技能介绍

它解决什么问题

Listing 质量诊断长期依赖“凭感觉看一遍”：标题超长、属性与图片矛盾、五点只堆功能不写利益，这类问题往往到流量下滑时才被发现。随着亚马逊规则持续收紧——2026 年 7 月起标题强制限 75 字符、新增 125 字符的 Item Highlights 字段——人工逐项核对的成本越来越高。同时，COSMO 与 Alexa/Rufus 这类 AI 读取入口，让“填得对不对”和“能不能被 AI 引用为答案”成为两个独立问题，单一评分体系覆盖不了。

双引擎如何分工

该技能把数据质量拆成互补的两个视角，避免只盯一个维度：

LQS（非官方）看完整度：字段是否填全，总分接近 65 分时标注“LQS 曝光压制风险”；
CDQ（官方）看准确性：跨表面是否一致、变体是否合规、核心属性是否造假，并设有多个一票否决项，命中即标注流量可能归零。

一个 Listing 完全可能 LQS 高分而 CDQ 低分——字段都填了，但信息互相矛盾。两者必须分别评估，不可合并。

九维度诊断与执行步骤

九个维度各有明确权重：CDQ 数据质量 20%；标题与商品亮点、五点描述、Alexa 可发现性、COSMO 意图覆盖各 12%；图片、评论、关键词、价格各 8%。其中 Alexa 可发现性（买家提问视角）、COSMO 意图覆盖（语义覆盖视角）与 CDQ（准确性视角）构成三角定位，分别回答“能不能接住问题”“意图是否覆盖完整”“信息是否填对”。

执行流程：

按 MCP 工具 → WebFetch 抓取 → 用户手动粘贴 的优先级采集数据；
按 | 分隔符拆分标题与商品亮点——| 前为标题（≤75 字符），| 后为商品亮点（≤125 字符），严禁合并成超长标题；
逐张识别轮播图片（通常 7 张），尺寸图常出现在第 2–3 张，报告中需列出每张的类型判断依据；
先确认 A+ 模块真实存在，再按三级标准评分（完整 A+ / 基础 A+ / 无 A+）；
输出至少 5 条带优先级的优化建议，并生成 .html 诊断报告，采用亚马逊深色品牌视觉风格。

适用边界与注意点

LQS 是社区概念而非官方分数，COSMO 意图覆盖基于 COSMO 公开论文精神，也不是官方 COSMO 得分；权重与扣分项来自该技能自身的评分标准，应视为参考框架而非亚马逊官方指标。

诊断精度受数据来源限制：只有手动粘贴文本时无法核验图片、价格与排名，报告中会降低对应维度的置信度。评分还需按类目和产品阶段差异化判断，新品评论少属于正常状态，不应一律扣分。报告语言为中文，HTML 中不得混入 Markdown 语法。触发关键词包括“诊断 Listing”“CDQ 诊断”“ASIN 分析”等。