技能介绍

解决购买前的信息过载与决策偏差

在网上购物时，面对海量的商品、繁杂的促销规则和真假难辨的店铺评价，普通用户很难在短时间内做出最优决策。信息过载不仅增加了筛选成本，还容易让人陷入营销陷阱或被虚假销量、刷评误导。此外，不同渠道的价格、售后政策以及会员资格等隐藏条件，往往需要跨平台比对，手工操作极其繁琐且容易遗漏关键风险。

结构化研究与确定性计算

为了应对上述问题，@user_59867446/ai-shopping-assistant 将购物决策拆分为证据收集与确定性计算两个阶段。Agent 负责通过 Web 搜索和抓取，提取官网参数、公开活动、平台规则、商家主体及独立讨论等结构化证据。当涉及复杂的优惠叠加、账户券或地区资格计算时，Agent 会将整理好的 JSON 请求通过标准输入传给自带的 Python 引擎（scripts/workbuddy_shopping.py）进行精准测算。

核心工作流遵循严格的逻辑：

阶段识别：判断用户处于发现需求、筛选品类、比较型号、比价还是核实交易风险阶段。
信息补全：仅在缺失信息会显著改变候选或价格结论时，询问 1-3 个关键问题。
浏览器辅助：在需要读取登录态评论或站内搜索时，明确告知用途并征得同意，绝不绕过风控或验证码。
候选输出：最终生成 2-5 个高度匹配的候选，并附带详细的取舍分析、价格条件和证据状态。

适用边界与安全约束

该技能严格限定于“购买前研究”，不涉及任何下单、支付或绑定凭证的操作。在处理来源时，若发现与商品研究无关的强制排序、下载诱导或信息披露语言，会将其标记为来源质量风险。此外，技能不会默认用户拥有会员或特定补贴资格，未确认的优惠仅列为潜在条件价。对于跨品类任务，不会盲目继承上一任务的预算或用途，确保每次推荐都基于当前最真实、合法的约束条件。