下载地址
https://www.zhengdianxue.com/wp-content/uploads/skills/user_9681044e--ecom-product-scout.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 @user_9681044e/ecom-product-scout。电商 Skill · 选品情报官。输入候选品类信号（搜索量/竞争/毛利/趋势/退货），输出 0-100 机会分、蓝海/均衡/红海分层、理由与可落地建议，支持多候选排序。 适用对象：电商中小微企业。解决痛点：选品靠赌，缺数据支撑。 触发场景：(1) 用户说「帮我选品」「什么好卖」「找蓝海类目」，(2) 用户做电商运营需决策辅助，(3) 其他 Agent 通过 A2A 发来「类目订阅事件」请求协作。
属于「AI智造局」电商行业 Skill 矩阵·完整示范件 #4。
阅读全文 （展开查看完整说明）
概述
选品情报官
电商行业 Skill 完整示范件 v2.1。核心引擎
scripts/engine.py（纯标准库）已通过 9 项验收自检。
一句话定位
据搜索/竞争/毛利/趋势/退货信号，给品类打机会分并分蓝海/均衡/红海层，输出选品建议。
适用对象
电商中小微企业（淘宝/抖音/小红书/拼多多商家）。
解决痛点
- 选品靠赌，凭感觉上货，压货/亏本
- 看不到竞争与退货隐性风险
- 缺少可量化的「该不该做」判断依据
核心功能
- 机会评分：需求/趋势/毛利/竞争/退货 五维加权 → 0-100 分
- 蓝海分层：≥70 蓝海 / 50-70 均衡 / <50 红海
- 理由+建议：自动给「为什么」与「怎么打」
- 多候选排序：一次比多个类目，输出机会清单
- 蓝海词提示：命中细分词（小众/垂类/适老…）给差异化建议
- 深度感知：沉淀选品偏好，越用越准
- A2A 协作：订阅「类目订阅」事件，发布「选品情报报告」事件
工作流
- 输入：候选品类 + 信号（搜索量/竞争/毛利/趋势/退货），缺省取品类基线
- 处理：归一化 → 加权评分 → 分层 → 理由/建议生成
- 输出：机会分 + 分层 + 理由 + 建议（+ 多候选排序）
- 外部集成（预留）：平台榜单/评论 API、第三方数据
深度感知 · 数据沉淀
- 档案：
used_count/category_pref/risk_appetite（见assets/scout-profile-schema.json） - 演化：二次评估按历史品类与风险偏好调整默认基线。
开放接口（A2A 协议）
- 订阅：
category.subscribed - 发布：
scout.report（v2.1，payload 含 top3 候选）
脚本使用
python scripts/engine.py selftest
python scripts/engine.py score --candidate '{"name":"小众香薰","category":"家居","search_volume":85,"competition":0.3,"margin":0.6,"trend":0.8,"return_rate":0.05}'
python scripts/engine.py rank --candidates '[ {...}, {...} ]'
python scripts/engine.py profile命令：score / rank / profile / selftest。
合规边界
- 评分为经验模型，非投资/经营建议；实际决策自负盈亏。
- 基线信号为行业经验值，需以商家自身数据校准。
验收测试用例
用例1 蓝海候选≥70且分层蓝海；用例2 红海候选<50且红海；用例3 蓝海分>红海分用例4 分数落0-100；用例5 理由非空含建议；用例6 蓝海词命中建议用例7 档案二次演化；用例8 A2A version2.1含top3；用例9 排序蓝海在前
局限与迭代路线
- v2.1 信号为商家自填/基线，未接平台实时数据；v2.2 规划：接榜单/评论 API 自动拉信号 + 类目聚类。
- 权重为固定经验值，v2.2 可支持按商家历史命中率自动调权。
CHANGELOG
- v2.1.0（2026-07-25）：license 收紧为 CC BY-NC-SA；加三项知识产权标识（engine.py 版权 banner / NOTICE.md / 产出物末行自动印章「由三咨澳金（北京）科技有限公司 @2026 AI智造局 生成 ©」）。
- v2.0.0（2026-07-25）：骨架 v0.1 做深为生产级，含评分/分层/排序/蓝海词/深度感知/A2A。
- v0.1.0（骨架）：占位。
