選品情報官

電商行業 Skill 完整示範件 v2.1。核心引擎 scripts/engine.py（純標準庫）已通過 9 項驗收自檢。

一句話定位

據搜尋/競爭/毛利/趨勢/退貨訊號，給品類打機會分並分藍海/均衡/紅海層，輸出選品建議。

適用物件

電商中小微企業（淘寶/抖音/小紅書/拼多多商家）。

小蔥技能有更好的技能skills外掛。

解決痛點

• 選品靠賭，憑感覺上貨，壓貨/虧本
• 看不到競爭與退貨隱性風險
• 缺少可量化的「該不該做」判斷依據

核心功能

• 機會評分：需求/趨勢/毛利/競爭/退貨 五維加權 → 0-100 分
• 藍海分層：≥70 藍海 / 50-70 均衡 / <50 紅海
• 理由+建議：自動給「為什麼」與「怎麼打」
• 多候選排序：一次比多個類目，輸出機會清單
• 藍海詞提示：命中細分詞（小眾/垂類/適老…）給差異化建議
• 深度感知：沉澱選品偏好，越用越準
• A2A 協作：訂閱「類目訂閱」事件，釋出「選品情報報告」事件

工作流

1. 輸入：候選品類 + 訊號（搜尋量/競爭/毛利/趨勢/退貨），預設取品類基線
2. 處理：歸一化 → 加權評分 → 分層 → 理由/建議生成
3. 輸出：機會分 + 分層 + 理由 + 建議（+ 多候選排序）
4. 外部整合（預留）：平臺榜單/評論 API、第三方資料

深度感知 · 資料沉澱

• 檔案：used_count / category_pref / risk_appetite（見 assets/scout-profile-schema.json）
• 演化：二次評估按歷史品類與風險偏好調整預設基線。

開放介面（A2A 協議）

• 訂閱：category.subscribed
• 釋出：scout.report（v2.1，payload 含 top3 候選）

指令碼使用

python scripts/engine.py selftest
python scripts/engine.py score --candidate '{"name":"小眾香薰","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。

合規邊界

• 評分為經驗模型，非投資/經營建議；實際決策自負盈虧。
• 基線訊號為行業經驗值，需以商家自身資料校準。

驗收測試用例

用例1 藍海候選≥70且分層藍海；用例2 紅海候選<50且紅海；用例3 藍海分>紅海分 用例4 分數落0-100；用例5 理由非空含建議；用例6 藍海詞命中建議 用例7 檔案二次演化；用例8 A2A version2.1含top3；用例9 排序藍海在前

侷限與迭代路線

• v2.1 訊號為商家自填/基線，未接平臺即時資料；v2.2 規劃：接榜單/評論 API 自動拉訊號 + 類目聚類。
• 權重為固定經驗值，v2.2 可支援按商家歷史命中率自動調權。

CHANGELOG

• v2.1.0（2026-07-25）：license 收緊為 CC BY-NC-SA；加三項智慧財產權標識（engine.py 版權 banner / NOTICE.md / 產出物末行自動印章「由三諮澳金（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 做深為生產級，含評分/分層/排序/藍海詞/深度感知/A2A。
• v0.1.0（骨架）：佔位。

這是一款功能比較實用的電商選品輔助工具，能根據多個維度給品類打分並給出建議。介面友好，操作簡單，輸出結果清晰易懂。做得好的地方是功能完整、文件詳細、零依賴易部署。但訊號資料需要自己填寫，可能不夠準確；內建的品類資料較少；評分標準是固定的，不能根據你的歷史經驗自動調整。總體來說，適合作為選品參考，但最好結合其他資料來源使用。