TikTok Shop怎么开店运营？同步库存配置达人佣金
「TikTok Shop 开店」是「龙虾部署大师」技能市场中的店铺搭建技能：作用是提供从店铺配置到运营承接的执行指南，覆盖商品目录同步、库存安全垫、自发货与代发货选择、创作者联盟佣金、直播购物编排和发货 SLA 合规，帮助品牌建立站内闭环交易流程，降低爆单超卖、审核失败和履约违规风险。 技能效果 要在TikTok Shop上架二十个SKU前，它列出了图片、价格、类目映射到批量导入排查的整套检查清单，连去重和导入报告核对都写成了可打勾的步骤。 内容带来了流量，店却接不住单 TikTok Shop 的难点不在流量，而在承接。商品目录同步不规范、类目属性或合规图片不达标，上架就卡审核；一条爆款短视频带来订单峰值，没预留库存安全垫，瞬间就超卖；达人联盟佣金随手定，没按毛利算，GMV 上去了利润却没了；直播间主推品、优惠券和发货节奏各管各的，48 小时发货 SLA 一旦踩线，就面临履约违规。流量是一阵子的，店铺的承接能力才决定能不能把它变成稳定成交。 订单峰值来临，没有安全垫就超卖 库存安全垫 爆单 超出 = 超卖 日常 爆款视频 这个技能能帮你搭好什么 它把开店到承接拆成可执行的几步。目录层面，同步商品目录、类目属性、合规图片规范和 SKU 的实时库存；履约层面，评估商家自发货与 TikTok 代发货各自的库存和履约边界，配上库存安全垫，防止爆单超卖；达人层面，配置创作者联盟的开放计划、定向邀约、样品寄送和佣金分层，并按毛利算出安全比例和阶梯奖励；直播层面，编排商品置顶、专属优惠券和 48 小时发货 SLA。整体目标是建立站内闭环交易流程，让内容爆发、达人带货和直播促销之间保持利润与服务稳定。 目录同步 类目 · 图片 · SKU › 履约 + 安全垫 自发货 / 代发货 › 联盟佣金 分层 · 样品 · 毛利 › 直播编排 置顶 · 券 · SLA 用前须知 该技能需要你具备 TikTok Seller Center 店铺权限。后台连接可走 Shopify 或 WooCommerce；若要做自定义集成，则需 Open API、HMAC 签名、仓库 ID 和订单系统对接。技能输出的是配置与运营方案，落地仍需对应的店铺与仓配能力。 怎么用它 用法是把销售平台、SKU、库存、仓配能力、佣金策略和直播计划用自然语言交给它，它会给出配置方案和承接节奏。例如可以这样对它说： 可以这样对它说 "TikTok Shop 准备上架二十个 SKU，检查目录同步和类目映射。" "联盟达人佣金别乱设，按毛利算出安全比例、阶梯奖励和样品规则，价格写清。" "直播间要挂三款主推品，排好置顶、限时券和 48 小时履约 SLA。" 它适合这些场景：Shopify 或 WooCommerce 店铺准备接入 TikTok Shop 闭环销售；爆款短视频可能带来峰值订单，要预先设计库存缓冲；想通过达人联盟、佣金激励和样品寄送扩大站内 GMV；直播间转化不稳定，要统一置顶商品、优惠和履约节奏。 大家常问 为什么 TikTok Shop 跨境卖家和本土卖家（Local Seller）要分成两类店铺，不能合在一起开？ 因为两套体系在法律管辖、仓配链路、合规审查、佣金费率、资金通道和风控阈值上完全不同：跨境店受中国出口与目的国进口双重合规约束，本土店只走当地法规、本地仓发货 2–5 天。账号、后台和数据彼此隔离，同一主体可分别注册，但不能合并成一家店。 是什么决定了 TikTok Shop 一个商品的类目抽点比例和能不能成功上架？ 抽点比例由一级类目基础费率、子类目细分（受退货率与饱和度调节）、店铺主营类目匹配度，加上站点与大促期政策共同决定，通常落在 1%–8% 区间。能否上架取决于卖家资质、类目映射到叶子节点是否精准、标题图片描述合规、是否在禁售/限售清单内、店铺健康分与风控五道关。 为什么 TikTok Shop 要求 48 小时发货 SLA，自发货和代发货在违规风险上有什么区别？ 48 小时 SLA 是平台对消费者的履约承诺，以"首条物流扫描时间"为判定基准，超阈值的迟发率（LSR）触发警告到限流、冻结资金、暂停店铺的阶梯处罚。自发货风险点在库存同步和揽收节奏，全链路自己可控；代发货多一层供应商不可见性，但平台只追责商家，供应商延迟、错发都计入 LSR。 为什么联盟达人佣金要按毛利算阶梯，开放计划和定向邀约在风险上有什么不同？ 佣金按毛利算阶梯是为了把支出锚定在商家真实利润空间内，避免按售价计费导致"卖一单亏一单"，并引导达人优先推有溢价的商品。开放计划起量快但达人不可控，容易触发佣金失控、品牌调性稀释和违规连带；定向邀约可前置筛选达人、佣金可预期，但覆盖窄、依赖单点合作风险高。 想用上这个技能？ 「TikTok Shop 开店」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
如何用 AI 检索学术论文
「学术论文检索」是「龙虾部署大师」技能市场中的文献检索技能：基于 Semantic Scholar 数据源，按主题、作者、期刊和时间范围执行多轮检索，输出含元数据、相关性分级、质量评分、开放获取状态和检索日志的结构化文献报告，替代人工逐个数据库翻找与筛选。 技能效果 检索近五年大模型教育应用的高被引论文时，它从 OpenAlex 拉出二十多篇，按综述、医学教育、学术诚信等主题分到各期刊，逐篇标了作者、年份和被引量。 做文献综述，为什么找论文最耗时 文献检索是研究的第一步，也是最容易堆积时间的一步。难点不在于"搜不到"，而在于搜得太多、筛得太慢：一个关键词在数据库里可能返回上千条结果，相关的与擦边的混在一起；不同表达方式（同一概念的不同术语）会漏掉关键文献；判断一篇论文值不值得读，还要逐条去看引用量、期刊分区和是否有开放 PDF。这些环节叠加，光是建立一份可靠的文献基线就要耗去大量时间。 检索"大语言模型 教育应用" 弱相关 主题擦边 高相关 · 高被引 术语不同被漏掉 重复条目 核心期刊 数百条结果混在一起，逐条核引用量、分区、PDF → 人工筛选慢、易漏、口径不一 这个技能能帮你拿到什么 它把"海量检索 + 人工筛选"变成一条可复用的检索流程。流程上，它先确认研究主题、文献类型、时间范围与筛选口径，再通过预检索识别核心期刊、重要作者和研究方向，构建关键词矩阵后执行多轮检索；输出上，每篇文献都带相关性分级、引用影响、期刊质量与作者影响力的评分，并标注是否开放获取、能否拿到 PDF。最终交付的是一份结构化文献报告，而不是一堆原始搜索结果。 确认主题 类型 / 时间 / 口径 关键词矩阵 多轮扩展检索 评分分级 相关性 / 引用 / 期刊 开放获取标记 文献报告 + 检索日志 针对不同的调研目的，它的检索维度也不同： 检索维度适用场景 按主题对一个研究方向做背景调研，识别核心期刊与高被引文献 按作者追踪某位学者的研究脉络，按年份排出代表论文与引用情况 按期刊会议聚焦特定来源，筛出符合质量门槛的论文清单 用前须知 该技能基于 Semantic Scholar 公开数据源，需要 Python 与 requests 库运行检索脚本。无需强制 API Key 即可使用；若配置 Semantic Scholar API Key，可提升请求速率限制。检索结果的覆盖范围以该数据源收录情况为准。 怎么用它 用法是用自然语言把研究主题、文献类型和筛选偏好说清楚，无需自己拼检索式。例如可以这样对它说： 可以这样对它说 "检索近五年大语言模型教育应用的高被引论文，按主题和期刊分组排序。" "梳理张锋团队基因编辑的代表论文，按年份排出研究脉络和引用量，并标清期刊。" "找多模态医学影像的综述，优先开放获取的，标出核心期刊和主要作者。" 它适合这些场景：撰写文献综述前，批量筛选近年高相关论文与开放 PDF 链接；对一个新兴方向做快速背景调研，识别主要作者和核心期刊；追踪指定学者的研究贡献，按时间线整理代表论文；为项目立项或开题报告准备结构化文献证据和可追溯的检索过程记录。 大家常问 文献检索里查全率和查准率有什么区别，两者是什么关系？ 查全率＝检出的相关文献／系统中全部相关文献，衡量有没有漏；查准率＝检出的相关文献／检出的全部文献，衡量结果里有多少有用。两者呈互逆关系：检索式放宽（多用 OR、少限定）查全率升、查准率降，收紧（多用 AND、加限定）则相反。具体取哪头，看研究目的。 检索学术论文时，主题词检索和关键词（自由词）检索有什么不同？ 关键词（自由词）是按作者原文用词做字面匹配，灵活但同义词、缩写多易漏检；主题词是用规范化的受控词表标引，能把同一概念的不同写法归一、查全率更高，但新概念有收录滞后。实践上建议两者结合：先用主题词命中，再补自由词覆盖未被标引的新文献。 为什么做文献调研建议先定位领域综述，再展开主题检索？ 综述会系统梳理某领域多年成果，相当于一张知识地图。先读综述能快速拿到核心术语及同义词、上下位概念、重要作者和经典文献，为后续构建检索式提供依据，少走试错弯路；同时综述高频引用的文献可作评价基准，帮你判断检索结果里哪些更关键。 判断一篇学术论文是否值得精读，被引量和期刊影响因子该怎么看？ 被引量高通常说明影响较大，但不等于方法正确或结论可靠，且会偏向发表较久的文献；影响因子反映的是期刊整体水平，不代表单篇质量，高分刊也有灌水、低分刊也有重要贡献。建议检索阶段不用这两项当筛选条件以保查全，筛选阶段只把它们当阅读优先级的参考。 想用上这个技能？ 「学术论文检索」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
怎么用AI查航班动态
「飞常准航班查询」是「龙虾部署大师」技能市场中的航班动态查询技能：作用是基于飞常准官方接口，查询实时航班动态和两个机场之间的航班列表——它识别你是要查某条航班的实时状态，还是查某日某起降机场之间有哪些航班，再把结果整理成表格或简洁说明，展示航班号、航司、计划与实际起降、机型、准点率、延误原因和当前位置等关键信息。 技能效果 查一条航班时，它用一个示例航班展示能拿到的字段——航班号、计划与实际起降、状态、航站楼等及返回格式。 查个航班状态，为什么总要来回切好几个地方 麻烦在于信息分散且口径不一。临出行或接送人时常遇到三种情况：一是动态查得零碎，航班是否延误、实际几点落地、停哪个航站楼，往往要在好几个页面里翻；二是按城市找航班费劲，只知道"深圳到西安明早"，却要先查机场代码、再逐个比对班次和准点率；三是要整理给别人看时格式杂乱，客服或差旅人员把计划起降和当前状态汇总成一张清楚的表，靠手抄又慢又容易错。基于官方民航数据、一次问清，才省去这些来回。 一条航班，关键状态一次看清 出发 计划 / 实际 航站楼 ✈ 在途 / 准点率 到达 实际落地 延误原因 这个技能能帮你查到什么 它把航班查询统一到官方数据上，分两种意图自动处理。给出一个航班号时，它返回该航班的实时动态；给出某日和起降机场（或城市）时，它返回这两地之间的航班列表。它会先把城市名映射成常用机场代码、补全查询参数，再调用官方接口取数，最后把返回的 JSON 整理成表格或简洁的状态摘要。展示的字段包括航班号、航司、计划起降时间、实际状态、机型、准点率、延误原因和当前位置，让"延误了吗、几点落地、停哪个航站楼"这类问题一次说清。 说出查询意图 航班号 / 城市+日期 补全机场代码 映射 + 取官方数据 整理 JSON 表格 / 状态摘要 关键 状态 用前须知 该技能需要 Node.js 运行环境和飞常准的 VARIFLIGHT_API_KEY，可参考 .env.example 配置好 VARIFLIGHT_API_KEY 后再运行查询脚本。它的数据来自官方民航接口，建议以官方公布信息为准；航班状态实时变动，出行前请以航司和机场的最新通知为准。 怎么用它 用法是把航班号或出发到达城市和日期用自然语言说清楚，它会判断意图、补全参数并取数。例如可以这样对它说： 可以这样对它说 "查今天 CA1202 的实时状态，起飞延误、落地时间和航站楼都要看。" "深圳到西安明早有哪些航班，按起飞时间排，准点率也放进表格。" "看一下 CZ3101 今天到没到，如果延误就把原因和实际落地时间说清楚。" 它适合这些场景：旅客想查某个航班今天是否延误、取消、起飞或到达；出行规划时想看指定城市或机场之间某日有哪些航班；客服或差旅人员要快速整理一批航班的计划起降和当前状态；以及只提供城市名、需要自动映射机场代码并补全查询参数的情况。 大家常问 航班状态显示"前方起飞"和"已起飞"在含义上有什么区别？ "已起飞"指你预订的这班飞机已经离开出发机场地面；"前方起飞"指执行你这班航班的飞机（同一机尾号）正在执行上一段航程，已经从上一个机场起飞、但还没飞到你所在机场。前者是你这班的最终确认，后者只表示"飞机在路上、还要等"。 同一个航班号在不同来源看到的状态为什么会对不上？ 因为多个独立系统在描述同一架飞机的不同侧面：空管看的是"是否已获放行许可"，机场运控看的是"是否已关舱门、推出"，ADS-B 信号源看的是"是否已离地"。同一个"延误"标签，在不同来源指向的事件阶段不同，加上各系统更新延迟不一致，自然会对不上。 航班动态里的 ETD 和 ETA 为什么会一直跳变？ ETD 和 ETA 是预估值，由前序航班实际起降、空域流量管制、目的地气象、地面保障进度等多源数据实时融合算出。任何一项变化都会让推算起点改变，所以本质上是一个随新证据不断收敛的概率值，而不是固定时刻——每次跳变都意味着系统拿到了新信息并修正了预测。 想用上这个技能？ 「飞常准航班查询」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
增长营销方案怎么策划？把获客和转化问题映射到框架出计划
「营销模式策划」是「龙虾部署大师」技能市场中的增长营销策划技能：它扮演增长营销顾问的角色，先补齐产品、目标客户、所处阶段、预算、已尝试动作和核心问题，再把流量、SEO、转化率、定价、广告和邮件等问题映射到对应框架，输出直接建议、行动清单或完整策略方案，把模糊的营销困惑转化为可执行的动作。 技能效果 为没流量的新SaaS设计获客时，它给出不烧广告费的冷启动打法，从定位到内容分步骤落地。 营销没头绪，问题通常出在哪 很多团队的营销卡点不在执行，而在方向。常见状况有三种：一是没流量却不知道该先打哪个获客渠道，预算有限时又怕投错；二是渠道选了一堆，每个都浅尝辄止，没有围绕阶段和预算形成优先级；三是把"营销"当成零散动作（发个广告、改个文案），缺少把问题、框架、动作串起来的整体思路。结果往往是动作很多、产出很散。 营销 问题 投点广告 改个文案 发封邮件 优化落地页 动作分散，缺少优先级与框架 这个技能能帮你做什么 它的核心是充当一个增长营销顾问，先把问题问清楚、再给方案。它会通过发现式提问确认产品、目标客户、所处阶段、预算和核心目标，把缺失的背景补齐；然后把具体的营销问题——流量、SEO、转化率（CRO）、定价、广告、邮件——映射到对应的参考框架；最后按问题复杂度，输出单点建议、行动清单或完整策略方案。它覆盖获客、SEO、转化率、定价、广告、邮件、心理模型和产品发布等增长议题。 业务背景 产品/客户/阶段/预算 匹配框架 获客/CRO/定价… 按复杂度输出 单点建议 / 行动清单 / 完整策略方案 它在产出时有两条自我约束：避免泛泛而谈的套话，也不推荐并不存在的工具，因此给到的建议更贴合具体处境、更可落地。它擅长把流量、SEO、CRO、定价、广告、邮件这些问题归位到合适的框架，并为后续细化保留清晰的假设。 用前须知 该技能无需 API Key、安装依赖或外部运行时，但方案质量取决于你提供的业务背景：产品形态、目标客户、所处阶段、预算和已经试过的动作越具体，匹配的框架和建议越准。若需要最新的市场、竞品或渠道数据，应另行联网核验。 怎么用它 用法是把营销问题连同业务背景用自然语言交给它，不必先想好用哪个框架。例如可以这样对它说： 可以这样对它说 "新 SaaS 没流量，预算很低，先帮我设计一套获客打法，别一上来就建议投广告。" "这个落地页转化低，按 AIDA 和 CRO 的思路重写，首屏也一起改。" "邮件欢迎序列没人点，重新规划主题、正文和发送节奏，按人群分层。" 它适合这些场景：SaaS、内容站或电商项目没有流量、需要确定优先获客渠道；落地页、定价页或注册流程转化偏低、需要选对 CRO 框架；用户不愿付费或价格异议明显、需要设计定价与锚定策略；准备上线新产品、需要把发布、广告、SEO 和邮件动作组合成一套打法。它尤其适合早期和增长阶段的创业者、增长负责人、市场人员和产品经理。 大家常问 AIDA 和 AARRR 这两个营销框架最本质的区别是什么，分别更适合解什么问题？ AIDA（注意→兴趣→欲望→行动）是线性转化漏斗，解的是"怎么让陌生人最终下单"，更适合广告文案、内容种草这类说服型场景；AARRR（获客→激活→留存→收入→推荐）是循环增长模型，解的是"怎么让用户留下来并带来更多人"，更适合产品驱动增长和长期用户运营。一个终点是交易，一个起点才是获客之后。 定价里说的"锚定效应"到底是什么意思，为什么三档定价里中间档往往卖得最好？ 锚定效应指消费者决策时过度依赖最先接触的信息，最高价档就是那个锚点，把中间档衬得"更合理"；再叠加折中效应——人天然倾向避开极端、选中间当安全选项。所以三档定价的主推品通常放中间，用高价档拉锚、低价档兜底，让中间档显得性价比最高。 落地页转化率低，是首屏的锅还是价值主张的锅，怎么判断问题出在哪一侧？ 看访客行为分两段：停留极短（不到 3 秒）或根本不滚动，锅在首屏——标题、视觉或 CTA 没抓住注意力；能滚动到中下部却不转化，锅在价值主张——独特利益、信任证据或风险逆转不到位。热力图配合滚动深度就能锁定病灶在哪一侧。 用户分层和 RFM 模型是同一件事吗？普通增长项目要不要一上来就用 RFM？ 不是同一件事。用户分层是营销策略的通用框架，RFM 只是其中一种衡量客户价值的定量工具。普通增长项目不建议一上来就用 RFM——早期用户体量小、交易数据不够，分层应优先按生命周期阶段（新客/活跃/流失）或获取渠道划分，等交易数据攒厚了再引入 RFM 做精细化价值分群。 想用上这个技能？ 「营销模式策划」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
AI整理治疗方案怎么做
「治疗方案整理」是「龙虾部署大师」技能市场中的临床文档整理技能：作用是把病情、诊断、目标、干预和随访信息，整理成结构化、可执行、以患者为中心的治疗计划文档，覆盖通用医学、康复、心理健康、慢病、围手术期和疼痛管理等专科，支持一页版到标准版的不同复杂度，并可渲染成专业 A4 PDF。 技能效果 按一份糖尿病合并高血压的病历整理方案，它做出可30秒扫读的首页指标对照表，并按SMART写清短期治疗目标。 整理治疗计划，琐碎在哪？ 把一份治疗方案写成规范、能交付的文档，是临床和康复团队的高频工作，琐碎也都在细节上。同一份计划要把阶段目标、干预措施、监测指标、随访安排和转诊节点都列清楚，还得让关键安全阈值一眼可查；目标要写成可量化、可执行的形式，而不是一句"加强康复"。 另一个常被忽略的问题是格式一致性：中文临床资料里常混入英文模板的占位内容，PDF 排版又要兼顾首页可扫读和整体专业度。这些都不是医学判断本身，却实实在在占用时间。 散落的信息 → 结构化计划 病情诊断 治疗目标 干预 / 随访 治疗计划文档 SMART 目标（可量化） 分阶段干预 + 监测指标 关键安全阈值（醒目） 随访 / 转诊节点 这个技能能帮你做什么？ 这个技能把治疗计划的整理拆成几个可控环节：先做环境检查和复杂度判断，按病种复杂度和专科类型选择一页版或标准版模板；再生成模板（LaTeX 或 JSON）并填充 SMART 目标和干预措施；随后做完整性验证，核对安全要点、药物记录、随访安排、SMART 目标和语言一致性；最后通过 LaTeX 或内置 Python 路线渲染成专业 A4 PDF。对复杂治疗路径，还可加入流程图、时间线或关键决策节点的图示。 环境检查 复杂度判断 模板 + 内容 完整性验证 渲染 PDF 语言一致 · 隐私合规 · 安全阈值清晰 整个过程强调语言一致、隐私合规、引用克制，让关键安全阈值清晰可查，输出便于团队评审和交付的临床计划文档。 用前须知 它整理出的是结构化文档，仅作临床记录与沟通参考，不构成正式医疗建议，更不能替代执业医师的诊断与决策；所有方案必须由具备资质的医疗专业人员复核后才能用于患者。技术上首次运行需执行 setup.py 检查依赖，需要 Python 环境；PDF 走 LaTeX 或内置 Python 渲染路线，后者依赖 Playwright/Chromium。 怎么用它？ 用法是把病历或方案要点，连同对文档形式的要求，用自然语言交给它。例如可以这样对它说： 可以这样对它说 "按这份病历整理糖尿病治疗方案，目标和随访写清楚，首页能扫读。" "为术后膝关节康复做一页版计划，训练里程碑按周写可量化数值，随访写明。" "这位慢性腰痛患者要多学科方案，药物风险和复诊安排单独标出来。" 它适合这些场景：医生要把糖尿病、卒中康复或慢性疼痛方案整理成专业 PDF；护理或康复团队需要清晰列出阶段目标、干预、监测和转诊点；中文临床资料需要保持同一语言、避免混入英文模板占位；复杂治疗路径需要加入流程图、时间线或关键决策节点图示。它服务于标准化文档的准备，临床决策权始终在专业人员手中。 大家常问 治疗方案里的 SMART 目标是什么意思？为什么医生在写治疗计划时偏向这种写法？ SMART 指 Specific（具体）、Measurable（可量化）、Achievable（可实现）、Relevant（相关）、Time-bound（有时限）。它把"加强康复"变成"12 周内 6 分钟步行距离从 200 米提至 350 米"这种可对照的标尺，让多学科团队对同一目标的"达成与否"判断一致，复诊评估也有量化依据。AI 仅供参考，治疗目标需医生结合个体情况设定。 治疗计划里的一页版和标准版有什么区别？分别在什么场景下更合适？ 一页版严格控制在 A4 一页，只保留直接改变临床决策的关键信息，适合方案明确的常见病、患者随身携带、复诊快速对照。标准版通常 3–6 页，包含目录、分章节的诊断依据、分阶段干预、监测计划与关键指南引用，适合多学科协作、合并症分层、转诊交接和档案留存。具体选用以医生判断为准。 为什么 AI 整理出的治疗方案必须由执业医师复核后才能用于患者？这种边界来自哪里？ AI 是基于语料的统计归纳，不具备体格检查、辅助检查解读和因果推理能力，也无法系统性排除主动脉夹层这类危急诊断。这条边界由执业医师法的资格制度、AI 的幻觉与知识截止限制、"不伤害"伦理三层共同决定，所以 AI 输出仅供参考，最终诊断与处方必须由执业医师完成。 治疗计划里的随访和复诊是同一件事吗？两者有什么核心区别？ 不是同一件事。复诊由患者发起，必须到院挂号、由医生重新接诊并可开处方，是一次完整的诊疗闭环；随访由医生或机构主动发起，形式可以是电话、线上问询、远程数据回传或护士回访，目的是追踪病情、康复指导和依从性管理，不一定构成诊疗行为。具体安排以主诊医生医嘱为准。 想用上这个技能？ 「治疗方案整理」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
如何用 AI 做 Slack 自定义表情
「Slack GIF 制作」是「龙虾部署大师」技能市场中的动画表情生成技能：作用是为 Slack 自定义表情和消息贴纸生成动画 GIF，兼顾尺寸、帧率、颜色数、时长和文件大小限制。它既能从零绘制图形，也能基于上传图片直接动画化，通过 GIFBuilder、验证器、缓动函数和帧合成工具，生成抖动、脉冲、弹跳、旋转、淡入淡出、滑入、缩放和粒子爆发等效果，并按 Slack 规格优化后输出。 技能效果 要一个不超过128KB的Slack庆祝表情，它做出128像素的GIF，把帧数、帧率和四层压缩讲清楚，最终文件压到36.9KB远低于上限。 想做个 Slack 表情，卡在规格和体积上 给团队做一个庆祝、上线、过评审用的动态表情，听起来简单，做起来处处是限制：Slack 自定义表情是 128×128，消息 GIF 是 480×480，尺寸不对就被拒；帧率、颜色数、时长没控好，文件一超过上限就传不上去。普通设计工具做出来的 GIF 往往体积偏大，要在保持动效观感的同时压到规格内，得反复试帧、调色板、去重帧，既繁琐又考验经验。 表情 128×128 消息 GIF 480×480 帧率 / 颜色数 超体积 = 传不上 这个技能能帮你做出什么 它把"动效设计"和"按 Slack 规格压缩"合到一处。核心能力有四块：一是直接按 Slack 表情 128×128 或消息 GIF 480×480 的规格生成动画，尺寸不用自己换算；二是用 PIL 图形、渐变、描边和层叠形状从零绘制原创元素，也能基于你上传的图片动画化或提取风格灵感；三是组合抖动、脉冲、弹跳、旋转、淡入和粒子爆发等多种效果，靠缓动函数让动作自然；四是通过控制颜色数、帧率、去重帧和表情专用模式压缩文件，在保住观感的同时把体积压到上限内。从一句需求到一个能直接上传的 GIF，中间的规格和压缩都由它处理。 绘制 / 上传图原创或动画化 加动效弹跳/旋转/粒子爆发 按规格压缩控帧率/颜色数 可上传 GIF 用前须知 该技能需要 Python 环境并安装 pillow、imageio、numpy（也可用 requirements.txt 一次装好）。生成 GIF 本身无需 Slack API Key；做好后上传到 Slack，需要你在 Slack 后台添加自定义表情。 怎么用它 用法是把想要的画面、动效和用途用自然语言描述出来，规格和压缩交给它。例如可以这样对它说： 可以这样对它说 "做一个 128 像素的 Slack 庆祝表情，闪光动画，控制在 128KB 以内。" "把这个头像做成弹跳旋转 GIF，边缘干净，适合当 Slack 表情。" "团队上线要用的贴纸，加星星爆炸效果，并压到 Slack 表情规格。" 它适合这些场景：团队要做庆祝、上线、通过评审等动态表情；已有图片需要改造成适合 Slack 上传的短循环动画；需要带星光、爆发、旋转或弹跳效果的品牌内部贴纸；GIF 太大传不上去，要在保持观感的前提下压缩体积。 大家常问 Slack 自定义表情和消息 GIF 分别是什么规格？ Slack 自定义表情 GIF 限制是 128×128 像素、文件 ≤ 128KB、推荐时长 ≤ 3 秒；消息 GIF 是 480×480 像素，没有严格的体积硬上限，建议控制在 1MB 以内、时长 ≤ 5–10 秒。两者帧率都建议 10–30 FPS，规格不对就会被拒上传。 为什么 GIF 加上动效后经常超出上传体积上限？ GIF 是 8 位索引色格式，只有 256 色。一旦加入辉光、渐变、粒子等动效，每帧的差分像素从 1–5% 飙升到 60–80%，调色板量化又会产生大量抖动噪点，破坏 LZW 压缩依赖的连续重复像素。结果是帧数、差分面积、压缩失败三处叠加，文件膨胀十几倍很常见。 GIF 的帧率和颜色数分别对体积有什么影响？ 帧率影响的是帧数量，体积随帧数接近线性增长：帧率翻倍、体积也翻倍。颜色数影响的是每帧数据量，且作用是超线性的——颜色数从 256 降到 16，LZW 初始码字位数减小、相邻像素重复率提高，体积通常能减少 30%–60%。压缩时优先削颜色数，再降帧率。 什么是 GIF 的表情专用压缩模式，跟普通 GIF 压缩有什么不同？ 表情专用压缩不是一种新算法，而是为小尺寸、循环贴图场景调校的参数组合：把调色板压到 32–128 色甚至 16 色、关闭抖动改用最近邻取色、只编码与上一帧差异的小矩形区域、采用合适的 Disposal Method、用硬边纯色代替渐变和抗锯齿。普通 GIF 追求渐变和视觉质量，表情模式则牺牲质感换体积。 想用上这个技能？ 「Slack GIF 制作」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
提示