store-teardown

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"]}} 店铺设计拆解 (Store Teardown) 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。 禁止事项（必读） 禁止 用浏览器打开淘宝/天猫（会被反爬拦截，白白浪费时间） 禁止 安装 Playwright 或 selenium 禁止 用 Google/Bing 搜索店铺（太慢且经常失败） 禁止 自己写 Python 爬虫脚本 只用下面列出的工具： 买手搜索 、 taobao_fetch.py 、 download_images.py 使用方式 用户输入示例： "找一下1747的店铺风格"（关键词搜索 → 用买手搜索） "拆解这个淘宝店铺: https://shop123456.taobao.com"（直接 URL → 用 taobao_fetch.py） 完整工作流 Phase 0: 准备 mkdir -p /tmp/store-teardown/screenshots /tmp/store-teardown/images Phase 1: 判断输入类型并采集数据 先判断用户给的是 URL 还是 品牌名/关键词 ： 路径 A：用户提供了品牌名或关键词（如 "1747"、"韩都衣舍"） 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 。 路径 B：用户提供了淘宝/天猫 URL 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： 首页 ( www.taobao.com ) → 纯 HTML（1 credit），提取商品 + 800x800 图片 店铺页 (shop*.taobao.com) → 截图+渲染（10 credits） 短链接 (m.tb.cn) → 自动解析后再抓取 商品页 → 纯 HTML（1 credit） 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 。 路径 C：非淘宝/天猫平台（小红书等） 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/ 。 路径 D：Google 图片搜索采集品牌素材（⚠️ 备选方案） ⚠️ 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： 买手搜索只能拿到产品主图，但用户需要店铺宣传海报、Banner、品牌视觉 店铺有独立官网但直接访问被 403 需要品牌 logo、活动海报等非商品图素材 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 。 Phase 2: 多模态视觉分析 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。 Phase 3: 色彩量化分析 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。 Phase 4: 汇总输出 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" ] Phase 5: 向用户呈现结果 用清晰的中文汇报： 数据来源 ：说明搜索了什么关键词 / 抓取了什么 URL 一句话总结 ：整体设计风格 配色方案 ：主要颜色 + HEX 值 商品概览 ：数量、价格带、主要品类、代表店铺 图片风格 ：摄影和后期风格 设计评分与建议 ：成熟度评分、优点和改进空间 文件位置 ：告知 /tmp/store-teardown/design_brief.yaml 注意事项 买手搜索是免费 API，不消耗 ScraperAPI credits ScraperAPI 免费套餐每月 5000 credits，首页纯 HTML 仅 1 credit 总时间控制在 5 分钟以内，避免超时 图片下载必须用 download_images.py ，不能用 curl（alicdn.com 会根据 HTTP Accept header 拦截非浏览器请求，返回 1x1 GIF） 如果 download_images.py 下载失败，可以跳过图片分析，仅基于商品文本数据做分析