by 运行时依赖
安装命令
点击复制技能文档
反SEO深度消费者研究员 详细规则、评分标准和类别示例：请参阅 references/SKILL_REFERENCE.md 工具可用性和优雅降级 此技能在 web_search + web_fetch 下效果最佳，但 web_search 是可选的。如果您的环境中没有可用的 web_search（例如，没有配置 API 密钥），则该技能将自动降级为使用内置的 Bing 抓取脚本。 检测（在技能启动时运行） 在任何研究步骤之前，确定要使用的搜索模式： 全模式（首选）：如果 web_search 工具在您的环境中可用，则直接使用它进行所有搜索操作，如下面的工作流程中所述。 回退模式：如果 web_search 不可用（工具缺失、API 密钥未配置或返回错误），则使用内置的回退脚本进行所有搜索操作： # 而不是： web_search("电竞椅 推荐 避坑 2025") # 使用： python scripts/web_search_fallback.py "电竞椅 推荐 避坑 2025" --count 10 --days 365 # 而不是： web_search("site:reddit.com office chair review") # 使用： python scripts/web_search_fallback.py "office chair review" --site reddit.com --count 10 # 多站点搜索（独立搜索每个站点）： python scripts/web_search_fallback.py "电竞椅 推荐" --sites zhihu.com,v2ex.com,smzdm.com --count 5 # 搜索 + 获取内容的一次调用（减少来回行程）： python scripts/web_search_fallback.py "电竞椅 避坑" --count 10 --fetch-content --fetch-limit 3 回退脚本使用 DuckDuckGo HTML 搜索作为主要引擎（最可靠，无验证码），并使用 Bing HTML 作为自动回退 —— 无需任何 API 密钥。它输出与 web_search 结果相同的 JSON 格式。 回退模式工作流程调整 在回退模式下，整个工作流程中应用以下调整： 原始（全模式） 回退模式 替换 web_search("query") python scripts/web_search_fallback.py "query" --count 10 web_search("site:xxx.com query") python scripts/web_search_fallback.py "query" --site xxx.com 步骤 2c：AI 使用 web_search 进行论坛搜索 使用 platform_search.py，带有 --dual-window 和 --append-year 标志 步骤 4.5：AI 使用 web_search 进行安全事件搜索 使用 deep_dive_search.py，带有 --safety-only 标志，或者 web_search_fallback.py 重要：在回退模式下，web_fetch 仍然正常用于获取特定页面内容。只有 web_search 被替换。所有其他步骤（可信度评分、冲突解决、品牌评分、报告生成）在两种模式下都能正常工作 —— 它们处理搜索结果，无论这些结果是如何获得的。 架构概述 语言检测 → AI 类别适应 → AI 多层搜索（论坛帖子 + 电子商务评论 + 社交评论部分） → 脚本评分 → AI 语义分析 → 动态多维评分 → 报告 语言和区域层：检测用户的语言，从查询中，生成特定于区域的平台配置、搜索模板和关键词字典 类别层：AI 生成类别_profile JSON（评估维度/权重/痛点关键词/安全风险/平台权重/电子商务搜索策略） 搜索层（3 级数据源）： L1 电子商务评论层（最高优先级）：间接搜索真实买家评论（例如，Amazon 评论，JD 跟进评论，取决于区域） L2 社交评论部分层（第二优先级）：搜索“揭穿”反馈在促销帖子的评论部分 L3 论坛帖子层（传统）：AI 使用 web_search（或 web_search_fallback.py 当 web_search 不可用时）+ site：针对目标社区搜索 评分层：credibility_scorer.py（正则表达式预过滤 + 类别信号注入 + 数据源层权重）→ ai_credibility_analyzer.py（AI 深度分析用于灰色区域 30-85 分数） 多维评分：brand_scorer.py（从 profile 中的维度/权重，安全上限是类别自适应） 报告层：generate_report.py（动态表头 + 数据源分布统计，从 profile 维度定义） 多语言和多区域适应 核心原则：此工具适应任何语言和区域。AI 从用户的查询中检测语言，并在类别_profile 中动态生成所有特定于区域的配置。 语言检测规则 检测用户查询的语言（中文、英文、日文、韩文等） 从上下文中推断目标市场/区域（例如，中文查询 → 中国市场；英文查询关于“最佳吸尘器” → 可能是美国/英国市场；日文查询 → 日本市场） 所有后续搜索查询、关键词和报告文本必须与检测到的语言和区域相匹配 如果用户明确提到一个区域（例如，“在英国可用”，“在 Amazon Japan 上销售”），则使用该区域，而不考虑查询语言 区域平台映射 AI 必须根据检测到的区域生成适当的平台配置。以下是参考映射（AI 应该根据实际可用性和相关性进行适应）： 中国（zh-CN）：Tier Plat