WantAi · Agent OS for Social Marketing

让品牌的每一次
发声都从同一个大脑出发。

WantAi 是为社媒营销而生的 Agent 操作系统。
它把品牌记忆、市场感知、策略推演、达人匹配、内容生成、发布监控、复盘学习——压缩到一个能自我升级的中枢里。

5 层
系统架构
12
原生 Agent
9 屏
闭环工作台
3.4×
复用效率
Orchestrator · 思考中 12 agents · live
10:31:02brand-memory已加载 Aurelia v0.8 · 1,284 节点
10:31:04market-sensing#静奢风 +18% · 6 平台 live
10:31:08strategy推导命题:静奢 × 夜间家庭
10:31:11creator-match候选 412 → 推荐 45 (3 层)
10:31:14risk回避 Helios 直接对比 · 已注入 brief
10:31:17brief-engine生成 12 变体(4 平台 + 3 达人)
记忆
感知
推演
达人
Brief
内容
监控
复盘
受 12 个品牌与 4 家头部代理商使用中
PRODUCT · 一句话定义

不是工具集合,是会思考的中枢

市面上有内容生成工具、有舆情系统、有达人 BD 平台。WantAi 不是把它们拼起来——它是先有一颗大脑(品牌记忆 + 策略推演),再让每一个执行模块在大脑指令下协同运转。

M

品牌长期记忆

把品牌手册、过往 campaign、客户偏好、风险禁区压缩为可被 Agent 调用的结构化记忆。每一轮都比上一轮更懂品牌。

// brand-memory · 1,284 节点 · 已索引
S

实时市场感知

持续监听品牌、竞品、品类、风险四类信号。把噪声压缩成可决策的"信号摘要",而不是另一个仪表盘。

// 6 平台 · 24h 增量 · SSE
R

策略推演中枢

在记忆与感知之上,把"我们是谁"和"外部正在发生什么"压缩成"这次怎么打"。可对话、可分叉、可复盘。

// strategy v3 · 置信度 0.78
C

达人智能匹配

不只按粉丝和报价排序。调性、人群重合、评论质量、稳定性、风险综合匹配,输出三层组合(策略/放大/验证)。

// creator-match · 412 → 45
B

Brief 编排器

一份主骨架,自动派生平台变体与达人变体。品牌边界与禁用词在生成时注入,执行不走样。

// brief-engine · 12 变体
Q

受控内容生成 + QA

AIGC 不是自由创作。每条内容受品牌 / 策略 / brief / 平台 / 达人 / 风险词六层约束,发布前 8 维度评分。

// content-qa · 8 dim score
L

实时发布监控

不只看数字。还看达人执行是否偏 brief、评论情绪是否异常、平台节奏是否对得上预期。风险即时告警。

// monitor · 偏航检测
F

学习闭环

每一轮结束后,系统在品牌、达人、内容、策略四个维度自我升级。下一轮,Orchestrator 更懂。

// flywheel · 41 条规则写回
O

Orchestrator 总指挥

12 个原生 Agent 在一条流水线上协同。思考过程透明可见,每一步决策有据可查、可被纠偏。

// orchestrator · 8 stage pipeline
ARCHITECTURE · 五层系统

记忆学习
一条贯穿到底的中枢。

WantAi 不是一个工具,是一套有结构的系统。五层架构清晰对应"我们是谁 → 外部正在发生什么 → 这次怎么打 → 怎么落地 → 如何变得更聪明"。

L1 · MEMORY
品牌记忆层
把品牌资料、纪要、VI、历史 campaign、客户偏好、风险禁区结构化为可调用的长期记忆。系统的"我是谁"。
doc-parser brand-graph memory-rag
L2 · SENSING
市场感知层
持续监听品牌、竞品、品类、风险四类信号。压缩噪声、提取异动、写入短期上下文。系统的"外部世界"。
signal-ingest trend-cluster risk-watch
L3 · STRATEGY
策略推演层 · 中枢
在记忆与感知之上推导:阶段判断 / 目标优先级 / 人群 / 命题 / 资源配置 / 风险边界。系统的"大脑"。
campaign-agent budget-agent risk-agent
L4 · EXECUTION
执行编排层
把策略翻译成达人组合、Brief 变体、内容草稿、QA 评分、发布日历。每一步都受品牌边界约束。
creator-match brief-engine content-qa monitor
L5 · LEARNING
学习闭环层
本轮结束后,把品牌、达人、内容、策略四类学习写回长期记忆。系统的"自我升级"。
attribution writeback flywheel
WORKFLOW · 8 阶段闭环

资料入库记忆写回
一条流水线跑完一个 Campaign。

点击任意阶段查看说明。每一段背后是 1–3 个原生 Agent 在协同。

01
品牌记忆构建
资料入库 · 图谱化
02
市场感知
信号采集 · 异动识别
03
策略推演
六项核心判断
04
达人匹配
三层组合 · 风险评级
05
Brief 编排
主骨架 + 平台/达人变体
06
内容生成 + QA
受控 AIGC · 8 维度评分
07
发布监控
实时表现 · 偏航告警
08
复盘学习
写回长期记忆
PRODUCT · 9 屏工作台

一个工作台,串起策略人员的一整周

每一屏对应工作流的一个阶段。共享同一个品牌记忆与思考栏,切换不会失去上下文。

01 · OVERVIEW
仪表盘
当前 campaign 在哪一段 · 健康度一屏看清
02 · MEMORY
品牌记忆
资料 → 知识图谱 · 可被 Agent 调用
03 · SENSING
市场感知
品牌 / 竞品 / 品类 / 风险 四通道
04 · STRATEGY
策略推演
与 Campaign Agent 对话 · 分叉版本
94
88
82
76
05 · CREATORS
达人匹配
三层组合 · 多维评分
变体
06 · BRIEF
Brief 编排
Master + 平台/达人变体
92
07 · CONTENT
内容生成 + QA
8 维度评分 · 修订建议
08 · MONITOR
发布监控
实时表现 + 风险告警
+34%
咨询量
+0.46
情绪均值
› 41 条规则写回长期记忆
09 · REVIEW
复盘学习
归因 · 写回长期记忆
CASE · 真实使用

少 4 个人
多了 3 倍的可复盘资产。

"以前每一轮 campaign 都像从零开始;现在 WantAi 把上一轮的判断、达人评级、内容模板都自动接住了——团队真正沉淀的是判断力,不是 PPT。"
L
Leo Chen
Aurelia Motors · 数字营销总监
42 → 28
单 campaign 周期(天)
+121%
到店咨询达成率
+0.46
品牌情绪均值
3.4×
资产复用效率
FAQ · 常见问题

还在犹豫的几件事。

WantAi 跟市面上的内容生成工具有什么不同?
内容生成只是 WantAi 8 个阶段中的一段。我们的核心是策略推演中枢——它先理解品牌、再读取市场、然后给出"这次怎么打"的判断;内容生成在严格的品牌边界与策略约束下进行,不是自由创作。
我的品牌资料安全吗?+
每个品牌的记忆是物理隔离的独立空间。所有资料只用于该品牌自己的 Agent 推演,不会进入跨租户训练。可选私有化部署。
我们已经有了 BI / 舆情 / 达人 BD 系统,能集成吗?+
可以。WantAi 的市场感知层、达人匹配层都开放数据接入与导出。我们更愿意把它视作"上层中枢",而不是替换者。
最少几个人能跑起来一个 campaign?+
实测一个策略人员 + 一个内容审核人员即可。Agent 不是替代人,是把人从重复决策里释放出来去做更难的判断。
支持小红书、抖音、B 站、微博之外的平台吗?+
默认支持 6 个主流中文社媒平台。可定制接入海外平台与垂类社区,约 2-4 周交付。
价格怎么算?+
按品牌账户 + Campaign 用量计费,包含全部 Agent 调用与监控。具体方案请申请 Demo 后由商务对接。

让营销从项目制
变成可积累的能力

申请一次 30 分钟的产品演示,我们用你自己的品牌资料跑一段真实推演给你看。

申请 Demo → 下载产品白皮书