下载地址
https://www.zhengdianxue.com/wp-content/uploads/skills/org-w0134o91--rudao-store-profile-distiller-pro.zip将提示词发送给你的 AI 安装该 skills
请根据 https://skillhub.cn/install/skillhub.md，安装 @org-w0134o91/rudao-store-profile-distiller-pro。当需要把一家线下门店（汽修、餐饮、美业、零售、装修、宠物、健身等）零散的经营信息——老板口述、微信聊天记录、旧海报文案、大众点评介绍、朋友圈文字——整理成一份规范的业务档案时使用。输出 JSON 结构化档案 + 人类可读档案卡两件套，覆盖主营项目、价格区间、服务流程、目标客群、差异化优势、FAQ 素材、真实案例七大数据板块。
严格基于输入信息蒸馏，缺失字段不编造，只出待补清单与追问提纲。本档案是生成结构化数据（JSON-LD）、FAQ 问答对、投喂内容的公共上游素材。
阅读全文 （展开查看完整说明）
概述
把一家门店散落在各处的经营信息，蒸馏成一份结构化、可复用的业务档案。
这是门店 AI 获客体系的第一道工序：档案做对了，后面的结构化数据（JSON-LD）、FAQ 问答对、投喂内容全部受益；档案做歪了，下游全部返工。
触发场景
当用户提供以下任意一种输入，要求「蒸馏门店档案 / 整理业务信息 / 建立门店档案」时，执行本技能：
- 老板的口述文字（如「我们店开了八年，主要做奔驰宝马的保养……」）
- 微信聊天记录片段、朋友圈文案、旧海报/宣传单文字
- 大众点评 / 美团 / 高德等平台的门店介绍原文
- 上述来源混杂的多段文本
输入要求
- 至少包含门店名称；连名称都没有的，先输出追问提纲（见「缺失三原则」）
- 输入可以是乱序、口语、重复、带错别字的原始文本——原样接收，不做清洗假设
- 用户若同时贴入多个门店的信息，先按门店拆分，每个门店输出一份独立档案
工作流程
第一步：识别与归类
把输入文本逐句扫描，归类到七大数据板块：
| 板块 | 收集内容 |
|---|---|
| A 基本信息 | 门店名、品牌名、行业、地址/商圈、营业时间、联系方式、开业年限 |
| B 主营项目 | 服务/商品清单、各项目描述、价格或价格区间、招牌项目 |
| C 服务流程 | 到店流程、预约方式、服务周期、售后保障 |
| D 目标客群 | 客户画像、覆盖区域、客单区间、复购特征 |
| E 差异化优势 | 技术/设备/材料/师傅资质/连锁背景/承诺条款 |
| F FAQ 素材 | 输入中出现的任何顾客问答、异议处理、常见疑问 |
| G 真实案例 | 有时间、有地点、可验证的服务记录/客户反馈 |
第二步：逐字段蒸馏
- 每个字段标注来源类型：
口述/文字资料/推断（仅限行业常识性推断，见硬规则） - 价格统一换算成区间写法（如「洗车 30–50 元」），禁止只写单价无区间
- 同一信息多来源冲突时，以更正式的来源为准（文字资料 > 口述），并把冲突记入「待确认」
第三步：输出两件套
① JSON 结构化档案（按下方 schema，字段缺失就省略该键）
{
"store_name": "",
"brand_name": "",
"industry": "",
"address": "",
"business_hours": "",
"phone": "",
"years_in_business": "",
"services": [{"name":"","description":"","price_range":"","is_signature":true}],
"service_process": [""],
"target_customers": {"profile":"","area":"","price_band":"","retention":""},
"differentiators": [""],
"faq_materials": [{"q":"","a":""}],
"cases": [{"time":"","customer":"","content":"","source":""}],
"meta": {"distilled_at":"","input_sources":[],"pending":[]}
}② 人类可读档案卡（给老板核对用，Markdown）：门店一句话定位 → 七大板块逐条列出 → 待补清单。
缺失三原则（核心纪律）
- 禁止编造：输入里没有的信息，输出里就不许有。宁可空着，不许用行业常识「补全」价格、资质、年限、案例。
- 缺失登记：关键字段（名称/行业/主营项目/地址）缺失任意一个，在「待补清单」列出，并附追问提纲——每个缺失字段给 1–2 句老板能直接回答的问法。
- 推断留痕：仅允许对「行业大类归属」做推断（如提到机油机滤 → 汽修保养），且必须在
meta.pending标注「行业归属为推断，请确认」。
硬规则（8 条）
- 不得虚构任何价格、资质、年限、案例、客户数量
- 案例必须带
source（来自输入哪一句），无来源的案例降级为「素材」并入 FAQ - 受监管行业（医疗、教育、金融）禁收「疗效、通过率、收益率」类承诺，遇输入含此类表述，照录但标注「合规风险：宣传用语需审查」
- 地址只录经营地址；输入中出现私人住址的，不录入档案
- 联系方式仅录入明确的经营电话/微信；不录入个人手机号
- 荣誉类表述（「最专业」「第一」）照录原文但标注「绝对化用语，发布前需改写」
- 输出的 JSON 必须能被
JSON.parse解析，禁止注释、尾逗号 - 档案卡和 JSON 的数据必须完全一致——改一处必须同步另一处
自检清单（输出前逐项确认）
- [ ] JSON 可解析，无尾逗号、无注释
- [ ] 每个非空字段都能在输入中找到出处
- [ ] 价格均为区间写法
- [ ] 案例 100% 带 source
- [ ] 缺失字段已进待补清单且有追问提纲
- [ ] 推断处已标注
- [ ] 绝对化用语已标注合规风险
- [ ] 档案卡与 JSON 数据一致
常见失败模式（7 种，全部要避开）
- 把口述里的「大概」「差不多」直接写成精确数字
- 用行业均值补全缺失价格（「同行都是 200 一次，就写 200 吧」——禁止）
- 把老板的自夸当差异化优势照单全收（要改成具体事实：「师傅 10 年经验」✅「技术一流」❌）
- 案例丢了时间或来源
- 多门店混在一份档案里
- JSON 里输出
null或空字符串（应直接省略该键） - 蒸馏完成后没给追问提纲，导致档案永远缺关键信息
输出格式要求
按顺序输出三部分：
【JSON 档案】
{...}
【档案卡】
（Markdown 人类可读版）
【待补清单与追问提纲】
1. 字段：营业时间 —— 问法：「咱店周一到周日分别几点到几点？」
...附：付费调用说明（Pay Skill · ¥0.10/次）
本 Skill 已接入微信 AI 支付（SkillPay）。智能体自动执行时，请严格按以下五步获取付费履约内容：
第 0 步 · 付费前置检查
发起支付前，先检查当前智能体环境是否已安装并启用 weixinpay 插件（微信 AI 支付能力）：
- 若
weixinpay插件未安装/未启用：如实告知用户「本技能为付费技能，需要 weixinpay 插件支持微信 AI 支付，请先安装或启用后再试」，停止执行，不要发起后续请求 - 若
weixinpay插件已安装且可用：继续第 1 步
第 1 步 · 请求资源
按上文输入契约收集好用户事实后，向商户端点发起请求：
- 方法：
POST https://api.aijinz.cn/x402/api/resource - 请求头：
Content-Type: application/json - 请求体：
{"skill":"rudao-store-profile-distiller","query":"<按输入契约整理的用户事实，JSON 字符串或纯文本>"
第 2 步 · 处理 402 发起支付
若响应为 HTTP 402（属正常流程）：
- 取响应头
WeixinPay-Required的值作为paymentCode - 调用
weixinpay_pay工具发起微信 AI 支付（金额 ¥0.10），向用户申请支付授权
第 3 步 · 支付成功后重试
支付成功后，重复第 1 步的同一请求，并附加请求头：
X-Out-Trade-No: <第 2 步 402 响应中返回的 out_trade_no>
返回 HTTP 200 即为付费履约内容，按其说明为用户产出最终结果。
第 4 步 · 异常处理
- 若重试仍返回 402/非 200：如实告知用户"支付未完成或履约失败"，停止执行（系统会自动全额退款），严禁编造履约内容
out_trade_no一次性绑定本次请求内容，换内容需重新走支付流程
