القائمة
店铺视觉风格拆解 - 自动分析电商店铺/竞品的配色方案、排版布局、摄影风格、设计语言。支持淘宝/天猫/京东/拼多多店铺。激活条件：需要竞品分析、风格提取、视觉对标、店铺拆解、配色分析时使用。关键词：竞品、风格分析、配色、视觉DNA、设计语言、store teardown、visual analysis
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
美工全流程 - 从参考店铺到成品设计，自动分析风格并生成同风格电商素材（主图、海报、Banner）。激活条件：(1) 用户需要分析店铺/竞品视觉风格 (2) 用户需要生成电商产品主图 (3) 用户需要制作活动Banner/海报 (4) 用户需要批量生成同风格产品图 (5) 用户需要从参考URL提取设计语言并复用。关键词：美工、设计、主图、海报、Banner、批量生成、风格分析、店铺拆解、电商素材、详情页、小红书、产品图、视觉风格
电商美工助手 - 做详情页、海报、Banner、社媒封面、套模版、AI生图、批量适配。支持淘宝/京东/拼多多/小红书/抖音/公众号全平台尺寸。发送"做详情页"、"做海报"、"做主图"、"做封面"开始。关键词：电商设计、产品图、详情页、海报设计、Banner、美工
Nano Banana2 多模态 AI - 支持文生图、图生图、Vision 分析。发送"生图 柴犬"生成图片，发送图片+描述做风格化重绘。底层调用 Gemini，支持 10 种宽高比。关键词：生图、画图、AI画图、文生图、图生图、generate image、Gemini、重绘
踩坑经验库 - 遇到问题时自动查阅 GitHub 上的历史踩坑记录(Capsule)，解决后自动提交新经验回 GitHub Issue。激活条件：(1) 遇到报错/异常/失败时 (2) 配置不生效或行为异常时 (3) 成功解决一个非显而易见的问题后 (4) 用户要求查阅或记录经验时。关键词：踩坑、经验、报错、failed、error、不生效、为什么、pitfall、experience
美股/港股盘前分析框架。抓取五大观测指标（VIX/IGV/MAGS/MEME/布油）、 个股实时价格、期权隐含波动率，生成结构化盘前简报。 包含量化模块：粒子滤波概率追踪、期权蒙卡定价、Copula VaR。 支持持仓 JSON 格式管理，实时浮盈亏计算。
获取商品在淘宝(Taobao)、天猫(TMall)、京东(JD.com)、拼多多(PinDuoDuo)、抖音(Douyin)、快手(KaiShou)的最优价格、优惠券的技能，商品价格全网对比，当用户想购物或者获取优惠信息时使用。Get the best price, coupons for goods on Chinese e-commerce platforms, compare product prices, and use when users want to shop or get discount information.
| name | store-teardown |
| description | 店铺视觉风格拆解 - 自动分析电商店铺/竞品的配色方案、排版布局、摄影风格、设计语言。支持淘宝/天猫/京东/拼多多店铺。激活条件：需要竞品分析、风格提取、视觉对标、店铺拆解、配色分析时使用。关键词：竞品、风格分析、配色、视觉DNA、设计语言、store teardown、visual analysis |
| metadata | {"openclaw":{"version":"1.0.0","userInvocable":true,"emoji":"🎨"},"requires":{"bins":["python3","uv"],"models":["gemini-3-pro-preview"],"env":["SCRAPERAPI_KEY"]}} |
拆解电商店铺的视觉设计，提取配色方案、排版风格、字体印象、图片风格等要素，输出结构化的设计简报。
用户输入示例：
mkdir -p /tmp/store-teardown/screenshots /tmp/store-teardown/images
先判断用户给的是 URL 还是 品牌名/关键词：
步骤 1 — 用买手技能搜索商品
cd /root/.openclaw/skills/taobao && uv run scripts/main.py search --source=1 --keyword='<品牌名>'
source 参数：1=淘宝/天猫, 2=京东, 3=拼多多, 7=抖音, 8=快手 默认搜索淘宝（source=1），如果用户提到其他平台可以调整。
此命令返回 CSV 格式数据，每行包含：
idx, goodsId, title, shopName, originalPrice, actualPrice, couponPrice, commission, monthSales, picUrl
步骤 2 — 保存搜索数据
将搜索结果中的关键信息提取并保存为 JSON：
cat > /tmp/store-teardown/items.json << 'ITEMS_EOF'
[
{"item_id": "<goodsId>", "title": "<title>", "price": "<actualPrice>", "shop_name": "<shopName>", "image": "<picUrl>", "sales": "<monthSales>"},
...
]
ITEMS_EOF
步骤 3 — 下载商品图片
重要: 不能用 curl 直接下载 alicdn.com 图片（会被防盗链返回 1x1 GIF）！必须用 download_images.py。
先将搜索结果中的 picUrl 逐行写入文件，然后用脚本下载：
# 将搜索结果的 picUrl 写入文件（每行一个 URL）
cat > /tmp/store-teardown/urls.txt << 'URL_EOF'
<picUrl_1>
<picUrl_2>
<picUrl_3>
...
URL_EOF
# 用 download_images.py 下载（自动带正确 headers 绕过防盗链）
cd <skill_directory>
uv run scripts/download_images.py -o /tmp/store-teardown/images -f /tmp/store-teardown/urls.txt --max 15
下载完成后，复制到 screenshots 目录供色彩分析使用：
cp /tmp/store-teardown/images/* /tmp/store-teardown/screenshots/ 2>/dev/null
跳到 Phase 2。
cd <skill_directory>
uv run scripts/taobao_fetch.py "<url>" -o /tmp/store-teardown --max-images 20
脚本会自动识别 URL 类型并选择最佳模式：
检查结果：cat /tmp/store-teardown/report.yaml
如果店铺页只有截图没有商品数据，用买手搜索补充：
cd /root/.openclaw/skills/taobao && uv run scripts/main.py search --source=1 --keyword='<从截图或URL中判断的店铺名>'
然后按路径 A 的步骤 2-3 下载商品图片。
复制图片到 screenshots：
cp /tmp/store-teardown/images/* /tmp/store-teardown/screenshots/ 2>/dev/null
跳到 Phase 2。
使用 OpenClaw 浏览器：
openclaw browser open <store_url>
openclaw browser screenshot --full-page
然后用 openclaw browser evaluate 提取图片 URL 并用 curl 下载到 /tmp/store-teardown/images/。
⚠️ 重要提醒 — 必读：
- 这是备选方案，仅在路径 A/B 无法获取足够素材（如店铺宣传海报、Banner、品牌视觉）时使用
- Google 搜索结果可能包含错误/不相关的图片
- 必须将下载的图片展示给用户确认后，才能用于分析
- 未经用户确认的图片不得进入 Phase 2
适用场景：
步骤 1 — 用 Google 图片搜索采集素材
cd <skill_directory>
uv run scripts/google_images.py \
--keyword '"<品牌名>" 淘宝 品牌' \
--keyword 'site:<品牌官网域名> <品牌名>' \
--seller-id <卖家ID> \
--output /tmp/store-teardown/google_images \
--max 15
--seller-id是可选的精准过滤参数。如果知道卖家 ID，加上可以只保留该卖家的 alicdn 图片。 如果不知道 seller_id，去掉该参数会返回更多结果（但也更容易混入无关图片）。 脚本会将 JSON manifest 输出到 stdout，包含每张图的 URL、文件名、大小。
步骤 2 — 展示图片给用户确认（必须！不可跳过！）
将下载的图片路径告诉用户，请用户逐一确认哪些是目标品牌的图片。
示例话术：
"以下是通过 Google 图片搜索找到的疑似 [品牌名] 的图片，请确认哪些是该品牌的：
- /tmp/store-teardown/google_images/google_01.jpg
- /tmp/store-teardown/google_images/google_02.jpg ... 请告诉我哪些是正确的，我会用确认后的图片进行设计分析。"
步骤 3 — 仅使用用户确认的图片
# 将用户确认的图片复制到正式目录
cp /tmp/store-teardown/google_images/google_01.jpg /tmp/store-teardown/images/
cp /tmp/store-teardown/google_images/google_03.jpg /tmp/store-teardown/images/
# ... 只复制用户确认的
# 复制到 screenshots 供色彩分析使用
cp /tmp/store-teardown/images/* /tmp/store-teardown/screenshots/ 2>/dev/null
跳到 Phase 2。
用 gemini-3-pro-preview 分析采集到的图片。对 /tmp/store-teardown/images/ 和 /tmp/store-teardown/screenshots/ 中的图片逐步分析。
2.1 配色分析 — 读取图片后提问：
请分析这些电商店铺图片的配色方案：
1. 主色调（Primary）HEX 值
2. 辅助色（Secondary）HEX 值
3. 强调色（Accent）HEX 值
4. 背景色 HEX 值
5. 配色类型：暖色调/冷色调/中性/撞色
6. 情绪感受：专业/活泼/奢华/清新/甜美/硬朗
输出 YAML 格式。
2.2 商品数据分析 — 读取 items.json 后分析：
分析以下商品数据：
1. 品类和风格定位
2. 标题命名风格
3. 价格带分布
4. 营销标签风格
<items.json 内容>
输出 YAML 格式。
2.3 图片风格分析 — 读取商品图片后：
分析这些商品图片风格：
1. 摄影风格：棚拍/场景拍/街拍/平铺/混合
2. 背景处理：纯白底/浅灰/渐变/场景底
3. 光线和后期风格
4. 模特/展示方式
5. 图片比例
输出 YAML 格式。
2.4 整体调性总结：
综合所有图片和数据，总结设计调性：
1. 品牌定位感
2. 目标客群印象
3. 设计成熟度（1-10）
4. 优点和改进空间
5. 风格关键词（3-5 个）
输出 YAML 格式。
cd <skill_directory>
uv run scripts/analyze_images.py \
--input /tmp/store-teardown/screenshots \
--output /tmp/store-teardown/color_analysis.yaml
如果 analyze_images.py 执行失败，可以跳过此步，用 Phase 2 的视觉分析结果代替。
将分析结果合并，写入 /tmp/store-teardown/design_brief.yaml：
store_teardown:
meta:
store_url: "<url 或 搜索关键词>"
platform: "taobao | tmall | douyin | other"
store_name: "<name>"
analyzed_at: "<ISO timestamp>"
analyzed_by: "openclaw/store-teardown"
data_source: "maishou_search | scraperapi | browser"
color_palette:
primary: { hex: "#XXXXXX", name: "颜色名" }
secondary: { hex: "#XXXXXX", name: "颜色名" }
accent: { hex: "#XXXXXX", name: "颜色名" }
background: { hex: "#XXXXXX", name: "颜色名" }
scheme_type: "暖色调 | 冷色调 | 中性 | 撞色"
mood: "奢华 | 清新 | 活泼 | 硬朗 | 甜美"
product_data:
total_items: 10
price_range: { min: "xx", max: "xx" }
top_shop_name: "店铺名"
categories_detected: ["品类1", "品类2"]
items:
- { item_id: "xxx", title: "xxx", price: "xx", sales: "xx" }
image_style:
photography: "studio | lifestyle | mixed"
background: "pure_white | scene | gradient"
post_processing: "high_saturation | natural | vintage"
aspect_ratio: "1:1 | 3:4 | mixed"
overall_assessment:
brand_positioning: "定位描述"
target_audience: "目标客群描述"
design_maturity_score: 7
style_keywords: ["关键词1", "关键词2", "关键词3"]
top_strengths: ["优点1", "优点2"]
improvement_areas: ["改进点1", "改进点2"]
用清晰的中文汇报：
/tmp/store-teardown/design_brief.yaml