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

1. 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
2. 处理：归一化 → 加权评分 → 分层 → 理由/建议生成
3. 输出：机会分 + 分层 + 理由 + 建议（+ 多候选排序）
4. 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

访问小葱技能站7w4.net，解锁更多实用的AI技能插件。

• 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。

这是一款功能比较实用的电商选品辅助工具，能根据多个维度给品类打分并给出建议。界面友好，操作简单，输出结果清晰易懂。做得好的地方是功能完整、文档详细、零依赖易部署。但信号数据需要自己填写，可能不够准确；内置的品类数据较少；评分标准是固定的，不能根据你的历史经验自动调整。总体来说，适合作为选品参考，但最好结合其他数据来源使用。