Karpathy 的 AutoResearch 起效的前提是：你有一个明确的数字可以优化——转化率、通过率，任何可测量的指标。

但大多数营销决策没有这个条件。

什么定位是对的？这版 Landing Page 文案够不够好？这个邮件开头有没有效，还是只是存在而已？

AutoReason 解决的就是这类无法量化的问题。

核心：多智能体对抗循环

第一步：写出初始定位（候选版本 A），或者让一个 Agent 来写。

第二步：一个全新的批评者 Agent 审查 A，把它的弱点全部撕开——哪些是套话，哪些竞争对手可以一字不改地照搬。

第三步：独立的创作者 Agent 读取批评意见，从头开始写候选版本 B。它看不到 A，只能看到批评内容。

第四步：综合 Agent 读取 A 和 B，创作出融合两者优点的 AB 版本。

第五步：盲裁判组——三个全新的 Agent，分别给 A、AB、B 打分，用 Borda 计数法。它们不知道自己评的是哪个版本。

第六步：胜者成为新的 A，循环继续。

第七步：当 A 连续两轮没有被替换过，你就得到了最终输出。

关键设计：全流程隔离

每个角色都是全新的独立 Agent。批评者没有通道接触创作者，裁判看不到批评者的推理过程——轮次之间没有任何信息泄露。

这解决的是常见问题：一个 Agent 反复改自己的稿子，最后只是在自己的第一个想法里打转。

AutoReason 构建的是结构性对立。B 在与 A 竞争，裁判是盲的，能活下来的才是真正强的。

知识层：把历史数据变成判断依据

这个框架真正有价值的一步：给批评者和裁判喂真实的历史表现数据。

知识层包含的内容：

  • 过往营销活动的真实数据：打开率、点击率、分众转化率、什么动作真的带动了营收
  • 有效文案和无效文案：38% 打开率的标题和 12% 打开率的标题，区别在哪
  • 用户调研：用户在评论里怎么描述你、支持工单里反映了什么问题、Reddit 上怎么聊你
  • 竞争对手定位：他们怎么描述自己，你们的信息重叠在哪里、差异在哪里
  • 品牌声音规则：哪些词汇、语气、模式听起来像你，什么听起来像任何公司

有数据支撑的批评听起来是这样的：

「这封邮件标题的写法，读起来像是我们平均 12% 打开率的那类标题，不是 38% 那类。」

而不是：

「这个标题我觉得不太好。」

与「让 AI 改得更好」的根本区别

普通的做法是问 AI：「帮我把这段话改得更好。」

AutoReason 的本质差异是：它内置了对立。Agent B 与 Agent A 竞争，裁判是盲的，活下来的是经过对抗审查的，不是某个 Agent 的第一反应。

每一次迭代都在剥离套话、精炼独特性。

飞轮效应

每一轮营销活动的结果都沉淀回知识库。下一轮循环时，批评者和裁判拥有更丰富的证据来争论。循环用得越多，它辩论的数据就越扎实，输出质量就越高。

这个框架适合：邮件标题、定位文档、Landing Page 文案、品牌声音规则、营销 Brief——任何「好不好」无法简单量化、但有历史数据可以锚定的创意工作。