购车智选

要解决什么问题

选车时信息散落在汽车之家、懂车帝和各类评测里：参数表、经销商价、月销量、口碑优缺点往往要对多款车反复搜索，还容易用训练数据里的过时价格或续航做结论。本技能把「澄清需求 → 拉取当下市场数据 → 横向对比打分 → 交付可读报告」串成固定流水线，让结论尽量可溯源、可点击验证。

技能如何工作

执行四阶段流水线，前一阶段的输出约束后一阶段，且各阶段前需读取 references/ 下对应策略文件（不凭记忆复述）：

1. 意图识别：从输入中提取车型、预算、车身类型、动力、场景等；若未指定车型则先 WebSearch 筛 3～5 款候选并让用户确认；信息不足时用 AskUserQuestion 一次性补齐预算、车型类型、动力与场景。
2. 数据采集：按 search-strategy.md 对每款车并行采集六类维度——技术参数（含智驾硬件、NOA、汽车之家 spec 页 URL）、价格与金融方案、市场表现（含市占率）、用户评价、专业评测（需可访问原文链接）、安全配置；缺失项标「暂无数据」，严禁编造；评价不足时可选用 scripts/fetch-reviews.py 辅助，失败则回退已搜数据。
3. 分析评分：按 scoring-system.md 的七维权重（性能动力、空间舒适、配置科技、经济节能、品质可靠、外观内饰、性价比）做同级同价位横向 1～10 分，附数据依据，并据用户需求做匹配加分与推荐理由（含 1～2 条短板）。
4. 报告生成：将结果填入无图 HTML 模板（design-system.md / html-template.md），含雷达图、对比表等；报告中车型名统一外链至 https://www.autohome.com.cn/spec/{specId}。

收尾时运行 quality-checklist.md 校验，并给出摘要与 HTML 文件位置。

适用边界与注意点

• 数据质量取决于当前年份的 WebSearch/WebFetch 结果；搜索次数有上限，个别冷门车型可能维度不全。
• 评分是同级别、同价位横向比较，不宜把不同价位段车型当成同一标尺。
• 爬虫为可选兜底，非主路径；网络或依赖异常不应中断主流程。
• 报告 deliberately 不含实车配图，以参数与文字评价为主，适合要对比表与评分逻辑的场景，不适合替代线下试驾。