实时股价怎么看涨跌幅怎么算
「股票价格查询」是「龙虾部署大师」技能市场中的行情快照技能：它用 yfinance 从 Yahoo Finance 获取美股、ETF、A 股和港股的当前价格，返回币种、现价、涨跌额、涨跌幅、成交量和均量比例，并清洗成简洁的 Markdown 文本或多标的对比表，适合快速价格核对。 技能效果 查 AAPL 行情时，它返回了近五个交易日的收盘价、开高低与成交量，整理成一张表。 只想核个价，却要跨好几个市场 很多时候需求很简单：看一眼某只股票现在多少钱、今天涨跌多少。但真要查起来，美股、A 股、港股分属不同市场，代码后缀各异（A 股用 .SS、.SZ，港股用 .HK），逐个去查、再把币种和涨跌幅手动对齐成一张表，反而成了麻烦事。「股票价格查询」要做的，是把跨市场的报价核对收敛成一次问答——给代码，回价格快照，多标的还能直接排成对比表。 一个入口，跨市场取价 美股 AAPL A股 600519.SS 港股 0700.HK yfinanceYahoo Finance 现价/涨跌幅成交量/均量比 这个技能能帮你查到什么 它聚焦"基础行情"这一层，不做估值、资金或资讯。代码覆盖上，支持美股、ETF，以及带上海/深圳后缀的 A 股和港股后缀代码；返回字段上，给出现价、币种、涨跌额、涨跌幅、成交量、平均成交量和活跃度比例；展示方式上，单标的输出简洁简报，多标的整理成对比表格，方便横向比较涨跌幅与成交活跃度。它还能识别无效代码、网络超时和 yfinance 缺失等常见错误，并提示问题出在哪一环。 现价含币种 涨跌额/幅 成交量 均量比例活跃度 用前须知 该技能无需 API Key，但需要 Python 并安装 yfinance，网络要能访问 finance.yahoo.com；中国大陆环境可能需要代理，Windows 下可用 python 命令运行。它提供的是公开市场报价的快照查询，数据来自 Yahoo Finance，仅供核对参考，不构成投资建议。 怎么用它 用法是把要查的代码报给它，需要的话指定市场或时间范围。例如可以这样对它说： 可以这样对它说 "查一下 AAPL 今天的收盘价和近五天走势，用 yfinance 即可。" "把 TSLA 和 NVDA 的当前价格、涨跌幅和今天的成交量一起列出来。" "这个股票代码可能在港股，确认 ticker 后再取它近一年的历史价格。" 它适合这些场景：快速查询 NVDA、AAPL、VOO 等美股或 ETF 的当前价格；用 600519.SS 或 0700.HK 查询 A 股、港股行情；把多个标的整理成对比表、展示涨跌幅与成交活跃度；以及脚本运行失败时判断是依赖缺失、代码错误还是网络受限。适用于个人投资者、财经编辑、分析师助理和需要快速核对公开市场报价的技术用户。 大家常问 实时股价和延时股价有什么区别？ 实时股价是交易所当下正在撮合成交的价格，毫秒级更新；延时股价是把行情人为缓存一段时间（常见 15 分钟）后再发布，你看到的其实是十几分钟前的快照。延时数据多为免费基础服务，适合盘后回顾，不适合精确把握当下买卖时机。 股票的涨跌幅是怎么算出来的？ 涨跌幅是相对前一交易日收盘价的百分比：涨跌幅 =（当前价 − 昨收）÷ 昨收 × 100%。它消除了股价绝对水平差异，让不同价位的股票能横向比较涨跌程度。涨跌额是绝对差值，振幅则是当日最高最低价差相对昨收的比例，三者口径不同。 股票的总市值是什么意思，怎么算出来的？ 总市值 = 当前股价 × 总股本，代表市场给这家公司贴的整体价格标签。它和流通市值的区别在于乘数：总市值用全部股本（含限售股），流通市值只算可自由交易的流通股本。总市值高不等于公司有那么多现金，也不代表更安全，只是市场当前的定价。 同一家公司的 A 股和 H 股，为什么报价会不一样？ A 股以人民币报价、H 股以港币报价，两个市场彼此隔离，资金不能自由跨市套利，价差便成为常态。再叠加投资者结构、交易制度（T+1 与 T+0）、涨跌幅限制和资金成本等差异，供需各不相同，于是同股同权却不同价，长期表现为 AH 溢价。 想用上这个技能？ 「股票价格查询」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。
京东商品信息怎么批量查？抓SKU价格促销做竞品监控
「京东商品信息查询」是「龙虾部署大师」技能市场中的商品数据采集技能：它从商品链接或店铺首页批量获取京东商品详情，返回 SKU、标题、价格、促销、优惠券、服务、评价数、品牌、规格参数等结构化字段，也可仅提取店铺的商品链接，便于做价格对比、竞品监控和商品资料整理。 技能效果 演示京东商品信息查询时，它列出可批量采集的十七个字段、商品链接和整店两种导入方式，并给出最终导出表格的字段格式。 盯京东竞品价格，手抄又慢又乱 做京东运营，盯竞品价格、促销和优惠券是日常，可手工去做又慢又容易乱：一个店铺几十个 SKU 要逐个开页、复制价格和促销；想定期追踪价格变化做对比，靠人工记录根本撑不住；评价数、规格这些字段散在页面各处，抄完还得自己拼成表。 这个技能能帮你拿到什么 它把京东商品页转成结构化数据。采集方式上，它支持商品链接、店铺首页、店铺链接三种模式，既能抓单个 SKU，也能批量抓一个店铺；字段上，它获取价格、标题、促销、优惠券、评价数、品牌和规格参数；筛选上，支持预售、非预售或全部商品以及数量限制；可靠性上，它能识别登录、风控、页面结构变化并返回真实的错误信息，而不是默默给错数据。 三种采集模式 商品链接单个 SKU 详情 店铺首页批量抓整店 店铺链接只提取商品链接 一次采集拿到的字段可直接导入表格，做价格跟踪和活动复盘： 商品字段 价格 / 促销 / 券 评价数 / 品牌 规格 / 服务 SKU / 状态 用前须知 该技能需要 Python、AI agent gateway、skillcore HTTP 服务和 browser-tool，Chrome 应可用，部分页面需要京东账号登录；无单独 API Key。采集依赖真实抓取，可能受风控影响。 怎么用它 用法是把要采集的链接和字段需求用自然语言说清楚即可。例如可以这样对它说： 可以这样对它说 "抓取这个京东店铺前二十个商品的价格、优惠券和评价数，导出表格。" "查这个京东商品详情，价格、评价数、规格和促销都拿到，别漏品牌。" "只提取这个京东店铺的商品链接，暂时不要抓详情，限制前五十个。" 它适合这些场景：批量获取竞品价格、优惠券和促销做对比；从某个京东店铺提取商品链接列表供后续采集；单个 SKU 快速查看品牌、规格、服务和评论数据；定期追踪商品价格变化、结构化输出供表格分析。 大家常问 京东商品信息查询能拿到哪些字段，按商品链接和按店铺链接采集有什么区别？ 可拿到 SKU ID、店铺名、标题、价格、定金、促销与优惠券、商品服务、累计评价数、品牌、规格参数、采集时间与状态等十多个核心字段。按商品链接是"精准打击"，给几个链接就查几个，适合比价；按店铺链接是"地毯式扫描"，先抓店内全部商品再逐个采集，可限制数量并按预售/非预售筛选，适合竞品店铺调研。 批量采集京东商品信息时，为什么经常会遇到登录验证或者风控拦截？ 京东有成熟反爬风控，批量采集触发非人类特征就会拦截：请求频率过快、缺少真实浏览器指纹、访问路径异常（直奔详情页没有前置浏览）、短时间访问大量商品、数据中心 IP 信誉低。本技能用真实浏览器环境采集并引导扫码登录可降低概率，但风控会升级，无法完全避免，量大建议分批。 京东店铺里的预售商品和现货商品，在采集时为什么要区分开？ 两者数据结构和价格规则不同：现货是一口价、即时库存、当日发货；预售分定金和尾款两段，还涉及定金膨胀、尾款支付期和发货窗口。不区分容易把定金误当商品价、价格解析失真，且预售看付定率、现货看日销，混在一起会让分析维度互相干扰。建议打类型标记、分类采集、分开存储。 采集京东商品时返回了报错或者空数据，一般是什么原因导致的？ 最常见是京东账号未登录，访客拿不到价格促销，扫码登录后重采即可；其次是高频请求触发风控验证码，需手动过验证并拉大请求间隔；再就是链接不是标准商品详情页或 SKU 已失效、商品下架。还有页面 DOM 结构更新导致部分字段解析为空。排查从"是否已登录"开始即可解决多数情况。 想用上这个技能？ 「京东商品信息查询」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。
如何用 AI 写学术论文
「学术论文写作」是「龙虾部署大师」技能市场中的论文写作技能：以目标确认、文献整合、大纲规划、内容撰写、质量评估五步推进，可导入文献、整理文献矩阵、生成章节大纲和论文初稿，并按 APA、MLA、Chicago、GB/T 7714 等格式处理引用，最终输出可提交的 DOCX 文档和质量评估报告。 技能效果 给它三篇英文文献，它补全了 GB/T 7714 引用格式，整理成中文综述并附上摘要框架。 从一堆文献到一篇初稿，难在哪 很多研究者卡在"文献都读完了，却迟迟动不了笔"。难点集中在三处：一是结构，章节怎么排、论证逻辑怎么串，不同学科和不同期刊的模板各不相同；二是引用，文内引用与参考文献列表要严格对应某种格式（APA、国标 GB/T 7714 等），一处格式不统一就要返工排查；三是规范，字数、分区、术语和语言风格都有硬性要求。写作本身已经费力，规范化和排版又额外消耗大量精力。 写作前的三道坎 结构 章节 / 论证逻辑 引用 格式 / 文内对应 规范 字数 / 分区 / 语言 三道坎叠加 → 读完文献仍迟迟动不了笔 规范化与排版额外消耗精力 这个技能能帮你做到什么 它把论文写作拆成五步可推进的流程，并在每一步给出可用的产物。先确认论文类型、学科领域、目标格式和字数等写作规范；再整理文献矩阵，把已有文献按主题和论点归位；接着按学科模板生成章节大纲、设计论证逻辑链；随后撰写各章节内容；最后生成 DOCX 文档，并按结构、内容、规范、语言四个维度评分。整套流程适配理工科、人文社科、医学和商科等不同学科结构。 目标确认 文献整合 大纲规划 内容撰写 质量评估 在引用环节，它支持把文献数据批量转换为指定格式并嵌入正文，常见格式覆盖如下： 引用格式常见适用场景 APA心理、教育、社会科学类期刊与学位论文 MLA / Chicago人文社科、文学与历史方向写作 GB/T 7714国内高校学位论文与中文期刊的国标引用 用前须知 该技能需要 Python 环境及本地脚本 citation_formatter.py、paper_template_filler.py，DOCX 输出依赖模板资产。无需外部 API Key，但需要你提供文献数据与明确的格式、字数等写作要求。它负责把材料整理成规范文本，论文的事实与观点仍应由作者把关核实。 怎么用它 用法是把已有文献、目标格式和写作任务用自然语言交给它。例如可以这样对它说： 可以这样对它说 "把这些文献整理成中文综述，引用格式按国标补完整，再写一份摘要框架。" "按医学期刊格式写影像诊断论文的引言，突出研究空白和创新点。" "论文第三章结构有点乱，帮我重排小节逻辑、引用和段落过渡，避免断层。" 它适合这些场景：已有文献检索结果，需要整合成期刊论文或学位论文初稿；目标会议或期刊格式明确，需要快速规划章节结构和引用规范；博士或硕士论文某一章节需要补充实验设计、讨论或结论；需要把文献数据批量转换为指定引用格式并嵌入正文。 大家常问 一篇规范的学术论文，IMRaD 结构通常包含哪几个部分，每个部分主要写什么？ IMRaD 指引言、方法、结果、讨论四部分：引言交代背景并引出研究空白与研究问题；方法详述设计、样本与分析，要保证可重复；结果只客观呈现发现、不作解释；讨论再把结果与文献对话、阐释意义并坦陈局限。 论文里的文献综述部分，基本结构是什么，应该写哪些内容？ 文献综述多采用漏斗式结构：先交代宏观背景与概念，再按主题或方法分类综述，遵循"观点—证据—评价"，接着点出现有研究的具体空白，最后说明本研究如何填补。关键是分类整合与批判评价，而非逐篇罗列流水账。 论文的摘要和引言有什么区别，各自应该写什么内容？ 摘要是全文的浓缩版、独立可读，按问题—方法—结果—结论四要素写，一般不引用文献；引言则是漏斗式的开场，从背景到文献空白再到研究问题，必须引用文献且不呈现结果。一句话：摘要让人决定是否读全文，引言让人明白为何要做这项研究。 想用上这个技能？ 「学术论文写作」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。
如何用 AI 做 iOS 应用开发
「iOS 应用开发」是「龙虾部署大师」技能市场中的 Apple 平台开发规范技能：作用是提供 UIKit、SnapKit 与 SwiftUI 的开发指南。给定应用场景、界面需求和技术栈后，它输出组件选型、导航结构、安全区域、触摸目标、Dynamic Type、深色模式、无障碍、权限请求和系统集成的检查清单，强调 HIG 合规、系统手势保留和语义颜色使用，帮助减少移动端常见实现问题、提升上架质量。 技能效果 让它做 SwiftUI 记账首页时，它用 @ScaledMetric 和系统语义色处理了深色模式与大字号无障碍，金额标题配 minimumScaleFactor 确保超大字号也不截断。 iOS 应用被打回，往往栽在平台规范上 iOS 应用的难点常常不在功能本身，而在 Apple 平台的一整套隐性规范。UIKit、SwiftUI、SnapKit 之间该选哪个、能否混用，组件选型一开始就要想清楚；界面要避开刘海和底部安全区、按钮热区不能太小、间距要守住 8pt 体系；Dynamic Type 放大后文字不能截断、深色模式下颜色要用语义色、VoiceOver 要能正常读出。这些 HIG 要求平时容易被忽略，却直接关系到体验质量和能否顺利上架。 ↑ 顶部安全区 语义色 · 深色模式 Dynamic Type 不截断 触摸目标 ≥ 44pt ↓ 底部安全区 / 系统手势 这个技能能帮你把住哪些关 它把 Apple 平台体验质量拆成一组可核对的检查项。组件层面，指导 UIKit、SwiftUI 和 SnapKit 之间的选型，UIKit 项目要迁移或混用 SwiftUI 时也能给出统一决策。布局层面，校验安全区域、触摸目标和 8pt 间距体系，避免按钮热区和安全区出问题。体验层面，覆盖 Dynamic Type、深色模式和 VoiceOver 要求，确保放大字号、暗色和读屏都正常。集成层面，提供导航、权限请求、生命周期和系统集成的检查清单。它贯穿 HIG 合规、系统手势保留和语义颜色使用，从新建界面到上线前核对都能搭得上。 组件选型UIKit/SwiftUI 布局校验安全区/8pt/热区 体验合规字号/暗色/读屏 系统集成导航/权限/生命周期 用前须知 该技能仅支持 macOS。需要安装 Xcode、Swift 5.9 及以上版本，命令行工具通过 xcode-select 安装；CocoaPods 可选，无需 API Key。在非 macOS 环境下无法进行 iOS 构建与调试。 怎么用它 用法是把应用场景、界面需求和技术栈用自然语言说清楚，由它给出组件决策和检查清单。例如可以这样对它说： 可以这样对它说 "做一个 SwiftUI 记账首页，兼顾深色模式和大字号，文字别截断。" "把这个 UIKit 列表页改成 CollectionView，支持搜索和空状态。" "上线前检查这个 iPhone 界面，别让按钮热区和安全区出问题。" 它适合这些场景：新建 iPhone 应用、需要确定 Tab、导航栈和页面结构；已有界面要符合 Apple HIG、无障碍和深色模式规范；UIKit 项目要迁移或混用 SwiftUI、需要统一组件决策；上线前核对权限请求、动态字体和系统交互行为。 大家常问 SwiftUI 和 UIKit 的差别是什么？ UIKit 是命令式框架，靠开发者手动创建 UIView、配置 Auto Layout 约束、在回调里调 setText 和 reloadData 来同步状态；SwiftUI 是声明式框架，用 @State、@Published 等数据源描述 View body，框架按状态自动差分重绘。底层的 App 生命周期、签名和上架审核两者完全共享，差异集中在"谁来驱动 UI 更新"这一层。 iOS 开发里为什么要严守 Safe Area？ Safe Area 是 iOS 系统按当前设备形态和界面状态动态计算的安全可视区域，排除了刘海、状态栏、Home Indicator 和系统手势区。来电状态栏、横竖屏切换、iPad 分屏都会触发 safeAreaInsets 变化；不绑定 Safe Area 的硬编码布局会被遮挡或与系统手势冲突，App Review 4.1 明确把这点作为审核检查项。 Dynamic Type 是什么，为什么 iOS 应用要适配它？ Dynamic Type 是 iOS 7 起的系统级文字大小自适应：用户在设置里调整字号后，系统通过 UIContentSizeCategory 通知前台 App 重新计算字号。UIKit 用 UIFontMetrics 加 adjustsFontForContentSizeCategory 自动响应，SwiftUI 用 @Environment(\.sizeCategory) 与 @ScaledMetric 联动。不适配会在大字号下文字被截断，也会在 App Review 的无障碍审查中被追问。 iOS 应用为什么要适配深色模式？语义色和写死的固定色值差别是什么？ iOS 13 起系统会通过 UITraitCollection 注入当前外观模式，深色模式不是开关而是渲染管线的输入参数。语义色（如 label、systemBackground）写在 Assets Catalog 的 colorset 里，编译期落进 .car 文件，运行时由 CoreUI 按当前 userInterfaceStyle 自动选色；写死的固定色值不会随系统切换，深色模式下会出现对比度塌陷和可读性问题。 想用上这个技能？ 「iOS 应用开发」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。
千川投放数据怎么分析 ROI 与转化成本
「巨量千川数据分析」是「龙虾部署大师」技能市场中的投放查询技能：它查询千川广告账户、余额、消耗报表、计划列表、素材效果、直播间表现和实时监控信号，全程只读不改账户，通过统一入口管理 Token、四层监控和开播实时调控，用于日常巡检、复盘和投放异常发现。 技能效果 查千川账户时，它列出余额、今日消耗和整体ROI，再按计划分组算出各自的转化成本，把消耗一起摆出来。 千川数据散在各处，巡检全靠手点 抖音电商投放最耗精力的不是出创意，而是每天的巡检：账户消耗、ROI、余额要看，低效计划要挑，素材效果要排，直播间开播后还得盯着流量来源和大屏数据。这些信息分散在不同页面，靠人工逐个点开、抄数、对比，一轮看下来时间就过去了；开播期间数据变化快，等手工汇总完，调控时机可能已经错过。「巨量千川数据分析」要做的，是把这些查询统一到一个入口，按需要的维度一次性拉齐。 四层监控：从账户到开播实时 账户层 · 消耗 / ROI / 余额 计划层 · 计划列表 / 低效计划 素材层 · 素材效果 / 转化 直播层 · 开播实时大屏 这个技能能帮你查到什么 它的能力围绕"查询"展开，覆盖四块。账户层面，可查账户信息、余额、日预算、广告计划和消耗报表；直播层面，可分析直播间列表、大屏数据、流量来源和历史直播报表；汇总层面，可整合标准推广、全域推广、素材效果和低效计划的表现，形成综合报告；授权层面，它管理 Token 的获取、保存、状态查看、手动刷新和安全删除。需要强调的是，它只做查询，不写入或修改账户设置，巡检过程不会动到任何投放配置。 账户消耗 计划/素材 直播间表现 综合报告 只读查询，不改账户设置 用前须知 该技能需要千川的 app_id、secret、auth_code、advertiser_id 和 Access Token，本地需 Python 环境。Token 以明文保存在用户目录，保存和自动刷新都必须经过你的确认，请注意 Token 的安全。aweme_id、room_id 等参数需按正确流程获取。它提供的是数据查询与分析，不构成投放或经营建议。 怎么用它 用法是把要查的账户、时间范围和关注的维度用自然语言说清楚。例如可以这样对它说： 可以这样对它说 "查千川账户今天的消耗、ROI 和余额，按计划分组看转化成本，消耗一起看。" "直播间开播后监控千川数据，发现低效计划就标出来，别改设置，消耗写清。" "近 7 天素材效果拉一遍，找出花费高、转化低的素材，按消耗降序，转化也看。" 它适合这些场景：广告运营查看近七天账户消耗、ROI、余额和低效计划；直播投放期间监控直播间状态、流量来源和实时大屏数据；同时整合标准推广与全域推广、形成账户综合汇总报告；以及首次授权千川账户后安全保存 Token 或排查权限不足。适合抖音电商投手、直播运营、广告分析师和代运营人员的日常巡检与复盘。 大家常问 千川投放里的 ROI 是什么意思？看到一个 ROI 数值怎么判断它算高还是低？ ROI 即投产比，等于千川渠道成交金额除以消耗，代表每花 1 元广告费换回多少成交。判断高低不看绝对值，而是对照盈亏平衡 ROI（约等于 1 除以毛利率）：高于平衡线才盈利，越往上放量空间越大，接近或低于平衡线就要降出价、查素材。 千川数据里的转化成本是什么？为什么要按计划分组分别看，而不是只看账户总数？ 转化成本等于消耗除以转化数，即每获得一次下单或成交平均花了多少钱。只看账户平均会被大计划的低成本拉漂亮，掩盖那些消耗小、成本高的亏损计划。按计划分组才能看清成本分布，找出真正在浪费预算的计划单独处理。 怎么判断一条千川广告计划是不是低效计划？从哪些数据上能看出来？ 先看消耗与投产是否匹配：高消耗加低 ROI 基本就是纯亏。再看实际转化成本与出价的偏离，成熟期成本超出价 1.5 倍以上即成本失控。还要看点击率和转化率，两者双低是典型低效特征。学习期 ROI 低属正常，转化数攒够再判断。 千川的素材衰退是什么意思？为什么巡检时要专门把素材效果拉出来按消耗排？ 素材衰退指一条素材随曝光增加、效果指标持续恶化：点击率和转化率下滑、转化成本上升、系统减少给量。本质是人群被洗过一轮后频次过高、边际效用递减。按消耗排是因为约两成素材花掉八成预算，先盯高消耗素材就抓住了影响账户的主要矛盾。 想用上这个技能？ 「巨量千川数据分析」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。
退货政策设计方法，按品类等级和地区法规定清规则
「退货政策设计」是「龙虾部署大师」技能市场中的退换货规则设计技能：它按品类、客户等级、地区法规、卫生密封、节假日窗口和补货费，把退货窗口、退款资格和排除项设计成一套清晰可执行的政策框架，让转化信任与运营防护取得平衡。 技能效果 让它把服装加定制店的退货政策一次定清，它写出了可直接公示的条款：30天窗口、定制品专项规则、15%补货费、Final Sale清单和退货运费归属都列成了表。 退货政策为什么总是顾此失彼 退货政策是电商最难拿捏的一环，因为它同时牵动转化、成本和合规三条线。窗口放得太长、条件给得太宽，能提升下单信任，却也放大了借穿式购买、物流损耗和退货滥用；收得太紧、补货费定得太高，又会在结账页劝退犹豫中的买家。多数店铺的政策是逐条临时加上去的：服装、电子、清仓、定制品共用一套规则，跨境订单没单独考虑欧盟英国的撤单权，结果产品页、结账页和政策文本三处口径还对不上。 退货政策 要同时平衡 转化信任 窗口越长越敢买 运营成本 滥用与物流损耗 地区合规 撤单权与卫生豁免 这个技能帮你把政策设计成什么样 它把退货政策拆成几条可分别设定的维度，再组合成完整规则。在政策类型上，它围绕标准政策、严格政策、最终售出和 VIP 延长四种基线展开；在分档维度上，它按商品品类和客户等级分别设定退货窗口、补货费和排除项，让服装、电子、清仓和定制品各走各的规则；在边界处理上，它覆盖欧盟英国撤单权、卫生密封商品豁免和节假日延长窗口等容易踩坑的情形；在落地实现上，它给出 Shopify、WooCommerce 和自定义 API 的配置思路与资格判断示例，并定义政策清晰度、换货比、客服占比和处理时长等可衡量的指标。 同一店铺，不同品类走不同规则 服装 30 天 · 卫生豁免 电子 14 天 · 补货费 清仓 最终售出 定制品 不可退 叠加客户等级（如 VIP 延长窗口） 与节假日窗口 三处展示口径一致的可执行政策 用前须知 该技能做的是政策方案设计，本身无需 API Key。但要把规则真正配置进 Shopify、WooCommerce 或退款 API，仍需平台后台权限与相应凭证；它不替代法律意见，也不直接执行平台写入操作，涉及撤单权等具体法律问题应咨询当地律师。 怎么用它 用法是把你的品类构成、想达成的目标和合规要求用自然语言交给它，由它产出成套规则。例如可以这样对它说： 可以这样对它说 "我们卖服装和定制品，把退货窗口、补货费和最终售出规则一次定清楚。" "会员想延长退货期，政策要兼顾转化率、补货费和长期滥用风险。" "跨境订单的退换货政策，先按地区合规、品类限制和物流成本设计清楚。" 它适合这些场景：为服装、电子、清仓和定制等不同品类制定区分明确的退货规则；希望用更长窗口提升信任、同时控制借穿式购买和物流成本；需要在产品页、结账页和政策文本中保持规则展示一致；以及面向欧洲或跨境市场销售时，理清撤单权、运费承担和卫生豁免的边界。 大家常问 退货政策里的补货费（restocking fee）是什么？为什么有的店要收？ 补货费是退货时商家从退款里扣除的一笔费用，通常按商品价格的 10%—25% 计。原因有三：拆封试用过的商品难按原价再售、要承担检查重包装与物流人工成本、还能抬高「借穿式」恶意退货的门槛。质量问题或商家失误退货一般可免收。「退货政策设计」正是帮你按品类和客户等级把补货费比例、排除项与费用透明提示一次定清楚。 服装这类商品的退货政策，为什么通常要比电子产品更严格？ 其实维度不同：服装退货率高达 20%—40%，试穿后涉及卫生、撑变形、吊牌损坏，二次销售损耗大，所以在「卫生/吊牌完整」等验收标准上更严，但退货窗口往往更宽松来换转化；电子产品序列号可追踪、未激活检测后能原封再售，反而在「拆封激活即不退」的窗口与限制上更严。「退货政策设计」就是按品类差异分别设定窗口、补货费和排除项。 跨境卖到欧盟、英国，退货政策上有哪些必须注意的合规点？ 核心是 14 天无条件冷静期（撤单权）：欧盟依《消费者权益指令》、英国依 2013 年消费者合同条例，消费者收货起 14 天内无需理由可退，且必须事先提供撤销权范本，否则窗口延长至 12 个月。定制品、拆封的卫生密封品等可豁免。英国还有《消费者权益法 2015》的 30 天短期拒绝权。「退货政策设计」会把这些地区合规边界纳入规则，但不替代当地法律意见。 电商把退货窗口放宽到30天或给VIP延长，会带来哪些好处和风险？ 好处是提升下单信心、增强 VIP 粘性、把宽松退货当营销卖点拉高转化。风险是资金回笼变慢、机会主义退货与商品磨损上升、库存周转复杂，服装数码等品类还易出现「穿退」「用后退」。可取做法是分级实施（普通 15 天、会员 30 天、VIP 45—60 天）并配退货次数上限、品类排除与验收风控。「退货政策设计」正是用这种动态规则平衡转化与防护。 想用上这个技能？ 「退货政策设计」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