Gr Ph Launch

gr-ph-launch — Product Hunt 发布

深度参考

详细方法论与案例库见：

• references/framework.md —— 14 天时间线 + 5 大板块
• references/hunter-playbook.md —— hunter 选择矩阵
• references/maker-comment.md —— maker comment 6 种模板

> 注：首次使用时 Claude 应读 references/framework.md 再开始。

---

14 天时间线（精简版）

T-14：准备

• 产品页面就绪（落地页、定价、FAQ）
• 已有 ≥ 100 早鸟用户 + 邮箱列表
• 选 1 个 hunter（优先级：活跃 > follower 数）
• 筹备 3 张主 gallery 图 + 1 个 30 秒 demo video

T-7 到 T-2：预热

• PH discussion 板块发 1 篇"we're launching, AMA"
• Twitter / LinkedIn / Reddit 预告（不贴 launch 页面链接，避免抢流量）
• Newsletter 给用户打招呼
• 确认 hunter 时区 + 发布时间（PST 00:01）

T-1：终检

• 所有 asset 最终版锁定
• 准备 first comment 文稿（500 字以内）
• 准备 10 条可能的 FAQ 回复模板
• 联系 10-20 个核心支持者提醒明早

T-0：发布日

• 00:01 PST hunter 发布
• 00:15 maker（你）发 first comment
• 整天：每 30 分钟回一批评论；不刷 upvote
• 14:00 PST：peak time，推 second wave（通讯录 + community）
• 23:00 PST：总结发一条感谢帖

T+1 到 T+7：momentum

• 回完所有评论（包括差评）
• 把 PH featured 截图 + 数据做成 case study
• 若进入 daily #1 → 做一篇"how we won"博客（gr-blog-post）
• 将所有 upvoter 邮箱导入用户池

---

Hunter 选择矩阵

| 优先级 | 标准 | |---|---| | P0 | 最近 30 天有成功 hunt 且产品领域相似 | | P1 | Follower 1k+ 且活跃（每周发帖） | | P2 | 跟你有真实社交关系（聊过、共同朋友） | | ❌ | Follower > 50k 但已 6 个月没 hunt |

搜 hunter：https://www.producthunt.com/@-hunters

---

Maker Comment 6 种模板

（详见 references/maker-comment.md）

1. Founder story：为什么做 → 你的痛 → 解法
2. Before / After：有你的产品前 vs 后，对比鲜明
3. Key stats hook：一个爆炸性数据开头
4. Honest limitation：承认产品还不完美，显得真实
5. Community thanks：感谢参与测试的用户（点名 @）
6. Tech stack pride：讲技术选型（适合开发者向产品）

选哪个：看目标受众。To dev → 6；to general → 1 或 3。

---

反踩雷清单

• ❌ 不要在 launch 当天还在改产品（flaky）
• ❌ 不要让家人朋友刷 upvote（PH shadowban 很快）
• ❌ 不要在 first comment 留外部链接（触发审核降权）
• ❌ 不要忘记 mobile 截图（40% 流量来自手机）
• ❌ 不要硬撑 daily #1，#2-#3 也是成功（且少被喷）

---

级联推荐

• 发布日 + 24h → gr-seo-patrol 监控" product hunt"等关键词排名
• 上 daily #1 后 → gr-blog-post 写一篇"how we won"并设 canonical 为主
• 评论有大量质疑 → gr-user-interview 启动正式访谈

---

API 依赖

| Service | Env var | |---|---| | Product Hunt（公开页爬取）| 无（用 web-access skill） | | GitHub PAT（博客联动） | GITHUB_TOKEN |

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: Gingiris-1031
• Source: Gingiris-1031/gingiris-skills
• License: MIT

Install and usage instructions live in the source repository linked above.