OpenAdOps 是面向海外广告优化师的本地优先 AI 投放工作台：把客户资料、零散投放意见，以及 Google Ads、Meta Ads、TikTok Ads、AppsFlyer 数据，整理成可交付的策略初稿、投放执行方案、实验账本、优化判断与客户报告。
- 完整主链路：需求接收 → 策略初稿 → 投放策略 → 素材生产计划 → 投放执行方案 → 实验账本 → 投放优化 → 报告输出
- 中文界面优先：按钮、状态、生成提示与产品模块名统一中文；行业词保留英文（如 Google Ads、CPI、ROAS、CSV）
- 任务级智能路由：追问与快速策略用轻量模型；深度复核与执行方案用更强模型；结构校验失败可自动复核
- 目标按需配置：媒体 CPI、AF-CPI、CPA、ROAS 可独立添加或删除，并区分「仅观察 / 测试阈值 / 正式目标」；学习期无需填写假 KPI
- 代码算数、AI 做判断：指标与实验样本量由确定性代码计算，避免「看起来很专业」的假精度
- 工作区备份：顶栏可「导出当前 / 导出全部 / 导入备份」JSON，换机或清浏览器可恢复
- 模型信息一致：所有生成入口、状态与结果统一显示 Terra / Sol 和推理档，不再重复或隐藏模型名
- 优化诊断使用 Sol：投放优化单独使用 Sol 高推理；策略与素材判断继续使用 Terra 中档
- 素材生产可交接：把素材角度变成带市场、规格、数量、负责人、截止日期和状态的生产任务，并可导出 CSV / Markdown
- 映射模板可复用：常用媒体 / AppsFlyer 报表映射可保存到工作区，相同表头自动套用，并随完整工作区备份迁移
- 周期对比可追溯：选择两个不重叠日期区间，由代码计算花费、安装、CPI、CPA、ROAS 的同口径变化
- 优化决策有历史：每次诊断保留当时的数据区间、聚合指标、模型建议与人工复核状态，可在报告中追溯
- Codex 失败可诊断：区分退出码与终止信号，隐藏无关 Skill 日志，并按任务缩小 Skill 加载范围
- 本地运行更可靠：工作区迁移失败保住已读取项目；AI 取消、服务离线和异常响应都有明确状态
- 旧进程可识别：页面与本机 Bridge 版本不一致时提示重启；4173 端口被占用时给出直接处理方式
- 本地路由更稳健：畸形 Host 或非法请求地址不会拖垮整个工作台服务
- 日期口径可审计：不存在的日历日期不进入周期与对比；受影响行仍保留在总计并明确提示
- 坏表不静默通过：重复表头或未闭合引号在读取阶段直接报错，不生成残缺指标
- 零值不冒充效率：零分母的 CPI / CPA / CTR 等显示为不可计算，真实 0 与缺失证据严格分开
- 演示也不编 KPI：只有已配置 AF-CPI 阈值时才使用倍数暂停规则；仅观察与缺失目标保持学习期表述
- 异常数值不静默归零：已映射列里的
N/A、--等内容会阻止导入并按字段提示；空白值单独计数 - 数据质量可追溯：空白数值与无效日期持续显示在优化页、报告和对应的优化诊断历史中
- 导入完整性更严格：错列 CSV、损坏千分位、尾随字符日期和畸形备份在进入项目之前被明确拒绝
- 归因指标不串线：AF 安装已映射但为 0 时，CVR 与 D1 留存不会借用媒体安装作为分母或分子
投放工作通常散落在媒体后台、Excel、截图、群聊和临时文档里。通用聊天可以写字，却很难：
- 持续保存项目上下文
- 分清「客户已确认 / AI 推断 / 资料缺失」
- 保证 CPI、AF-CPI、样本量等计算口径正确
OpenAdOps 把一条完整链路放进同一个本地项目：
- 需求接收：粘贴客户资料与投放意见，整理结构化简报与客户追问
- 策略初稿：生成带假设的前期策略（可快速生成，也可深度复核）
- 投放策略 / 素材生产：目标、媒体分工和预算逻辑；素材方向进入数量、规格、负责人、截止日期与交付状态
- 投放执行方案：Campaign 蓝图、素材生产简报、监测口径、上线检查项、首 7 天动作
- 实验账本：本轮 / 下轮 / 候选队列，样本门槛、停止规则、证据与学习
- 投放优化：导入 CSV，代码算 KPI，再基于证据生成诊断；记录采纳、执行与验证结论
- 报告输出：管理层 / 客户可读的 HTML 与打印 / PDF，包含最近优化决策记录
- 代码负责计算：CSV 指标、实验样本量、预计周期、相对变化
- AI 负责判断：策略、诊断、素材测试、下一步动作，且输出受 JSON Schema 约束
- 证据跟着结论走：证据、诊断、动作、置信度、验证方式分开呈现
- 未知信息不偷偷补全：已确认 / 推断 / 缺失状态可见
- 学习期不强填 KPI：可以只选衡量指标并留空阈值；0 不会被当成目标，未确认阈值不会进入止损或扩量规则
- 执行方案可直接交接：命名、优化事件、出价前提、单变量、负责人在同一份交付物里
- 上线检查项有责任人：存在阻塞项时不会显示「可上线」
- 无结论也是结论：达不到样本门槛记为「无明确结论」，不包装成赢家
- 本地优先：项目在浏览器本地；原始 CSV 明细不送进 AI；粘贴资料仅在你主动运行时提交给本机模型
- 失败不编造：模型失败会明确报错，而不是假装成功
- 无账号也能体验：GitHub Pages 本地演示 不依赖 Codex 或 API Key
打开 在线演示。纯浏览器运行，使用明确标注的演示数据；不能调用本机模型。
git clone https://github.com/leoL007/open-adops.git
cd open-adops
npm start浏览器打开：http://127.0.0.1:4173
只需 Node.js 原生模块，不需要 npm install。
完整检查：
npm run check| 界面名称 | 要求 | 作用 |
|---|---|---|
| 本地演示 | 无 | 确定性演示结果，不耗模型额度 |
| GPT-5.6 · 智能路由（底层为本机 Codex CLI） | 本机已登录 Codex CLI | 经本地 Node Bridge 调用 codex exec，按任务自动选模型与推理档 |
任务级默认路由（不会继承全局 Codex 的超高推理配置）：
| 任务 | 默认模型 | 推理档 |
|---|---|---|
| 生成客户追问 | gpt-5.6-terra |
低 |
| 快速生成策略初稿 | gpt-5.6-terra |
中 |
| 深度复核策略初稿 | gpt-5.6-sol |
高 |
| 策略 / 素材判断 | gpt-5.6-terra |
中 |
| 投放优化诊断 | gpt-5.6-sol |
高 |
| 生成投放执行方案 | gpt-5.6-sol |
高 |
| 生成实验账本 | gpt-5.6-terra |
中 |
Terra 输出若未过结构校验，会自动用 gpt-5.6-sol + 中 复核一次。界面会区分 GPT-5.6 Terra / Sol、推理档、耗时与预计区间，并支持取消；失败原因会常驻提示。
仅覆盖 OpenAdOps 路由、不改 Codex 全局配置：
OPENADOPS_TERRA_MODEL=gpt-5.6-terra OPENADOPS_DEEP_MODEL=gpt-5.6-sol npm start兼容旧变量：OPENADOPS_MODEL、OPENADOPS_REASONING_EFFORT、OPENADOPS_TIMEOUT_MS（设置后可能覆盖全部任务，请谨慎）。
可选安装兼容的 Ads Skill（如 Claude Ads）增强分析；不安装也可使用本地演示模式。
在「素材生产」页，把 AI 素材方向或执行方案简报转为团队可交接的任务：
- 管理媒体、市场、语言、素材类型、规格和版本数
- 记录负责人、截止日期、待排期 / 制作中 / 待审核 / 已交付 / 已上线状态
- 保留素材角度、Hook、测试假设、单一变量和成功指标
- 补充素材链接、制作备注和合规要求
- 人工任务不会被后续 AI 生成覆盖；旧项目素材计划会自动迁移
- 导出 UTF-8 CSV 或 Markdown，交付给素材与投放团队
在「执行方案」页，把需求接收与策略初稿整理为可交接的执行文件：
- 媒体角色、预算占比与金额（预算缺失时不编造）
- 可搭建的 Campaign 名称、目标、优化事件、市场、出价与拆分逻辑
- 按媒体的素材生产简报：假设、Hook、格式、版本数、单一变量、成功指标
- 媒体反馈 / MMP 归因 / 业务后台三层口径
- 上线检查项：状态、负责人、证据；金融场景含合规前置
- 第 0–7 天行动与决策规则
- 导出文档 / 网页，并支持本地版本快照
在「实验台」页，把执行方案中的素材简报排成测试队列：
- 每个实验只改一个主变量；预先冻结对照组、实验组、主指标与护栏
- 分别对应 Google App 素材实验、Meta A/B、TikTok Split Testing 等原生方式
- 比例指标由代码计算样本量与周期；缺基准率或流量时保持「不可计算」
- 记录证据、胜负 / 无明确结论、学习与下一步
- 导出文档 / 网页，并回写管理报告
方法说明见 实验方法。
必须包含 Spend（花费），并至少有 Media Installs（媒体安装） 或 AF Installs（AF 安装） 之一。
| 维度字段 | 指标字段 |
|---|---|
| Date, Platform, Country, Campaign, Ad group / Ad set, Creative, Conversion Event | Spend, Impressions, Clicks, Media Installs, AF Installs, Conversions, Revenue, D1 Retained |
- 自动识别常见中英文字段别名，计算前可手工改映射
- 当前映射可保存为工作区模板；再次导入相同表头时自动套用，部分匹配时明确显示匹配数
- 媒体安装与 AF 安装分开映射：仅有 AF 列时不会误当成媒体安装，避免 CPI 与 AF-CPI 假一致
- 已映射数值列会先做质量检查；非法非空值阻止导入，空白值按 0 计入并明确提示数量
- 映射日期后可比较对比期与本期；两个区间必须独立，原始行不写入项目，只保存聚合结果
- 演示数据：openadops-demo.csv
npm run check当前 115 项自动化测试覆盖：需求接收、素材生产迁移与导出、投放执行方案、实验账本、优化决策历史、工作区备份与迁移保护、AI 请求错误、运行时版本校验、启动错误、请求地址解析、日历日期校验、CSV 行宽与数值质量、数据质量状态、预算占比、不可计算指标、Mock KPI 边界、静态服务边界、CSV 映射模板、周期对比、模型路由与标识、可选绩效目标、金融合规阻塞、小预算收敛、样本计算、转化事件身份、媒体别名合并、缺失数据保护、AF/媒体安装映射、媒体 CPI 与 AF-CPI、聚合与 Schema 校验。测试不会调用真实模型。
- 直接导入 CSV；XLSX 请先导出为 CSV
- 需求接收支持粘贴文本；暂无 OCR / 文档解析
- 项目保存在当前浏览器；暂无多人同步
- 只生成策略、计划与建议，不连接或修改真实广告账户
- 聚焦 Google / Meta / TikTok + AppsFlyer 的 App UA 工作流
- 归因窗口、事件定义、利润口径仍需优化师确认
更多文档：PRODUCT.md · 产品参考 · 实验方法 · 验收案例 · 决策记录 · 发布规范
OpenAdOps 仍是早期公开版本。欢迎查看 路线图、提交 功能建议，或贡献媒体 / 数据适配。
MIT。OpenAdOps 是独立开源项目，与 Google、Meta、TikTok、AppsFlyer、OpenAI 无隶属关系。