成的AI图片功能需要额外配置。默认的banana-claude需要单独安装，如果不配置AI图片生成能力，相关子技能的图片生成功能将不可用。
第三，评分体系的主观性。250多项检查的权重分配来自作者的行业经验，不同行业、不同时期的最佳实践并不完全一致。用户需要结合自身业务判断，不能盲目照搬。
Claude Ads的5000多星不仅仅是数字，它代表了一个趋势：AI Agent正在从「通用助手」进化为「行业专家」。
传统软件的做法是：把人类专家的知识编码成软件逻辑，用户被动使用软件提供的功能。Claude Ads的做法是：把专家知识编码成AI Agent的行为规则，用户通过自然语言与Agent对话，Agent自主完成复杂的多步骤任务。后者的灵活性远高于前者——用户可以用自然语言追问「帮我只审计Google Ads中移动端的广告表现」，这种粒度的需求在传统软件中几乎不可能实现。
MIT许可证允许任何人免费使用、修改、商业化。这与广告行业的现状形成对比——大多数广告优化工具都是SaaS订阅模式，数据要上传到第三方服务器。Claude Ads的纯本地运行模式，给注重数据隐私的企业提供了一个可信的替代方案。
如果你正在运营任何规模的付费广告账户，或者为客户提供广告优化服务，Claude Ads值得尝试——它不会取代你的竞价专业知识，但它可以把你从繁琐的手工审计中解放出来，把精力集中在真正需要人类判断的策略决策上。