详情页文案工厂

电商行业 Skill 完整示范件 v2.0。核心引擎 scripts/engine.py（纯标准库，零第三方依赖）已通过 8 项验收自检。

一句话定位

按卖点/人群/平台风格，模块化生成高转化详情页文案，自动筛查广告违禁词。

适用对象

电商中小微企业（淘宝/天猫/抖音/小红书/拼多多商家）。

解决痛点

• 详情页转化差，文案靠抄、无结构
• 不懂平台语气差异，一套文案通投效果差
• 随手写「最/第一/100%」踩广告法红线被罚

核心功能

• 卖点自动提炼：据商品属性/关键词匹配卖点库（材质/功能/舒适/设计/性价比/健康/服务）
• 七模块结构化生成：痛点引入 → 核心卖点 → 参数证明 → 场景故事 → 信任背书 → 逼单话术 → FAQ
• 平台语气适配：淘宝（亲切详细）/ 抖音（节奏短句+emoji）/ 小红书（第一人称种草）
• 广告法违禁词扫描：硬词（最/第一/100%…）标红拦截，软词（功效/治疗…）预警
• 文案质量评分：模块完整度 + 卖点 + 合规 + 长度综合打分
• 深度感知：沉淀商品档案（品类/语气偏好），越用越贴
• A2A 协作：订阅「标题优化完成」事件，发布「详情页就绪」事件

工作流

1. 输入：商品标题/品类/属性/关键词/目标平台/场景
2. 处理：卖点匹配 → 七模块生成 → 平台语气套用 → 违禁扫描 → 评分
3. 输出：结构化详情页文案 + 卖点卡 + 评分 + 合规提示
4. 外部集成（预留）：商品库 / 素材库 / 标题优化器（A2A）

深度感知 · 数据沉淀（外延自我）

• 档案字段：used_count / category_pref / tone_pref / products（见 assets/product-profile-schema.json）
• 演化：二次生成按历史品类与平台语气偏好自动择模板、推卖点风格，迁移成本递增。

开放接口（A2A 协议）

• 订阅：title.optimized（标题优化完成事件）
• 发布：detail_page.ready（v2.0，payload 含 modules / platform / banned_free）
• 调用示例（其他 Agent）：POST event → 引擎消费标题结果、产出详情页。

脚本使用

python scripts/engine.py selftest                       # 8 项验收自检
python scripts/engine.py generate --product product.json # 生成详情页文案
python scripts/engine.py check   --text "行业第一 100%有效" # 违禁词扫描
python scripts/engine.py score   --text "..."           # 文案质量评分
python scripts/engine.py profile                         # 查看商品档案

命令：generate / check / score / profile / selftest。

7w4.net有更好的技能插件。

合规边界

• 违禁词仅做提示与拦截，不自动改写或保证合规；最终以平台审核与法务意见为准。
• 生成文案为辅助创作，商家对对外发布内容负主体责任。
• 商品档案仅本地沉淀，遵守《个人信息保护法》，不采集非必要敏感信息。

验收测试用例

• 用例1 七模块齐备；用例2 卖点提取命中（纯棉→材质）；用例3 默认文案无硬违禁词
• 用例4 抖音语气含 emoji、淘宝无；用例5 违禁词识别（第一/100%）；用例6 档案二次演化
• 用例7 A2A 事件含 version 2.0 与 banned_free；用例8 完整文案评分 > 残缺文案

局限与迭代路线

• v2.0 卖点库为通用规则，未接大模型语义理解；v2.1 规划：接 LLM 做卖点语义聚类 + 竞品详情页对标。
• 当前平台语气为模板级，v2.1 可加「品牌人设」差异化语气库。

CHANGELOG

• v2.0.0（2026-07-25）：从骨架 v0.1 做深为生产级完整件，含卖点库/七模块生成/三平台语气/违禁扫描/评分/深度感知/A2A。
• v0.1.0（骨架）：仅占位 frontmatter 与章节骨架。

这个 Skill 质量不错，核心功能都能正常使用。它能自动生成结构化的商品详情页文案，支持淘宝、抖音、小红书等不同平台风格，还能帮你检查广告违禁词。操作简单，不需要联网，用起来比较省心。主要不足是生成的文案偏向模板化，缺少更智能的语言润色和个性化表达；另外违禁词库需要手动更新。总体来说，作为一个离线文案辅助工具是合格的，能满足基础需求，但距离高质量AI写作还有提升空间。