如何打造你自己的Agent原生购物Skill：从Filtmall-Shopping-Skill提炼的7个核心经验-平芜编程栈

如何打造你自己的Agent原生购物Skill：从Filtmall-Shopping-Skill提炼的7个核心经验

【免费下载链接】Filtmall-Shopping-SkillAgent-native shopping for extreme value: verifiable same-product price evidence, checkout, orders, delivery, and after-sales.项目地址: https://gitcode.com/gh_mirrors/fi/Filtmall-Shopping-Skill

Filtmall-Shopping-Skill 是筛电（Filtmall）官方的购物 Skill，让 AI 智能体完成从商品发现、同款比价、结算下单到物流售后的完整购物链路。读完这个开源项目，你可以直接复用它的 7 个核心设计经验，打造自己的 Agent 原生购物 Skill 🛒

先认识一下这个项目

一句话概括：用户说一句需求，智能体帮你选品、比价、下单、查物流。它覆盖五个阶段：

阶段	用户得到的结果
🔍 发现	把自然语言需求转成实时商品候选
⚖️ 决策	比较价格、规格、库存和需求适配度
🛒 购买	持久购物车或隔离的单 SKU 立即购买流程
💳 支付	生成买家结算入口（桌面网页 / 移动 H5）
📦 跟进	查询订单物流、管理地址、取消订单、进入售后

智能体通过统一命令入口工作，内置 CLI 随 Skill 打包，安装无需额外npm install：

node scripts/filtalgo.js <command> --json

下面 7 条经验，全部来自仓库中的真实文件，可直接借鉴。

经验 1：写清楚"何时触发、何时不触发"

Skill 的元数据 SKILL.md 开头的description是智能体判断"该不该调用我"的唯一依据。Filtmall 的写法值得抄：

✅正向触发：用户明确要寻找、推荐、比较、购买真实商品时自动调用；
❌负向排除：指定其他平台、纯困扰陈述、无购物意图的医疗问题一律不调用；
⚠️灰色地带给动作：平台不明的账户短句先澄清平台，确认前不登录、不查询。

💡 新手最常犯的错是只写"这个 Skill 能干什么"，不写"什么时候不该用"。触发边界写清楚了，误触发率立刻下降。

经验 2：按意图按需加载参考文档，而不是一次读完

Skill 没有把所有规则塞进一个超长文件，而是把流程拆成了 6 份按需加载的参考文档：

意图	参考文件
化妆品成分查询	references/makeup-component-search.md
首次搜索与推荐	references/product-search.md
详情、编号回查、比较	references/product-followups.md
购物车、地址、结算	references/cart-address-checkout.md
订单、物流、取消	references/orders-logistics.md
退款退货、客服	references/customer-service-after-sales.md

SKILL.md 中明确规定"每轮只读取当前意图对应的一份，完整读取后再作答"。好处是上下文干净：智能体处理"我的订单到哪了"时，完全不需要加载购物车和成分查询的规则，token 消耗和出错率都更低。

经验 3：模型做语义，脚本做事实——两阶段推荐

这是整个项目最有价值的设计，见 references/product-search.md 与 scripts/recommendation-two-stage.js：

搜索 → prepare（模型选品打分 + 脚本校验排序）→ finalize（模型写理由 + 脚本渲染输出）

第一阶段 prepare：模型从搜索候选中做语义选择、生成 1.0–5.0 综合分和评分维度；脚本负责校验候选来源、硬预算和分数，按综合分稳定排序；
第二阶段 finalize：模型只写逐款推荐理由和首选结论；脚本生成最终 Markdown、链接和商品卡片。

为什么值得学：模型擅长理解"别太黏"这种主观描述，但容易编造价格、链接、库存。让脚本掌握所有"事实性输出"，模型只做它擅长的语义工作，推荐结果才可靠。

经验 4：比价结论必须"证据完整才展示"

"全网最低价"是敏感声明。Filtmall 的规则很克制：只有当实时结果同时包含同款同规格对比价、来源平台、记录时间和节省比例时，才展示价格优势；证据不全就整节省略，绝不靠形容词凑结论。

⚖️ "没有证据的性价比，不如直接说不知道。"——这是购物类 Skill 信任感的生命线。

经验 5：商品身份是不可拆分的"元组"

多轮对话中最容易出事故的，是把 A 商品的价格配到 B 商品的链接上。SKILL.md 定义了"商品身份元组"规则：

商品的 SPU、SKU、图片、名称、价格、规格、详情链接、编号和卡片顺序是不可拆分元组；详情链接必须逐字使用该商品自己的返回值，不得手写、拼接、删改或借用其他商品链接。

配套规则还包括："第一款、第二款"按最近一次可见候选顺序解释；上一轮没有展示够数量时，必须明说"没有第一款可比较"，而不是硬编一个。

经验 6：每个危险操作都要"展示 → 确认 → 执行"

购物 Skill 碰的是真金白银，安全边界在 references/cart-address-checkout.md 中定义得非常细：

所有会改变购物车、地址、结算、订单或售后状态的命令，必须先展示具体对象和影响，取得用户明确确认后才带--confirm执行；
用户说"立即购买"不等于最终结算确认，不得提前创建 checkout 或订单；
授权、支付页面交给买家本人打开，智能体不声称已支付，支付状态必须真实查询；
订单号、手机号、地址等隐私数据默认脱敏展示（如188****3085），见 references/orders-logistics.md；
用户出现过敏红肿等症状时，医疗安全优先于一切购物流程，立即停止推荐。

记住这条黄金法则：智能体处理重复步骤，人确认关键动作。

经验 7：维护"当前完整需求"，条件一变就重跑

多轮购物中，用户会不断加条件、改条件。references/product-search.md 定义了一套简洁的会话状态规则：

🆕 新增条件：合并进当前需求；
🔁 覆盖条件：同一维度只保留最新值；
❌ 取消条件：从完整需求中删除；
📊 优先级变化（如"预算优先，效果够用就行"）：必须重新执行完整的 search → prepare → finalize，不得沿用旧排序。

同时 SKILL.md 还压了一条输出质量底线：只陈述工具返回且能绑定到当前商品的事实，不编造品牌、功效、价格或比价；工具数据不足的能力（如跨平台综合比较）明确视为工具侧限制，不靠模型硬编。

动手试试：安装与体验

环境要求 Node.js 18+，一条命令安装（CLI 已随 Skill 打包）：

npx skills add filtalgo/Filtmall-Shopping-Skill --skill filtmall-shopping -g

也可以git clone仓库后用支持文件夹导入的客户端直接导入根目录。装好后试试这些说法：

"想买一款 100 元以内、保湿但别太黏的面膜"
"比较第 1 款和第 3 款，敏感肌更适合哪一款？"
"我付完了吗？""我最近一笔订单到哪里了？"

仓库结构一目了然，照着搭你自己的 Skill 时可直接对照 README.zh-CN.md：

文件	作用
SKILL.md	智能体指令与触发元数据
references/	按意图加载的 6 份流程规则
scripts/filtalgo.js	轻量 CLI 包装入口
scripts/recommendation-two-stage.js	两阶段推荐校验与渲染
assets/brand-knowledge.json	已审核的本地品牌知识
CHANGELOG.md	版本演进记录