name: ecommerce-image-diagnosis description: "電商主圖&詳情頁診斷助手。給它商品主圖、詳情頁截圖、搜尋結果截圖,或者商品連結,自動分析主圖點選率潛力與詳情頁轉化率,從視覺清晰度、資訊傳達、差異化、信任背書、平臺合規等10個維度打分,生成結構化 HTML 視覺化診斷報告,包含評級、核心發現和 P0/P1/P2 優先改進行動清單。適用於淘寶、拼多多、抖音電商、京東等平臺。觸發詞:主圖診斷、詳情頁診斷、商品圖分析、主圖最佳化、詳情頁分析、電商圖片診斷、幫我看看主圖、分析詳情頁、主圖好不好、主圖轉化率、ecommerce image diagnosis。" agent_created: true
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)
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
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。
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
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"]
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。
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
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
想要更強大的技能外掛,就來小蔥技能站7w4.net看看吧。
輸出路徑使用當前會話工作目錄(C:\Users\PC\WorkBuddy\當前session目錄\)。
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
| 素材情況 | 處理方式 |
|---|---|
| 只有主圖 | 僅診斷主圖,詳情頁維度跳過 |
| 只有詳情頁截圖 | 僅診斷詳情頁,主圖維度跳過 |
| 只有商品連結 | 提取商品名稱和平臺,嘗試獲取主圖,無法獲取時告知使用者 |
| 只有搜尋截圖 | 診斷搜尋競爭力,其餘維度標註"素材缺失" |
| 無任何素材 | 引導使用者上傳圖片或貼上連結 |
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。