shield_lock
JinDaGe
← Back to skills
extension
Category: OtherAPI key requirement unconfirmed

地标特产侦探

地标特产侦探 —— 把国家知识产权局的地理标志官方档案，翻译成能带货的差异化内容。 当用户要做地理标志（地标）产品的内容创作、带货文案、应季选题、产地故事、"捡漏信息差" 类内容时触发。典型说法："给XX产品写抖音/小红书/公众号文案"、"这个月该做什么应季地标"、 "把地标档案翻译成内容"、"地标特产侦探"、"东方甄选式产地溯源内容"。 核心能力：① 官方档案结构化查询（1164条产品，含99条官方档案正文）；② 自动判定三种打法 （故事流/数据流/稀缺流）；③ 档案正文自动拆解归类到五段故事线；④ 时令应季选题引擎； ⑤ 抖音/小红书/公众号三平台模板；⑥ 来源三级标注（[OK]档案/[!]推断/[缺]缺失）与合规红线。 **铁律：宁可少一段，不编一段。**

personAuthor: user_1793b15chubcommunity
downloadDownload package

地标特产侦探（gi-terroir-detective）

地标产品是官方免费给的宝藏地图，但没人替你翻译。 本技能做的事：把 100~200 字的官方公文，翻译成有信任感、能带货的内容。

0. 先读这一页的纪律

  1. 官方档案不含上市期 -> 时令必须标"应季参考"，不能写成"官方上市时间"
  2. 档案没有的，一律不编（年代/传说/名人/跨产区比较）-> 标 [缺] 并删段
  3. 数字照抄，连"以上/平均/高达"一起抄，不改口径
  4. 每个事实句都要能标来源（[OK]/[!]/[缺]）
  5. 护城河在**"翻译差"**，不在"信息差"——官方 PDF 谁都能下载

详细红线见 -> references/compliance.md

1. 何时用

| 用户说 | 走哪条路 | |---|---| | "给XX产品写抖音/小红书/公众号文案" | 主流程（第3节） | | "这个月做什么应季地标？" | pick_month.py <月份> | | "有哪些产品可以做？" | gi_query.py --month N 或 gi_query.py <关键词> | | "这个产品适合哪种打法？" | gi_query.py <产品名> --flow | | "帮我建地标资料库/扩数据" | 见第5节数据源边界 |

2. 数据资产（data/ 目录）

| 文件 | 条数 | 内容 | 说明 | |---|---|---|---| | gi_products.json | 99 | 官方档案正文 + 省份/产区/类别/保护方式/公告号/商标号 | 核心料源，可以直接开写 | | gi_master_index.json | 1110 | 产品名/公告号/省市/所在分卷/页码 | 《大典》总目录，用于定位买哪一卷 | | season_calendar.json | 1164 | 上述合并 + 时令字段（月份/峰值月/依据/置信度） | 应季选题的基础（品类级） | | variety_calendar.json | — | 品种级成熟期（苹果、鸡心果…） | 修正品类级误差，见第 6 节 | | sources.md | — | 数据源登记与三个边界 | 引用前必读 | | ../assets/product_images/ | 97 | 官方产品实拍图（平均 1164×839）+ _index.json 映射 | 做配图直接用，非遗漏项 |

三个边界（引用时必须带上）：

  • 时间：S2 公告年份 2000–2014
  • 体系：只收"地理标志产品"路径，不含仅走地理标志商标的产品
  • 覆盖：1110 是可确认下限（OCR 遗漏≈16%），实际应 1200+

3. 主流程（SOP）

Step 1 · 选题（要做什么）

python scripts/pick_month.py 9            # 9月应季清单（区分"可直接开写"/"需补料"）
python scripts/pick_month.py 9 --write    # 写入 output/选题清单_9月.md
python scripts/gi_query.py --month 9      # 按月份查（默认只出有档案的）
python scripts/gi_query.py 会理 --flow     # 关键词查 + 自动判定打法

内容要提前做：本月发的内容，上月就该准备。

Step 2 · 出骨架（自动判打法 + 素材预分类）

python scripts/content_engine.py 会理石榴           # 单产品：五段骨架 + 三平台模板 + 合规卡
python scripts/content_engine.py 会理石榴 --write   # 写入 output/骨架_XXX.md
python scripts/content_engine.py --month 9 --top 5  # 批量出前5个

脚本产出：产品卡 + 打法判定 + 五段素材预分类（带 [OK]/[!]/[缺]）+ 三平台模板 + 来源合规卡。

脚本只管到骨架，不负责最终成文 —— 拆句/归类/打标签交给脚本，共情/节奏交给 LLM。这是刻意的分工。

Step 3 · 成文（按三平台写）

读 references/platforms.md，先短后长：抖音（一个记忆点）-> 小红书（加"怎么挑"）-> 公众号（讲透机制）。

Step 4 · 过合规卡

逐条走 references/compliance.md 的自查清单，任何一项打不了勾就不发。

4. 脚本清单

| 脚本 | 作用 | 关键用法 | |---|---|---| | gi_query.py | 查询 + 打法判定 | <关键词> [--flow] / --month N [--all] | | content_engine.py | 骨架生成 | <产品名> [--write] / --month N [--top K] | | season_engine.py | 时令规则引擎（重建数据用） | 直接跑，重算 season_calendar.json | | pick_month.py | 月度选题清单 | <月份> [--write] | | extract_images.py | 官方产品图提取与映射 | 需指定 --pdf；产出 assets/product_images/ |

content_engine.py 的打法判定复用 gi_query.judge_flow（同源，防漂移；已有一致性回归：99/99 一致）。

5. 打法判定机制（三流一分型）

引擎按档案里"哪类信号密度最高"自动判定，由档案决定，不是人选：

| 判定 | 触发信号 | 主打段 | |---|---|---| | 故事流 | 古称/相传/历代/始于/发源/国宴/御用/之乡/美誉 | ① 历史缘由 | | 数据流(指标型) | 百分比/mg/倍/吨 等硬数字 | ③ 品质证据 | | 数据流(描述型) | 只有感官词（果大皮薄、粒大籽软） | ③ 品质证据（转成画面，别硬找数字） | | 稀缺流 | 海拔/纬度/不可复制/世界公认/明星产区/OIV | ② 产地风土 | | 资料偏薄 | 全部信号都弱 | 先补料再写 |

当前 99 条分布：数据流(描述型) 51 / 故事流 24 / 数据流(指标型) 20 / 稀缺流 4。

详细判据与例 -> references/methodology.md

6. 时令引擎

四级置信度，不许模糊：

| 置信度 | 含义 | 对外可用性 | |---|---|---| | medium | 产品名精确匹配品类 | [OK] 标"应季参考" | | low | 只匹配到大类兜底 | [!] 仅供参考，需逐条核验 | | none | 判定无季节性（工艺品/酿造/饮用水） | [X] 不参与应季推荐 | | unknown | 规则未覆盖，未做任何推测 | [X] 不可用 |

引擎设计要点（改规则前必读）：

  • 规则形式：关键词 -> 品类 -> 月份 / 峰值月 / 依据；长词优先匹配
  • 已被踩过的坑：单字"花"会把"黄花菜"错配成花卉 -> 必须用具体花名
  • 补词时同步更新 gi_query.py 的 DESC / QUALITY_CTX / HONOR / HIST， 否则"资料偏薄"会误报（历史上从 19 条误报降到 0 条，靠的就是补这批词）

[!] 品类级 ≠ 品种级（"当季"卖点的真正地基）

season_engine 是品类级，会把"苹果"笼统算成 9/10/11 月峰值 10 月。 但同一名字的果子，不同品种能差一个半月：

| 产品 | 品类级输出 | 实际（品种级） | |---|---|---| | 苹果 | 9/10/11 月，峰值 10 月 | 嘎啦 8 下–9 上 / 红将军 9 中 / 红富士 10 中下 | | 葡萄 | 7–10 月，峰值 9 月 | 巨峰 8 中 / 阳光玫瑰 9 上 / 酿酒葡萄 9–10 |

品类级会犯两种错（都致命）：

  1. 把晚熟品种的话术用在早熟月份 —— 9 月讲"糖心红富士"，假
  2. 把正当季的早熟品种当成"不是当季" —— 例：鸡心果（8 下–9 中正当季）被误排除

纪律：写应季文案必须落到品种，不要笼统说产品名。 品种级数据在 data/variety_calendar.json（已录苹果、鸡心果）； gi_query.py 与 content_engine.py 会自动提示品种差异。

补录品种时的写法：查 variety_calendar.json，把品种按 months / peak / note 加进去， 并在 _meta.来源 里登记出处——媒体/行业资料属 medium 置信度，对外仍用"上市参考"措辞。

非地标但应季的果品

variety_calendar.json 里若标了 是否地理标志: "否"，查询时会显示「[!]非地标·外部参考」。 这类产品可以写"应季"，但不能当地标产品写（例：鸡心果 / 锦绣海棠 / 塞外红 —— 林木良种，非地标）。

7. 目录结构

gi-terroir-detective/
|--  SKILL.md
|--  scripts/
|   |--  gi_query.py         # 查询 + 打法判定（judge_flow 为判定单一真源）
|   |--  content_engine.py   # 骨架生成（复用 judge_flow）
|   |--  season_engine.py    # 时令规则引擎
|   |--  pick_month.py       # 月度选题
|   `--  extract_images.py   # 官方产品图提取与映射
|--  assets/product_images/  # 97 张官方产品实拍图 + _index.json
|--  data/                   # 数据资产 + sources.md
|--  references/
|   |--  methodology.md      # 五段结构 × 三种打法
|   |--  platforms.md        # 抖音/小红书/公众号模板
|   `--  compliance.md       # 来源红线和自查清单
|--  examples/
|   `--  样例_五产品三平台.md  # 5 个产品 × 3 平台的完整成文样例
`--  output/                 # 脚本产物（自动创建）

8. 一句话总结

别人抄官方 PDF，你翻译官方 PDF。 翻译的标准是：每句话都能指回档案，档案没有的就不写。

数据来源与版权声明

本 skill 的数据资产均来自公开来源，本包只做结构化整理与索引，不含受版权保护的原文摘录：

  • 官方档案数据（data/gi_products.json、data/gi_master_index.json） 来自国家知识产权局公开的地理标志品牌推广资料，属公开政府信息；本包仅整理为结构化字段。
  • 品种成熟期数据（data/variety_calendar.json） 从《果树栽培学各论》（北方本 / 南方本）中提取事实性日期（作物成熟期属客观事实，不属著作权保护的"表达"）， 未摘录原文；文件名与出版信息仅作来源追溯。
  • 产品实拍图 本包不附带任何图片。scripts/extract_images.py 提供从原始官方 PDF 自行提取的方法，图片权利归原发布方。
  • 本 skill 的代码与文档 可免费使用与二次分享，转载请注明出处「七仔的AI工具箱」。

使用提醒：所有"应季"判断均属规则推断，对外发布请标注「应季参考」， 并遵守 references/compliance.md 中的合规红线（绝对化用语、数字口径、功效表述）。

作者与联系方式

本 skill 由「七仔的AI工具箱」维护。欢迎就技能使用、问题反馈与二次分享交流：

  • 微信公众号：七仔的AI工具箱
  • 抖音号：七仔的AI工具箱
  • CSDN 博客：七仔的AI工具箱