內部 AI 工具的使用流程混亂
每個團隊、每位操作者各自用不同的提示詞、工具與步驟去跑同一件事——產報表、做競品、找 KOL。流程沒有標準，結果無法複製，新人無從上手，知識也無法沉澱。
Pain Points
AI 時代的數據治理斷點
當代理商與品牌客戶爭相導入 AI，最先撞上的不是「模型不夠聰明」，而是資料根本還沒準備好餵給 AI。具體呈現為三個系統性痛點：
資料的斷點不統一
廣告成效散落在 Meta、Google、GA4；社群聲量散落在 Threads、Instagram、Facebook；競品與 KOL 資料又分散在各個來源。欄位、單位、命名、抓取方式都不一致，形成一個個資料孤島，每次分析都要從頭手動拼接與清理。
產出規格不一致
同一家公司、同一個客戶，這個月的報告長一個樣、下個月又長另一個樣；甲做的簡報和乙做的版型、配色、字型、指標定義全都對不起來。對外不專業，對內也無法比較。
這些斷點，正是 AI 無法被真正用好的根因：餵給 AI 的資料若是雜亂、斷裂、格式不一，AI 的產出就會不穩定、不可信、甚至出錯。Tagtoo Agency Harness 的開源，正是為了從源頭解決這件事。
How It Works
統一收集 → 清洗成 AI 可用格式 → 標準化產出
核心價值，是把「資料收集」與「資料清洗」這兩個最容易出錯、最沒有標準的環節徹底統一化。
- STEP 1
統一資料收集
Meta／Google／GA4 廣告成效、Threads／IG／Facebook／TikTok／YouTube 社群與創作者、競品廣告、零售面板、DXP 受眾——所有資料來源一律透過 Tagtoo 託管的 MCP 連接器，以單一、一致的介面取得。不再有人各自寫爬蟲、各自管金鑰、各自處理 403 與分頁。
- STEP 2
清洗成 AI 可用的格式
原始資料經過工作流程的分析配方，被清洗、去重、對齊欄位與單位，整理成結構化、AI 能直接消化的中介格式：統一的分析 JSON、聲量彙整表、KOL／競品 schema。AI 代理人拿到的不再是雜亂的原始回傳，而是乾淨、一致、可信的情境（Context）。
- STEP 3
標準化產出
所有簡報透過唯一的品牌主題 tagtoo_pptx.js 渲染（六份位元組完全相同的副本），封面、目錄、章節、配色、Logo、字型完全一致；內建內容感知字型選擇器（英文 Arial／中文 PingFang TC），杜絕中英混排的字元重疊與亂碼。
設計哲學：廣度覆蓋（Breadth of Coverage）
不是把單一功能做到極深，而是把代理商每天重複的日常工作流程，整合成一套開箱即用、共享最佳實踐的標準化技能庫。新進人員能立即上手，工程師仍保有完整客製化彈性，徹底終結整個產業「每天重造輪子」的浪費。
Workflows
六大標準化工作流程
每個工作流程都是自我完備的模組：附帶給人看的 README.md、給 AI 代理人看的 AGENTS.md，以及對話式 SOP instruction.md。
ad-report 廣告成效報告
讀取客戶的 Meta Ads、Google Ads、GA4 的 CSV 資料，自動產出月報／季報／週報 PPTX、每日廣告健檢 HTML 報告，並即時回答廣告問題。支援 20+ 種 CSV 資料類型、10 種分析面向，以及 ROAS／CPA／CTR／VTR 等完整 KPI 計算與環比分析。
brand-voice-analysis 品牌聲量分析
跨 Threads 與 Instagram 收集第三方品牌提及，分析情緒、聲量佔比與話題。以「名稱＋hashtag」雙訊號收集去重，可同時對比 1–4 個品牌（客戶＋競品）。
competitive-analysis 競品廣告素材分析
收集競品的廣告投放、素材主題、版位與社群互動，組成「你的品牌 vs 競品 vs 領導者」比較簡報，涵蓋 Google（搜尋／GDN）估計成效，附必備「廣告素材截圖」頁。
retail-analysis 零售銷售競品分析
以 Tagtoo 零售面板資料，比較客戶商品／品類銷售表現與市場差距。
零售面板為專有付費資料，需另行索取。
dxp DXP 受眾選擇器
視覺化 HTML 介面（中英文版），讓非技術人員瀏覽、篩選 Tagtoo DXP 受眾分群（第一方／第二方／零售夥伴站內），選定後觸發下游受眾報告。
受眾「目錄」UI 為刻意開源；受眾「成員」與啟用資料為專有。
kol-recommendation KOL 推薦
依產業類別（10 類）在 IG 與 Threads 搜尋具業配經驗的網紅，偵測業配信號（中英文）、依追蹤數排序，為每位 KOL 產出含大頭照、貼文截圖與「適配理由」的推薦簡報。
伺服器端圖片管線
所有社群圖片（大頭照、貼文縮圖、廣告素材）一律透過連接器的 download_media MCP 工具於伺服器端抓取並回傳 base64，繞過 IG／Facebook CDN 對前端抓圖的 403 封鎖，確保截圖能穩定嵌入簡報。
Architecture
三層式架構
責任清晰、單向依賴：客製層 → 技能層 → 工具層。下層對上層一無所知，讓工作流程邏輯與資料來源徹底解耦——這正是「資料一旦統一收集、就能跨客戶重複使用」的架構基礎。
01
客製層
Customization各客戶專屬設定與提示詞（不在公開倉庫）。
02
技能層
Skills本開源倉庫——收錄跨客戶共用的工作流程、分析配方與報告模板。
03
工具層
Tools以 MCP 協定封裝的私有伺服器：Tagtoo Social API Connector、gcs-mcp、Google Drive MCP。
Open Core
開放核心（Open-Core）商業模式
工作流程邏輯、分析配方與報告模板全部以 Apache 2.0 開源——目的是取得市場能見度，讓亞洲從業者能輕鬆閱讀、改寫並貢獻；Tagtoo 真正的護城河是資料與託管基礎設施。倉庫內沒有任何 API 金鑰、也沒有免費本機爬蟲層——要端到端執行任一工作流程，必須取得 Tagtoo Social API Connector 的存取權（向 Tagtoo 索取），或自行架設等價 MCP。部分資料來源（零售面板、進階 DXP 分群）為專有付費資料。
Tagtoo Social API Connector
工具層的核心 MCP 伺服器，部署於 Google Cloud Run。將上游社群資料 API 封裝起來、金鑰存於伺服器端，對外提供 Facebook、Instagram、Threads、TikTok、YouTube 創作者查詢，以及伺服器端取圖的 download_media 與圖片代理 /img 端點。
Company & Community
關於 Tagtoo 與社群
本工具組由 Tagtoo Limited（塔圖科技）維護——一家以數位廣告科技與受眾數據（DXP）為核心的台灣公司，業務涵蓋程序化廣告投放與零售／電商數據分析。歡迎以 PR、issue、討論參與。
歡迎的貢獻
- 產業設定模板
- 跨客戶技能與工作流程
- 領域知識
- 非護城河腳本
- 文件
- 錯誤修正
不接受的內容
- 個別客戶設定
- 客戶私有資料
- 託管 MCP 伺服器實作
- 綁定 Tagtoo 專有資料的邏輯
未來方向：AI 經理人／AI 顧問
隨框架成熟，Tagtoo 規劃發展「AI 經理人／AI 顧問」服務，協助沒有程式能力的客戶在框架內建立並維護客製化版本，進一步深化合作黏著度；AI 經理人累積的 know-how 也會部分回饋至開源技能層。