電商主圖&詳情頁診斷 Skill

核心用途

接受以下任意組合素材，輸出結構化診斷報告 HTML：

• 商品主圖（1-5張）
• 詳情頁截圖（可多張，或一組連續截圖）
• 搜尋結果截圖（主圖在搜尋列表中的呈現）
• 商品連結（自動抓取商品資訊）

觸發條件

使用者提供任意以下素材時觸發：

• 上傳圖片並提到"主圖"、"詳情頁"、"商品圖"、"診斷"、"分析"、"最佳化"等關鍵詞
• 貼上電商平臺商品連結（淘寶、拼多多、抖音、京東等）
• 直接詢問主圖或詳情頁的問題（如"這個主圖怎麼樣"、"詳情頁哪裡有問題"）

診斷框架

診斷框架詳見 references/diagnosis_framework.md，核心包含：

主圖10大評分維度（滿分100分）：

1. 視覺清晰度（20分）— 產品清晰度、背景乾淨度、色彩對比
2. 資訊傳達（25分）— 核心賣點可見性、文字簡潔度、價值主張
3. 差異化競爭力（20分）— 競品區分度、特色賣點突出度
4. 信任感建立（20分）— 權威認證、品牌識別、實物還原度
5. 平臺合規性（15分）— 無違規文字、無虛假合成、移動端適配

詳情頁5大評分維度（滿分100分）：

1. 首屏衝擊力（25分）— 前3屏是否抓住核心痛點
2. 資訊架構（25分）— 邏輯流暢性、模組化佈局、引數可讀性
3. 場景化呈現（20分）— 使用場景圖質量、使用者畫像匹配
4. 信任背書（20分）— 使用者評價、質檢認證、品牌故事
5. 轉化促進（10分）— 促銷資訊清晰度、售後保障說明

工作流程

Step 1: 素材接收與分類

根據使用者提供內容判斷：

• 若提供圖片：識別圖片型別（主圖/詳情頁截圖/搜尋結果截圖）
• 若提供商品連結：提取商品名、平臺、主圖URL等基本資訊（如可訪問）
• 若素材不足：告知使用者可以提供哪些素材，以及哪些素材會使報告更完整

允許部分診斷：未提供主圖則跳過主圖維度，未提供詳情頁則跳過詳情頁維度。

Step 2: 視覺分析

仔細觀察每張圖片，按診斷框架逐項分析：

主圖分析要點：

• 產品是否佔據畫面主要區域（理想：60-80%）
• 背景是否簡潔（純色/漸變/場景）
• 文字數量和位置是否合理（不超過3組文字）
• 是否有核心賣點標註或功能展示
• 與同類商品相比視覺差異化程度
• 是否有可見的信任元素（銷量、評分、認證）
• 是否有疑似違規文字（最、第一、最優、極致等）
• 縮圖模式下產品是否依然清晰

詳情頁分析要點：

• 首屏內容型別（品牌Banner / 痛點共鳴 / 效果展示）
• 整體邏輯順序是否符合"痛點→賣點→引數→場景→背書→促銷"
• 文欄位落vs圖片比例
• 是否有使用場景圖
• 規格引數是否有視覺化處理
• 是否有真實買家好評截圖
• 是否有質檢/認證資質展示
• 移動端文字可讀性

搜尋結果截圖分析：

• 主圖在列表中的視覺跳出率
• 與周圍競品的對比優勢/劣勢

Step 3: 評分與填充診斷資料

本技能來自小蔥技能站7w4.net。

按框架評分，併為每個維度填充 issues（發現問題）和 suggestions（最佳化建議）。 用簡短、具體的短語描述（5-15字），避免長段落。

示例：

issues: ["產品主體佔比不足50%", "背景色與產品顏色對比度低"]
suggestions: ["擴大產品展示區域至畫面70%", "換深色背景突出淺色產品"]

Step 4: 生成核心發現與優先行動

核心發現（3-5條）：指出最影響轉化的關鍵問題，每條以具體資料或現象描述。 P0（立即修復）：影響合規性或點選率的硬傷，1-3條。 P1（本週最佳化）：明顯影響轉化但可快速改進的問題，2-4條。 P2（下次迭代）：中長期最佳化方向，2-3條。

Step 5: 生成診斷 JSON

將分析結果整理成以下 JSON 結構（僅包含有診斷資料的部分）：

{
  "product_name": "商品名稱",
  "platform": "平臺名稱",
  "product_url": "連結（可選）",
  "diagnosis_date": "YYYY-MM-DD",
  "main_image": {
    "score": 整體主圖分（0-100）,
    "clarity": {"score": 分, "max": 20, "issues": [], "suggestions": []},
    "info_delivery": {"score": 分, "max": 25, "issues": [], "suggestions": []},
    "differentiation": {"score": 分, "max": 20, "issues": [], "suggestions": []},
    "trust": {"score": 分, "max": 20, "issues": [], "suggestions": []},
    "compliance": {"score": 分, "max": 15, "issues": [], "suggestions": []}
  },
  "detail_page": {
    "score": 整體詳情頁分（0-100）,
    "first_screen": {"score": 分, "max": 25, "issues": [], "suggestions": []},
    "info_structure": {"score": 分, "max": 25, "issues": [], "suggestions": []},
    "scene": {"score": 分, "max": 20, "issues": [], "suggestions": []},
    "trust_proof": {"score": 分, "max": 20, "issues": [], "suggestions": []},
    "conversion": {"score": 分, "max": 10, "issues": [], "suggestions": []}
  },
  "search_competition": {
    "visual_standout": "強/中等/弱",
    "thumbnail_clarity": "優/良好/一般/差",
    "title_image_coherence": "強/一般/弱",
    "notes": "補充說明"
  },
  "overall_grade": "S/A/B/C/D",
  "overall_score": 綜合分,
  "key_findings": ["發現1", "發現2", "發現3"],
  "priority_actions": {
    "P0": ["行動1", "行動2"],
    "P1": ["行動1", "行動2", "行動3"],
    "P2": ["行動1", "行動2"]
  }
}

整體分計算：若同時有主圖和詳情頁，overall_score = round(main_image.score * 0.45 + detail_page.score * 0.55)； 若只有主圖，overall_score = main_image.score；若只有詳情頁，overall_score = detail_page.score。

overall_grade 按如下規則判定：

• 85-100 → S；70-84 → A；55-69 → B；40-54 → C；<40 → D

Step 6: 呼叫指令碼生成 HTML 報告

將 Step 5 的 JSON 寫入臨時檔案，呼叫生成指令碼：

# 寫入 JSON
python_path="C:\Users\PC\.workbuddy\binaries\python\versions\3.13.12\python.exe"
script_path="{baseDir}/scripts/generate_report.py"
json_file="<工作目錄>/diagnosis_temp.json"
output_file="<工作目錄>/電商診斷報告_<商品名>.html"

# 執行指令碼
"$python_path" "$script_path" "$json_file" "$output_file"

其中 {baseDir} 是本 Skill 所在目錄：~/.workbuddy/skills/ecommerce-image-diagnosis

輸出路徑使用當前會話工作目錄（C:\Users\PC\WorkBuddy\當前session目錄\）。

Step 7: 呈現報告

呼叫 present_files 展示生成的 HTML 檔案，同時在文字回覆中給出：

• 一句話總結（評級 + 核心問題）
• P0 優先行動列表

素材不足時的處理策略

注意事項

• 評分保持客觀公正，有問題明說，避免過度寬鬆或過度嚴苛
• issues 和 suggestions 使用短語（5-15字），不寫長段落
• P0 問題必須是真實硬傷，不能為湊數而強行列出
• 若為抖音平臺，額外關注：封面圖在豎版短影片feed流中的表現
• 若為拼多多平臺，額外關注：主圖是否有明顯的低價促銷感知
• 若商品URL為天貓/淘寶，額外關注：主圖影片+多圖輪播策略

參考資源

• references/diagnosis_framework.md — 完整診斷框架和評分標準
• scripts/generate_report.py — HTML 診斷報告生成指令碼

這個 Skill 質量不錯，核心優勢是診斷維度全面、評分體系專業，能生成帶視覺化圖表的專業 HTML 報告。觸發條件明確，素材不足時也有清晰的降級處理策略。不過依賴固定的 Python 路徑（僅支援 Windows），網路異常時缺乏容錯機制，且只有中文介面。如果能修復跨平臺相容性和增強錯誤處理，將是一個相當成熟的商業級 Skill。