地标特产侦探（gi-terroir-detective）
> 地标产品是官方免费给的宝藏地图，但没人替你翻译。
> 本技能做的事：把 100~200 字的官方公文，翻译成有信任感、能带货的内容。
0. 先读这一页的纪律
- 官方档案不含上市期 -> 时令必须标"应季参考"，不能写成"官方上市时间"
- 档案没有的，一律不编（年代/传说/名人/跨产区比较）-> 标 [缺] 并删段
- 数字照抄，连"以上/平均/高达"一起抄，不改口径
- 每个事实句都要能标来源（[OK]/[!]/[缺]）
- 护城河在"翻译差"，不在"信息差"——官方 PDF 谁都能下载
详细红线见 -> references/compliance.md
1. 何时用
| 用户说 | 走哪条路 |
|---|---|
| "给XX产品写抖音/小红书/公众号文案" | 主流程（第3节） |
| "这个月做什么应季地标？" | pick_month.py <月份> |
| "有哪些产品可以做？" | gi_query.py --month N 或 gi_query.py <关键词> |
| "这个产品适合哪种打法？" | gi_query.py <产品名> --flow |
| "帮我建地标资料库/扩数据" | 见第5节数据源边界 |
2. 数据资产（data/ 目录）
| 文件 | 条数 | 内容 | 说明 |
|---|---|---|---|
gi_products.json |
99 | 官方档案正文 + 省份/产区/类别/保护方式/公告号/商标号 | 核心料源，可以直接开写 |
gi_master_index.json |
1110 | 产品名/公告号/省市/所在分卷/页码 | 《大典》总目录，用于定位买哪一卷 |
season_calendar.json |
1164 | 上述合并 + 时令字段（月份/峰值月/依据/置信度） | 应季选题的基础（品类级） |
variety_calendar.json |
— | 品种级成熟期（苹果、鸡心果…） | 修正品类级误差，见第 6 节 |
sources.md |
— | 数据源登记与三个边界 | 引用前必读 |
../assets/product_images/ |
97 | 官方产品实拍图（平均 1164×839）+ _index.json 映射 |
做配图直接用，非遗漏项 |
三个边界（引用时必须带上）：
- 时间：S2 公告年份 2000–2014
- 体系：只收"地理标志产品"路径，不含仅走地理标志商标的产品
- 覆盖：1110 是可确认下限（OCR 遗漏≈16%），实际应 1200+
3. 主流程（SOP）
Step 1 · 选题（要做什么）
python scripts/pick_month.py 9 # 9月应季清单（区分"可直接开写"/"需补料"）
python scripts/pick_month.py 9 --write # 写入 output/选题清单_9月.md
python scripts/gi_query.py --month 9 # 按月份查（默认只出有档案的）
python scripts/gi_query.py 会理 --flow # 关键词查 + 自动判定打法
> 内容要提前做：本月发的内容，上月就该准备。
Step 2 · 出骨架（自动判打法 + 素材预分类）
python scripts/content_engine.py 会理石榴 # 单产品：五段骨架 + 三平台模板 + 合规卡
python scripts/content_engine.py 会理石榴 --write # 写入 output/骨架_XXX.md
python scripts/content_engine.py --month 9 --top 5 # 批量出前5个
脚本产出：产品卡 + 打法判定 + 五段素材预分类（带 [OK]/[!]/[缺]）+ 三平台模板 + 来源合规卡。
脚本只管到骨架，不负责最终成文 —— 拆句/归类/打标签交给脚本，共情/节奏交给 LLM。这是刻意的分工。
Step 3 · 成文（按三平台写）
读 references/platforms.md，先短后长：抖音（一个记忆点）-> 小红书（加"怎么挑"）-> 公众号（讲透机制）。
Step 4 · 过合规卡
逐条走 references/compliance.md 的自查清单，任何一项打不了勾就不发。
4. 脚本清单
| 脚本 | 作用 | 关键用法 |
|---|---|---|
gi_query.py |
查询 + 打法判定 | <关键词> [--flow] / --month N [--all] |
content_engine.py |
骨架生成 | <产品名> [--write] / --month N [--top K] |
season_engine.py |
时令规则引擎（重建数据用） | 直接跑，重算 season_calendar.json |
pick_month.py |
月度选题清单 | <月份> [--write] |
extract_images.py |
官方产品图提取与映射 | 需指定 --pdf；产出 assets/product_images/ |
> content_engine.py 的打法判定复用 gi_query.judge_flow（同源，防漂移；已有一致性回归：99/99 一致）。
5. 打法判定机制（三流一分型）
引擎按档案里"哪类信号密度最高"自动判定，由档案决定，不是人选：
| 判定 | 触发信号 | 主打段 |
|---|---|---|
| 故事流 | 古称/相传/历代/始于/发源/国宴/御用/之乡/美誉 | ① 历史缘由 |
| 数据流(指标型) | 百分比/mg/倍/吨 等硬数字 | ③ 品质证据 |
| 数据流(描述型) | 只有感官词（果大皮薄、粒大籽软） | ③ 品质证据（转成画面，别硬找数字） |
| 稀缺流 | 海拔/纬度/不可复制/世界公认/明星产区/OIV | ② 产地风土 |
| 资料偏薄 | 全部信号都弱 | 先补料再写 |
当前 99 条分布：数据流(描述型) 51 / 故事流 24 / 数据流(指标型) 20 / 稀缺流 4。
详细判据与例 -> references/methodology.md
6. 时令引擎
四级置信度，不许模糊：
| 置信度 | 含义 | 对外可用性 |
|---|---|---|
medium |
产品名精确匹配品类 | [OK] 标"应季参考" |
low |
只匹配到大类兜底 | [!] 仅供参考，需逐条核验 |
none |
判定无季节性（工艺品/酿造/饮用水） | [X] 不参与应季推荐 |
unknown |
规则未覆盖，未做任何推测 | [X] 不可用 |
引擎设计要点（改规则前必读）：
- 规则形式：关键词 -> 品类 -> 月份 / 峰值月 / 依据；长词优先匹配
- 已被踩过的坑：单字"花"会把"黄花菜"错配成花卉 -> 必须用具体花名
- 补词时同步更新 gi_query.py 的 DESC / QUALITY_CTX / HONOR / HIST，
否则"资料偏薄"会误报（历史上从 19 条误报降到 0 条，靠的就是补这批词）
[!] 品类级 ≠ 品种级（"当季"卖点的真正地基）
season_engine 是品类级，会把"苹果"笼统算成 9/10/11 月峰值 10 月。
但同一名字的果子，不同品种能差一个半月：
| 产品 | 品类级输出 | 实际（品种级） |
|---|---|---|
| 苹果 | 9/10/11 月，峰值 10 月 | 嘎啦 8 下–9 上 / 红将军 9 中 / 红富士 10 中下 |
| 葡萄 | 7–10 月，峰值 9 月 | 巨峰 8 中 / 阳光玫瑰 9 上 / 酿酒葡萄 9–10 |
品类级会犯两种错（都致命）：
1. 把晚熟品种的话术用在早熟月份 —— 9 月讲"糖心红富士"，假
2. 把正当季的早熟品种当成"不是当季" —— 例：鸡心果（8 下–9 中正当季）被误排除
纪律：写应季文案必须落到品种，不要笼统说产品名。
品种级数据在 data/variety_calendar.json（已录苹果、鸡心果）；
gi_query.py 与 content_engine.py 会自动提示品种差异。
补录品种时的写法：查 variety_calendar.json，把品种按 months / peak / note 加进去，
并在 _meta.来源 里登记出处——媒体/行业资料属 medium 置信度，对外仍用"上市参考"措辞。
非地标但应季的果品
variety_calendar.json 里若标了 是否地理标志: "否"，查询时会显示「[!]非地标·外部参考」。
这类产品可以写"应季"，但不能当地标产品写（例：鸡心果 / 锦绣海棠 / 塞外红 —— 林木良种，非地标）。
7. 目录结构
gi-terroir-detective/
|-- SKILL.md
|-- scripts/
| |-- gi_query.py # 查询 + 打法判定（judge_flow 为判定单一真源）
| |-- content_engine.py # 骨架生成（复用 judge_flow）
| |-- season_engine.py # 时令规则引擎
| |-- pick_month.py # 月度选题
| `-- extract_images.py # 官方产品图提取与映射
|-- assets/product_images/ # 97 张官方产品实拍图 + _index.json
|-- data/ # 数据资产 + sources.md
|-- references/
| |-- methodology.md # 五段结构 × 三种打法
| |-- platforms.md # 抖音/小红书/公众号模板
| `-- compliance.md # 来源红线和自查清单
|-- examples/
| `-- 样例_五产品三平台.md # 5 个产品 × 3 平台的完整成文样例
`-- output/ # 脚本产物（自动创建）
8. 一句话总结
别人抄官方 PDF，你翻译官方 PDF。
翻译的标准是：每句话都能指回档案，档案没有的就不写。
数据来源与版权声明
本 skill 的数据资产均来自公开来源，本包只做结构化整理与索引，不含受版权保护的原文摘录：
- 官方档案数据（
data/gi_products.json、data/gi_master_index.json）
来自国家知识产权局公开的地理标志品牌推广资料，属公开政府信息；本包仅整理为结构化字段。 - 品种成熟期数据（
data/variety_calendar.json）
从《果树栽培学各论》（北方本 / 南方本）中提取事实性日期（作物成熟期属客观事实，不属著作权保护的"表达"），
未摘录原文；文件名与出版信息仅作来源追溯。 - 产品实拍图
本包不附带任何图片。scripts/extract_images.py提供从原始官方 PDF 自行提取的方法，图片权利归原发布方。 - 本 skill 的代码与文档
可免费使用与二次分享，转载请注明出处「七仔的AI工具箱」。
使用提醒：所有"应季"判断均属规则推断，对外发布请标注「应季参考」，
并遵守 references/compliance.md 中的合规红线（绝对化用语、数字口径、功效表述）。
作者与联系方式
本 skill 由「七仔的AI工具箱」维护。欢迎就技能使用、问题反馈与二次分享交流：
- 微信公众号：七仔的AI工具箱
- 抖音号：七仔的AI工具箱
- CSDN 博客：七仔的AI工具箱
