微信小店商品标题检测器
概述
依据微信小店官方《商品标题发布指南》与《商品标题搜推运营指南》（2026-03-10 最新版），对微信小店商品标题进行合规与搜推双重检测，输出标准化报告：分析总结 + 优化建议 + 3 个推荐标题。
核心特性：用户只需提供 #微信小店:// 格式的商品链接，Skill 自动从商品分享海报中识别出商品标题、品牌、价格等关键信息，再进入检测流程。自动抓取失败时降级为手动输入。
所有判定规则详尽收录于 references/title-rules.md，检测前必须加载该文件作为比对依据。
触发条件
当用户出现以下意图时触发：
- 粘贴 #微信小店://... 格式商品链接，要求检测/优化
- 直接提供商品标题文字（不支持链接时）
- 询问标题能否过审、为何被拒、为何搜索排名靠后
- 要求优化标题以利于平台推荐/搜索
- 询问微信小店商品标题"怎么写""怎么改"
- 上架前对标题做自检
工作流
第一步：选择获取方式并获取商品信息
提供四种商品信息获取方式，根据用户输入自动判断或用户明确指定：
方式1：商品标题 + 类目（直接文本输入）
适用：用户手头已有标题文字，想快速检测（任何商品）
输入：
- 商品长标题（必填）
- 商品类目（强烈建议，用于类目专项检测）
- 商品短标题（选填）
- 品牌、关键属性等真实信息（选填，用于校验一致性并生成推荐标题）
流程：直接进入第二步检测，无需抓取。
信息来源标注：来源：用户直接提供
方式2：商品链接（海报图自动识别，默认，支持批量）
适用：用户提供 #微信小店:// 链接，任何商品（含竞品）。支持批量：用户一次粘贴多个链接（或分批提供），逐一识别、合并输出汇总表。
单个商品主流程：用户粘贴链接 → 自动解析商品ID → 抓取中转页 → 提取商品分享海报图 → 视觉识别商品信息 → 用户确认/补正 → 进入检测。
批量主流程（多个链接）：解析出全部商品ID → 逐个走"单个商品主流程" → 每个商品独立给出报告 → 末尾输出批量汇总表（商品名/判定/主要风险/优先级）。
关键步骤：
1. 解析链接：正则 #微信小店://(?:[^/]+/)?([A-Za-z0-9]+)$ 提取商品ID
2. 构造网页 URL：https://store.weixin.qq.com/shop/a/{商品ID}
3. 抓取海报图：curl 抓 HTML + grep 提取 https://res.wx.qq.com/shop/poster/product/[\w-]+\.png
4. 下载 + 视觉识别：curl 下载海报图，Read 读取图片，识别长标题、品牌、价格、卖点、规格、类目（推断）
5. 用户确认：列出识别结果，询问标题/类目/短标题是否准确
降级：抓取失败（URL 404 / 抓不到海报图 / 识别失败）→ 降级方式1，让用户手动提供标题+类目。
详细流程见 references/link-fetch-workflow.md。
信息来源标注：来源：商品分享海报视觉识别（可能有 1-2 字误差），以商家后台实际标题为准
方式3：商品截图（多张视觉识别）
适用：用户提供 1 张或多张商品截图（任何商品）
输入：用户上传/粘贴图片，或提供图片本地路径。支持多张。
主流程：接收截图 → 逐张视觉识别 → 合并多张信息 → 用户确认 → 进入检测。
关键步骤：
1. 接收并登记截图（多张时询问每张来源：详情页/编辑页/列表页等）
2. 逐张 Read 读取图片，提取长标题、短标题、价格、品牌、类目、属性、详情等
3. 合并：同字段取最清晰版；不同字段互补；冲突按权威性排序（编辑页 > 详情页 > 分享卡 > 列表页）
4. 用户确认识别+合并结果
降级：截图模糊/非商品/识别不到长标题 → 让用户文字补充或重新提供截图。
详细流程见 references/screenshot-fetch-workflow.md。
信息来源标注：来源：用户截图视觉识别
方式4：后台扫码直连（仅自家商品，支持批量）
适用：用户明确要求"后台直连/扫码"，且商品属于用户自家店铺。支持单一、批量、全店。
输入支持 5 种：
- 单一商品ID：10000321465693
- 批量商品ID：10000321465693, 10000321465692, 10000321465694
- 单一商品链接：#微信小店://店铺/PYe0LSG2bm0WI4G
- 批量商品链接：多个 #微信小店://...
- 全店所有上架商品：用户说"所有商品 / 全店 / 全部上架 / 整个店铺 / 店铺所有商品"等，自动遍历店铺所有在售（或全量）商品检测
关键差异：商品ID（纯数字）是后台内部ID可直接搜；商品链接含对外ID后台搜不到，需先走方式2识别商品名再搜。
前置依赖：agent-browser 已安装（npm install -g agent-browser && agent-browser install）
主流程：解析输入 → 启动浏览器 → 扫码登录 → 导航商品列表 → 批量循环（搜商品→进详情页→只读抓取→回列表）→ close → 进入检测。
严格只读约定（必须遵守）：
- 绝不点击"保存/上架/下架/删除/提交"等任何写操作按钮
- 抓完即 close，不保留会话
- 操作范围仅限商品详情查看
批量输出：每个商品独立报告 + 末尾批量汇总表（商品名/判定/主要风险/优先级）。
降级：任何环节失败 → 该商品降级方式2（海报图），不影响其他商品。
详细流程、踩坑实录、安全约定见 references/backend-fetch-workflow.md。
信息来源标注：来源：后台扫码直连，权威数据
方式选择规则（自动判断）
按用户输入自动选择，用户也可明确指定：
| 用户输入 | 默认方式 | 备注 |
|---|---|---|
| 纯标题文字 + 类目 | 方式1 | 直接检测 |
#微信小店://... 链接（单个或多个） |
方式2 | 海报识别 |
| 图片/截图 | 方式3 | 截图识别 |
| 纯数字商品ID（单个或多个） | 方式4 | 需用户是商家 |
| 明确说"后台直连/扫码" | 方式4 | 即使输入是链接也走方式4 |
| "所有商品/全店/全部上架" 等全店触发词 + 是自家店（可扫码） | 方式4（全店模式） | 自动遍历店铺全部在售商品，分页收集后批量检测 |
| 方式2/3/4 失败 | 降级方式1 | 让用户手动提供 |
批量处理：方式2 和方式4 支持批量输入（多个链接或多个ID），输出每商品独立报告 + 汇总表。
信息来源标注
进入检测阶段时，报告顶部必须标注商品信息的来源（五态）：
- 方式1：来源：用户直接提供
- 方式2：来源：商品分享海报视觉识别（可能有 1-2 字误差），以商家后台实际标题为准
- 方式3：来源：用户截图视觉识别
- 方式4：来源：后台扫码直连，权威数据
第二步：加载规则并逐维度检测
检测前先读取 references/title-rules.md。然后按三大维度逐项比对，每项给出三级判定标签：
- ✅ 通过：符合规范
- ⚠️ 待优化：不违规但存在搜推优化空间
- ❌ 违规：违反平台禁止性规则，可能触发审核或处罚
维度 A：基本合规检测（发布指南）
逐条核对（对应 title-rules.md 第二章）：
1. 字数：长标题是否 ≥5 汉字
2. 商品主体明确性：是否有清晰品名/类目词；是否多品类混杂；标题描述是否与商品所属精细化类目一致
3. 宽泛词：是否含"百货/孤品/套装/链接/好物/秒杀专项"等不能指向具体商品的词，或"按编号拍品/以直播间展示为准"等表述
4. 错别字/异体字/生僻字：是否用此类手段规避规则
5. 信息规避：是否用拼音、汉字拆分、代号、变体字隐藏真实信息
6. 无关字符/符号：是否含与商品无关的数字、符号
维度 B：搜推优化检测（搜推运营指南）
逐条核对（对应 title-rules.md 第三、四章）：
1. 基础信息充分性：是否含品牌名（若有）、品类名、产品名、核心卖点
2. 关键属性完整性：是否含材质/季节/人群/功能/场景/规格等关键属性，还是过于宽泛
3. 关键词堆砌：是否存在同义词、近义词或品类词/属性词/热门词重复叠加
4. 不当引流：
- 品牌蹭流（用其他品牌词引流）
- 仿冒名人（未经授权用"xx同款"，xx 为明星/影视 IP）
- 热词蹭流（用与商品实际不符的热词/类目词/关键词）
5. 短标题专项（若用户提供短标题）：
- 与长标题品名/品牌/其他属性是否一致
- 是否缺核心卖点
- 语义是否通顺（无缺字少字）
维度 C：类目专项检测（发布指南第三章）
若已知类目，按 references/title-rules.md 第五章类目表核对必填项是否齐全。重点类目包括：钟表/腕表、家具定制、厨具刀具、文玩（多子类）、酒水（含特殊品牌名单）、教育培训、农资园艺、珠宝首饰、保健食品、成人用品、餐饮酒旅、游戏服务、鲜活/冷冻蟹、干燕窝、陈年白酒等。
农资园艺（鲜花/绿植/苗木）已作为重点垂直类目支持：含分类目合规/违规标题示例、违规高频问题与专业检测清单（见 title-rules.md 第六章）；此类目生成推荐标题优先采用"类目优化公式"（核心品类+品种/规格+核心特性+适用场景+[送礼]）。苗木为定向准入类目，无资质不得发布。
若类目本身由自动识别推断得出，必须经用户确认后方可进入类目专项检测。
第三步：输出标准化报告（HTML 看板 + 手机端长图 PNG + PDF + Markdown 摘要）
默认交付三份看板：
- HTML 看板（电脑端交互预览）：可筛选/搜索、点击行定位问题卡片、甜甜圈图
- 手机端长图 PNG（手机查看/分享）：手机视口全页单图，含全部内容
- PDF 文件（手机端友好）：将长图按段落切片封装为多页 PDF，手机/阅读器打开即按宽度自适应、可滚动或翻页浏览，便于随身查看与转发
检测完成后，读取 references/report-template.html，复制为 <店铺名>标题检测看板.html 写入工作区，按下方占位符填充后先生成 HTML；再由 HTML 生成 PNG 与 PDF（同名前缀），三份一起通过 present_files 交付。
占位符填充约定（模板内另有注释）：
- 标量：{{REPORT_TITLE}} {{STORE_NAME}} {{SOURCE_LINE}} {{GEN_TIME}} {{SCOPE_LINE}} {{STORE_TOTAL}} {{TOTAL}} {{ON_SALE}} {{OFF_SALE}} {{CNT_FAIL}} {{CNT_WARN}} {{CNT_PASS}} {{PCT_FAIL}} {{PCT_WARN}} {{PCT_PASS}} {{DONUT_BG}}({{STORE_TOTAL}}=店铺商品总数，{{TOTAL}}=本次实际检测数)
- 列表块（模型逐条生成对应 HTML 后整体替换占位符）：{{TABLE_ROWS_HTML}}（每商品一行 <tr data-status="fail|warn|pass" data-id="商品ID" data-search="商品ID+标题小写">…</tr>）、{{FAIL_DETAILS_HTML}} / {{WARN_DETAILS_HTML}}（每问题一张 <div class="dcard fail|warn" id="d-商品ID">…</div>）、{{COMMON_ISSUES_HTML}}（<li> 列表）、{{RECO_HTML}}（3 个 .reco 卡片）
- {{DONUT_BG}} 由模型计算：conic-gradient(#f5222d 0 A%, #faad14 A% B%, #52c41a B% 100%)，A = 违规率（%），B = 违规率 + 待优化率（%），均保留 1 位小数
手机端长图（PNG）+ PDF：HTML 生成后，用 references/gen_assets.sh 一键产出 PNG 长图与多页 PDF。脚本已内含「滚动分段截图 + PIL 拼接（末段裁剪去重叠）+ PDF 多页封装」，规避 screenshot --full 在粘性表头下的重复、以及超高单页 PDF 的兼容问题，并对 Windows(Git Bash) 路径做了兼容。用法：
bash references/gen_assets.sh "<店铺名>标题检测看板.html"
# 产出：<店铺名>标题检测看板.png （780 宽全页长图，DPR=2，Retina 清晰）
# <店铺名>标题检测看板.pdf （多页，每页约 11000 设备像素 ≈ 153"，手机按宽度自适应）
要点：
- 依赖：agent-browser（PATH 可用）+ Python（PIL 已装）
- 脚本自动 agent-browser close --all 清掉残留 daemon、起本地静态服务、以 390 视口 + DPR=2 渲染 ?static=1、分段截图后拼接并封装 PDF。脚本内 DPR=2 为清晰/体积平衡默认值，按需改为 1（更小更糊）或 3（更锐更重）
- 端口 8765 被占用则在脚本内更换；中文文件名经临时 ASCII 名（board.html）规避 URL 编码，最终保留原文件名
- PDF 由长图切片生成，单页高度远低于 PDF 上限，各阅读器兼容，手机端按页面宽度自适应
- 适用于任何按本模板生成的看板（批量/单商品/全店均可）
Markdown 摘要（可选）：如需存档/分享纯文本，可同时生成一份 Markdown 报告（内容同看板，按以下三个部分组织）。
报告内容必须包含以下三个部分，顺序固定：
部分 1：分析总结
用表格呈现各维度检测结果，让用户一眼看清问题分布。表格格式：
| 检测维度 | 具体项 | 判定 | 说明 |
|---|---|---|---|
并在表格下方用 1-2 句话给出整体结论：当前标题的主要风险点和优化方向。
报告头部必须包含：
- 商品链接（用户原始链接）
- 商品长标题（标注来源：海报识别 / 手动输入 / 后台直连）
- 商品短标题（若有，标注来源）
- 商品类目（标注来源：自动推断 / 用户确认）
- 品牌、关键属性等其他已识别信息
部分 2：优化建议
逐条列出需修改的问题，每条包含：
- 问题：具体指出标题中哪部分有问题
- 依据：对应平台规则（引用 title-rules.md 中的条款编号或类型名）
- 修改方向：明确告诉用户怎么改
按严重程度排序：❌ 违规项优先，其次 ⚠️ 优化项。
部分 3：推荐标题（3 个）
基于官方标题公式生成：
商品品牌（如有）+ 商品品名/类目词 + 关键信息（描述/属性/卖点）
+ 规格参数（场景/人群/型号/颜色/尺寸等）+ 其他描述（营销词等）
> 公式选用：农资园艺（鲜花/绿植/苗木）类目优先采用 title-rules.md 第一章的「类目优化公式」：【核心品类】+【品种/规格】+【核心特性】+【适用场景】+【可送礼产品需添加礼物场景和对象】；其余类目用上方《搜推运营指南》官方公式。
生成 3 个差异化方案，每个方案注明侧重点，例如：
1. 合规稳健版：严格按类目必填项 + 通用公式，优先确保过审
2. 搜推优化版：补充高搜索价值的关键属性词和卖点词，提升搜索匹配度
3. 场景卖点版：突出使用场景或核心利益点，提升点击转化
每个推荐标题后简述设计思路（1 句话）。基于自动识别的商品信息生成的推荐标题，必须标注"基于海报识别信息生成，请核对真实性"。
注意事项
- 检测以
references/title-rules.md为准，不得凭记忆编造规则 - 对不确定是否违规的边界情况，标注 ⚠️ 并说明判断依据，不轻易判 ❌
- 推荐标题控制在合理长度（微信小店长标题一般不超过 60 字符为宜，短标题精简）
- 若标题含品牌词，需确认是否为商品自有品牌；蹭其他品牌属 ❌ 违规
- 酒水类目的特殊品牌（茅台/五粮液等，见 title-rules.md 第五章名单）系列为必填
- 文玩类目子类多且规则差异大，检测前务必确认具体子类
- 平台规则为动态文档，若用户提及规则与本 Skill 不符，提示以官方最新版为准
- 自动抓取边界：能拿到的是"商品分享海报图 + 视觉识别信息"，拿不到的是"商家后台详情、属性页、短标题"。信息一致性检测只能做有限推断
- 视觉识别误差：海报图上的专有名词、字母数字组合可能有 1-2 字误差，报告必须标注来源，不作为权威数据
- 方式4只读铁律：后台扫码直连全程只读，绝不点击保存/上架/下架/删除等写操作按钮；抓完即 close；仅限自家店铺商品；批量处理时每抓完一个商品即返回列表，不在详情页累积停留
- 批量处理：方式2/方式4 支持批量输入（多个链接或多个ID），输出每商品独立报告 + 末尾汇总表（商品名/判定/主要风险/优先级）
资源
references/title-rules.md：微信小店商品标题规则全集（发布指南 + 搜推运营指南结构化整理），检测前必读references/report-template.html：HTML 看板模板（自包含，内联 CSS/JS，无外部依赖），第三步生成报告时复制并填充占位符，默认交付给用户references/gen_assets.sh：PNG 长图 + 多页 PDF 生成脚本（agent-browser 滚动分段截图 + PIL 拼接/封装，Windows 路径兼容），第三步一键产出 PNG 与 PDFreferences/link-fetch-workflow.md：方式2 详细流程（正则模板、单/批量抓取与识别、curl/grep 脚本、视觉识别要点、失败降级方案）references/screenshot-fetch-workflow.md：方式3 详细流程（多张截图识别、字段合并规则、最佳截图组合）references/backend-fetch-workflow.md：方式4 详细流程（agent-browser 命令序列、扫码登录、批量循环、踩坑实录、只读约定、降级方案）
