Store Teardown

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：

1. /tmp/store-teardown/google_images/google_01.jpg
2. /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：

1. 数据来源：说明搜索了什么关键词 / 抓取了什么 URL
2. 一句话总结：整体设计风格
3. 配色方案：主要颜色 + HEX 值
4. 商品概览：数量、价格带、主要品类、代表店铺
5. 图片风格：摄影和后期风格
6. 设计评分与建议：成熟度评分、优点和改进空间
7. 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