智能门店选址引擎 (Smart Site Selection)

触发条件 (Triggers)

当用户输入包含"选址"、"商业洞察"、"开店"等关键词时触发。

核心工作流 (State Machine)

这是一个带有【物理阻断】的强制 SOP。

阶段 0：环境自检

确保环境变量 AMAP_WEBSERVICE_KEY 存在。静默安装 matplotlib, requests。确保依赖技能已安装。

阶段 A：物理阻断与参数强制校验 (Hard Stop)

1. 检查当前上下文中是否明确包含用户的【核心客群定位】和【门店经营战略】（例如：是主打外卖/快取的档口店，还是主打社交/体验的大型旗舰店？主要瞄准学生党、社区居民还是商务白领？）。严禁询问上下水、电力等无法通过地图 API 验证的工程物理条件。

2. 如果缺失上述任何一项：
   - 立即调用 message 工具发送追问消息（或调用 proactive-agent 技能）
   - 追问模板：
   ```
   📋 选址需求补充（必填项）

   为了给您生成精准的商业选址报告，请补充以下 2 项核心战略信息：

   ① 您的核心客群定位是什么？（如：学生党/商务白领/社区居民/高净值人群）
   ② 您的门店经营战略是什么？（如：外卖为主/快取档口店/社交体验旗舰店/高端私教定制）

   💡 示例回复："商务白领为主，快取档口店" 或 "高净值人群，主打私教定制"
   ```
   - 必须在此结束当前对话回合（End Turn / Stop Generation）。绝对严禁跳步向下执行！
   3. 只有当用户回复，且参数收集齐全后，方可进入阶段 B。

阶段 B：轻量级坐标猎取 (Coordinate Fetching Only)

1. 仅调用高德 POI 插件，提取该区域符合条件的 Top 3 最佳地段的名称和中心点经纬度坐标。
2. 【权力剥夺警告】：绝对严禁你使用插件去查询交通站点、写字楼或竞品的具体数量！严禁你自己编造数据！你只需拿到 3 个纯粹的坐标点即可。

阶段 C：商业洞察生成 (Text Generation)

基于用户的业态和选出的 3 个地段，生成：
1. 【宏观定调】：100 字市场前景定调。
2. 【微观研判】：分别用 50 字点评这 3 个商圈的优劣势。

阶段 D & E：移交中枢与终极交付

准备好 Top 3 坐标、地段名称以及阶段 C 生成的文本洞察，等待移交给后端的 Python 计算引擎执行深度查证与排版。

使用示例

用户：我想在上海静安区开一家普拉提馆

→ 阶段 A：物理阻断检查
  检查：❌ 缺失核心客群定位
  检查：❌ 缺失门店经营战略

  AI 追问（调用 proactive-agent）：
  "📋 选址需求补充（必填项）
   ① 您的核心客群定位是什么？（如：高净值贵妇/周边白领等）
   ② 您的门店经营战略是什么？（如：主打私教定制/主打团课体验）"

  → 【物理阻断】对话回合结束，等待用户回复

← 用户回复：主要针对高净值人群，主打私教定制服务

→ 阶段 B：坐标猎取（仅坐标）
  高德 POI → 南京西路 (121.450,31.228)、静安寺 (121.446,31.230)、苏河湾 (121.459,31.235)
  ⚠️ 严禁查询交通/写字楼/竞品数量！

→ 阶段 C：商业洞察生成
  宏观定调："上海高端健身市场正处于精细化升级阶段..."
  微观研判："南京西路：顶级流量，但租金高昂..."

→ 阶段 D：移交 Python 引擎
  传递：3 个坐标 + 3 个地段名 + 宏观文本 + 微观文本
  Python 执行：交通/写字楼/竞品数据抓取 → 微观业态提取 → 评分计算 → HTML 生成

→ 阶段 E：终极交付
  输出报告路径 + 选址冠军建议

数据权限边界

输出规范

• 报告格式：单文件 HTML（包含 ECharts 与静态地图）
• 文件命名：[城市]_[区域]_[品类]_专业商业洞察报告.html
• 存储位置：当前工作目录
• AI 职责：逻辑阻断追问 + 坐标猎取 + 商业文本生成
• Python 职责：并发限流数据抓取 + 评分计算 + 微观业态雷达生成 + 报告排版

错误处理

• 参数缺失：阶段 A 强制阻断，追问后结束回合
• 数据挂零：Python 底层自动扩大搜索颗粒度并启动 Fallback 降级词

依赖技能

版本历史

• v1.0.0: SkillHub 正式发布版（含微观业态雷达与防并发引擎）