广告素材情报怎么查？App投放策略与下载收入估算
「广告情报分析」是「龙虾部署大师」技能市场中的广告与 App 市场分析技能。它基于 AdMapix 的数据接口，覆盖广告素材搜索、App 投放策略、应用排行榜、下载量与收入估算、投放地区分布和竞品对比；用自然语言提一个需求，它跨多个接口取数、清洗字段，再合并成一份能直接看的洞察。 技能效果 分析美国区冥想类应用的投放时，它整理出头部广告主的体量与投放特点，并按规模排了名。 手工做竞品情报，问题出在哪 出海投放离不开"摸清对手"：头部广告主在投什么素材、买量走哪些渠道、哪类 App 在涨、量级大概多少。但这些信息天生散落——素材在广告库、排行在榜单、下载和收入又在另外的数据面板。人工逐个翻查再手动拼合，一次像样的竞品分析往往要耗去几小时，且统计口径全凭手感，换个对手还得从头再来。 手工 翻多个广告素材库 查排行榜、估下载收入 手动整理成对比 ≈ 小时级，难复现 用技能 一句话提问 ↑ 自动合并多个接口 ≈ 分钟级，口径统一 这个技能能帮你查到什么 它把"找素材、看策略、查排行、估收入、出对比"打包成一次分析，一个需求能展开的维度通常包括：竞品广告素材、投放策略、渠道分布、地区表现、下载量与收入估算。所有数字都来自 AdMapix 接口返回，它会清掉原始字段里的杂项、统一数字格式，并对下载、收入这类估算值保留免责说明。 一次 提问 广告素材 投放策略 渠道分布 地区表现 下载量 收入估算 它会按需求复杂度自动分流：想快速看一眼走单接口的快速查询；要系统摸清一个对手或做一份正经的市场洞察，则走深度研究，串起多个接口合并成完整报告。最终交付的是 H5 结果页、提炼过的关键发现、完整研究报告链接和后续分析建议。 用前须知 该技能依赖 AdMapix 接口，使用前需先在 admapix.com 注册获取 API Key 并配置（深度研究还会用到 AdMapix 的研究服务），没有 Key 无法运行。下载量、收入等为估算值，适合判断量级与趋势，不应当作对方公布的真实财报。 怎么用它 用法是把要看的对象和维度用自然语言说清楚即可，不用记参数，也不用先决定走哪条路径。例如可以这样对它说： 可以这样对它说 "查最近美国区冥想类 App 的投放素材，看头部广告主和素材类型，投放地区分开列。" "分析这两个游戏 App 的买量渠道、收入和下载趋势，按国家拆开看。" "看东南亚短剧 App 排行榜，比较素材类型、投放天数和地区差异，按区域拆开。" 它适合这些场景：查找某类 App 或品牌近期的投放素材、浏览创意样式；分析竞品的投放策略、渠道分布与地区表现；查看应用市场排行榜与下载收入估算辅助投放决策；为出海产品准备市场洞察报告、横向比较多个竞争应用。 大家常问 出海投放为什么要看竞品的广告素材和投放策略，光看自己后台的数据不够吗？ 自家广告后台只反映"自己做了什么、结果如何"，是历史结果数据；它无法告诉你品类风向、对手在哪条赛道放量、还有什么蓝海人群没被吃掉。竞品素材与投放策略相当于市场信号的浓缩，能帮你提前感知素材衰退、识别差异化机会、判断对手处于测试期还是收割期，少走数周 A/B 摸索弯路。 第三方平台给的 App 下载量和收入都是估算值，跟开发者后台真实数据差多少？为什么不能直接当作竞品的真实业绩？ 第三方拿不到商店日志，只能靠 SDK 抽样、评分增量、搜索热度等信号反推；下载量误差通常在区间级（±20%-50%），收入误差更大（±30%-100%），尤其订阅、退款、地区定价、礼包码完全不可见。它适合看量级和趋势相对位置，但不同 App 的偏差方向不一致，做硬性横向对比或当作竞品真实业绩证据，风险都过高。 同一个 App 在不同国家或地区的应用榜单排名差异很大，背后到底反映了什么？ 榜单差异其实是用户需求、本地化深度和外部环境叠加的结果：不同市场的使用场景与替代竞品不一样，本地化运营和合规没跟上会拉低留存，预装/运营商分发与买量 ROI 决定推得动推不动，定价与变现模型错配会直接压垮畅销榜。叠加上榜单算法按本地市场归一化加权，差异会被进一步放大。 广告素材跑量衰退是什么意思？为什么一条爆款素材投着投着 CTR 就掉下来了？ 跑量衰退指素材投到一定阶段后 CTR 持续下滑、不可逆地失去盈利能力。原因不是素材变差，而是系统把高意向人群洗了一遍后只能放量给次级人群、用户对重复出现的画面产生视觉屏蔽、同质化竞品挤占同一广告位、转化率掉了 eCPM 被调低，多种结构性饱和叠加，让 CTR 必然向下漂移。 想用上这个技能？ 「广告情报分析」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。
静态视觉海报怎么生成？先立视觉哲学再出 2K 高清系列图
「画布视觉设计」是「龙虾部署大师」技能市场中的静态视觉生成技能：它先为主题创造一套视觉哲学，明确空间、形态、色彩、材料、比例、节奏与视觉层级，再把这套审美方向转译为精确的图像生成提示词，用本地 Seedream 脚本生成 2K 或 3K 的 JPEG 静态图，输出包括设计哲学文档、图像提示词与最终图片路径。 技能效果 做城市噪音抽象海报时，它生成了冷色颗粒质感的画面，并说明了色调、噪点和留白的设计思路。 套模板出图，为什么总差一口气 缺的不是工具，而是视觉方向。许多人需要海报、封面或插图时，习惯直接套现成模板或丢一句简短描述给生图工具，结果画面要么撞款、要么元素堆砌、要么文字太多盖过画面，少了那种"有想法"的高级感。问题的根源在于：跳过了"先想清楚画面要表达什么、用什么语言去表达"这一步，直接进入了出图环节。 直接套模板 元素堆砌 · 撞款 先立视觉哲学 留白 · 节奏 · 层级 对设计师、品牌团队和内容创作者来说，真正费时的不是点击生成，而是反复试错那些没有方向的提示词，以及在一堆平庸结果里挑拣的过程。 这个技能怎么帮你出图 它把"出图"拆成"先立审美、再转提示词、最后生成"三段。第一步，它围绕主题创建 4 到 6 段视觉哲学，把空间、形态、色彩、材料、比例、节奏和视觉层级这些原本说不清的审美方向定义清楚；第二步，把主题与哲学转译成关于色彩、形状、材质、光线和空间关系的精确提示词；第三步，用本地 Seedream 5.0 Lite 脚本生成 2K 或 3K 的 JPEG 图像，并支持多画幅比例与系列出图，在保持统一审美的前提下变化构图。 它有一个鲜明取向：少量文字、强调空间表达、追求工艺感，因此更适合做有质感的原创视觉，而不是信息密集的图文海报。 主题 关键词 / 概念 视觉哲学 空间 / 色彩 / 节奏 图像提示词 材质 / 光线 / 构图 JPEG 2K/3K 用前须知 该技能使用内置 Seedream 5.0 Lite 脚本，无需额外外部 API Key；但本地需要 Python 环境以及 openai 与 pillow 两个库，缺失时可用 pip 安装。输出格式为 JPEG，可指定分辨率与画幅比例。 怎么用它 用法是把主题、想要的气质和画幅用自然语言说清楚，它会先帮你定方向再出图，无需懂提示词工程。例如可以这样对它说： 可以这样对它说 "做一张关于城市噪音的抽象海报，少放文字，偏冷色颗粒感，画面多留白。" "为这场爵士演出生成博物馆质感视觉图，用深红、金色加胶片颗粒，注意比例。" "把这组品牌关键词转成视觉哲学，再生成方形封面图，要有手作留白，文字别多。" 它适合这些场景：为活动、文章、专辑或展览生成原创海报视觉；把抽象概念转化为有高级感的图像而不套用普通模板；制作一组在同一审美体系下、构图各异的封面或插图；以及已有主题但缺少视觉方向时，先形成设计哲学再出图。 大家常问 为什么有的海报一眼就觉得高级，而有的看着像模板套出来的？ 高级感与模板感的差距不在工具，而在设计决策的深度。模板感来自"填满式"加法：留白少、文字层级混乱、颜色多而饱和、对齐差不多齐、装饰为了装饰而存在；高级感是经过筛选的减法——大量留白带来呼吸感、视觉重心单一、色彩克制、像素级对齐、每个元素都有功能。 做海报或封面时大家常说"视觉哲学"和"视觉层级"，这两个到底是什么意思？ 视觉层级是信息重要程度的视觉排序系统，通过大小、位置、对比、字重控制观众的"观看顺序"，决定"怎么做"；视觉哲学是画面背后的美学立场（如极简主义、构成主义、表现主义、网格系统、解构主义），决定"为什么这么做"。前者保证信息传达效率，后者保证设计立场统一，两者兼备才算好设计。 为什么留白多的海报反而看起来更有质感？而元素塞得满的画面常显得廉价？ 留白不是"空"，而是给视觉信息预留呼吸空间。它降低认知负荷让观看从容、强化视觉层级让主次分明、通过"展品独占一面墙"式的稀缺感暗示价值、引导视线沿设计路径移动、并与核心元素形成大小对比张力。元素塞满则各方信息互相抢戏、视觉秩序丢失，在潜意识被判为"以量取胜"的廉价策略。 AI 生成图像里常说的颗粒感、胶片质感、材质感是什么意思？为什么它们会让画面显得更高级？ 这三者本质都是在"数字完美"中重新引入自然界的不完美。颗粒感是均匀散布的微噪点，打破数字平滑、掩饰渐变色带；胶片质感包含非线性色彩响应曲线、三层乳剂颜色串扰、潜影扩散的软锐化；材质感由微观纹理、光照响应差异、次表面散射构成。它们让画面从"计算出来的图片"变成"被感知到的场景"。 想用上这个技能？ 「画布视觉设计」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。
抖音账号怎么分析？抓视频互动数据排序并解读内容策略
「抖音趋势分析」是「龙虾部署大师」技能市场中的账号分析技能：它针对指定的抖音作者主页或视频链接，分析账号概况、近期视频表现、互动数据、播放量补充和评论风向。它依赖 web-extract 抖音工具获取真实数据，分析前先做账号匹配、数据合理性和视频数量验证，输出可包含作者概览、视频表现排行、互动得分、高效内容特征、评论情绪分布和内容策略建议，不处理热榜、下载或写操作。 技能效果 分析一个抖音创作者主页时，它给出账号概览，并按点赞把近期视频的互动表现排了序。 账号复盘，为什么常常只看了个点赞数 做账号复盘和达人评估时，难点不是看不到数据，而是把分散的数据整合成可判断的结论。一条视频火了，到底是题材、形式还是发布时间起了作用？评论区是真喜欢还是在吐槽？多数人翻完主页只记住了几个点赞数字，却说不清"近期哪几条最有效、它们的共性是什么、评论风向偏正还是偏负"。更现实的风险是，凭印象拿错账号的数据下结论，复盘的方向从一开始就偏了。 主页 作者概况 点赞/评论 收藏/分享 播放补充 互动得分排行 + 高效内容共性 + 评论风向 这个技能能分析出什么 它面向单个账号或单条视频做深度分析，而不是看平台大盘热点。给定作者主页或视频链接后，它获取作者的视频列表及点赞、评论、收藏、分享等互动数据，按互动得分对视频排序，识别近期表现最好的内容及其共同特征；对单条视频，它调用评论和深度数据工具，分析用户反馈与表现，给出评论情绪分布。输出可以是作者概览、视频表现排行、互动得分、高效内容特征、评论情绪分布和内容策略建议。 它有两条明确边界：一是会先执行账号匹配、数据合理性和视频数量验证，防止误用错误账号的数据；二是不编造播放或互动数字，确保分析来源可追溯。它也不处理热榜、下载或任何写操作。 账号匹配合理性验证 互动得分排序识别高效内容 评论情绪风向分布 策略建议 用前须知 该技能无需单独的 API Key，依赖 AI 助手的 web-extract 抖音工具获取数据。公开数据优先，必要时需要在托管浏览器中登录抖音才能取到更完整的信息。 怎么用它 用法是把作者主页或视频链接连同你想看的角度交给它。例如可以这样对它说： 可以这样对它说 "分析这个抖音作者主页，找最近视频里互动最强的几条并排序。" "这条视频评论看看风向，正负面和高频话题分开说，再挑可复用的反馈。" "这个账号近三十天的内容表现做个排行，说明爆点共性，别只报点赞数。" 它适合这些场景：运营团队提供主页链接、想找出近期表现最好的视频；品牌方评估达人时查看粉丝、作品和近期互动质量；内容团队分析某条视频的评论情绪和反馈主题；以及账号负责人基于近期视频数据调整题材、发布时间和形式。 大家常问 抖音完播率到底是什么？多少算正常、多少能继续推送？ 完播率=完播次数÷播放次数×100%，衡量用户是否完整看完视频。它是相对指标，没有固定及格线，需按同时长、同品类、同账号历史基准线纵向对比。显著高于你账号近30天该品类均值的视频，更容易被判定为"值得继续推送"。 抖音的互动率怎么算？和"互动指数"是同一回事吗？ 互动率=（点赞+评论+分享+收藏）÷播放量×100%，各项等权，公开透明；互动指数是平台算法内部对参与质量的加权评分，评论、转发、关注转化等深度行为权重远高于点赞，公式不公开。两者不等同：互动率看"广度"，互动指数看"深度"。 抖音的流量池是什么？为什么同一个账号有时视频几百播放、有时能破万？ 流量池是推荐系统的分层放大机制：从200-500初级池起，按完播率、互动率、关注转化等指标逐层考核，达标才进下一级。同账号播放量大幅波动，主要源于"内容方向 vs 历史粉丝画像"的匹配度差异、内容形态的完播适应性、发布时段竞争强弱与账号短期权重浮动。 抖音爆款视频的共性有哪些？为什么很多账号粉丝多却出不了爆款？ 爆款共性：前3秒钩子住人、加权完播率高（15秒视频≥60%）、收藏与转发权重大、均播占比高、推荐Feed占比>80%。大号难爆是因为粉丝量≠基础曝光，关注页推送占比极低；老粉画像锁定导致新形态完播率被拉低，算法冷启动样本方差小，反而难出现异常正反馈。 想用上这个技能？ 「抖音趋势分析」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。
命令行邮件怎么用 AI 收发
「喜马拉雅内容助手」是「龙虾部署大师」技能市场中的终端邮件管理技能：它基于 Himalaya 邮件客户端，让你用自然语言在终端完成列出文件夹、查询邮件、阅读正文、回复、转发、撰写、移动、复制、删除、管理标记和下载附件等操作，支持 IMAP、SMTP、Notmuch、Sendmail 等多种收发方式与多账号，并专门处理了中文编码与发送场景。 技能效果 管理邮箱时，它列出收件箱、按关键词搜索、把邮件按主题归类，并示范了起草回复。 在终端里收发邮件，难在哪 命令行邮件客户端本身高效，但门槛集中在三处：一是配置繁琐，IMAP/SMTP 服务器、端口、授权码、编辑器变量要逐项填对，QQ、163、Gmail、iCloud 各家规则还不一样；二是中文与附件容易出问题，终端编辑器对中文正文的编码处理稍有偏差就发成乱码，带附件发送的命令也难记；三是多账号切换混乱，工作邮箱和个人邮箱并存时，列邮件、读信、发送都要小心指定到正确账号。三点叠加，让本该轻量的终端收发变成一件需要反复查文档的事。 $ himalaya --account work list ? IMAP host / port / 授权码 … ? $EDITOR 未设置 ! 中文正文 → 乱码 ! 附件命令记不住 ? work 还是 personal 账号？ 这些都是机械、可被规则化的工作——记住每家邮箱的连通规则、处理好编码、把账号选对，正是这个技能要替你扛下的部分。 这个技能能帮你做什么 它把 Himalaya 邮件客户端包装成一个能听懂自然语言的助手，覆盖终端邮件的完整生命周期。读取层面，它能检查平台、二进制、配置文件、编辑器变量和账号连通性，列出文件夹和邮件并支持分页、文件夹切换与查询条件，按发件人、主题或关键词筛选后读取正文；处理层面，它能回复、回复全部、转发、移动、复制、删除和管理标记；撰写层面，它通过脚本发送含中文正文和附件的邮件，并支持 dry-run 先预览再发出；账号层面，它在多账号环境下按你指定的邮箱执行操作，避免发错账号。 自然语言 指令 喜马拉雅 内容助手 列表 / 查询 回复 / 转发 撰写 / 附件 移动 / 标记 IMAP / SMTP 收发结果 它把"在终端逐条敲 Himalaya 命令、记各家邮箱规则"这件事，转成"用一句话说清要做什么"。中文正文和附件发送被专门处理，多账号也由它按指令选对，避免编码与发错账号这两类最常见的事故。 用前须知 该技能依赖 Himalaya CLI，Windows 可用 winget 安装；首次使用需配置 config.toml、账号凭据和 $EDITOR 变量。QQ、163、Gmail、iCloud 等邮箱通常需要授权码或 App Password 而非登录密码。配置就绪后，列表、阅读、发送等操作才能正常连通。它面向偏好命令行的开发者、运维和技术支持人员，不提供音频内容管理能力。 怎么用它 用法是把要做的邮件操作用自然语言说清楚——查哪个文件夹、按什么条件搜、回复给谁、正文写什么——无需记命令和参数。例如可以这样对它说： 可以这样对它说 "用工作邮箱看收件箱最近二十封邮件，按发件人帮我整理出重点。" "把第四十二封邮件回复给所有人，正文用中文先拟好，别太长，语气自然些。" "从邮箱里搜主题含 invoice 的邮件，把原文和附件线索一并导出来。" 它适合这些场景：偏好在终端处理邮件、不想离开命令行去开网页客户端；需要按发件人、主题或关键词快速检索并阅读正文；要发送带附件的中文邮件又想绕开交互式编辑器的兼容问题；以及在工作邮箱与个人邮箱并存的多账号环境下，明确指定某个账号执行列表、阅读或发送。 大家常问 在终端里用 Himalaya CLI 收发邮件，需要哪些基础协议配置？只讲 Himalaya 邮件管理 CLI 的操作原理（IMAP/SMTP 配置、folder、message id、attachment、模板、过滤），不要提及任何其他邮件客户端、GUI 邮箱软件或邮件服务商。 Himalaya 采用双后端架构：IMAP 负责收信（默认 993，TLS），SMTP 负责发信（默认 587，STARTTLS）。两者各自在 config.toml 里以 host、port、encryption 类型和认证方式（password 或 oauth2）单独声明，密码可用 raw、外部 cmd 或 keyring 三种方式提供，配置就绪后命令才能正常连通。 在命令行邮件客户端里，为什么直接发的中文邮件容易出现乱码？ 核心是编码链路对不齐：MIME 编译时若未声明 charset=UTF-8、Subject 等头部没按 RFC 2047 编码、终端或编辑器保存编码与 Himalaya 默认期待不一致、SMTP 服务器不支持 8BITMIME/SMTPUTF8 扩展，任一环节失配，接收方都会把 UTF-8 字节按错码表解读，出现「测试」之类的乱码。 命令行邮件管理里 folder、message id、flag 这些概念分别是什么？ folder 是 IMAP 服务器端的邮箱目录（INBOX、Sent、Drafts 等），所有操作都在当前 folder 上下文内执行；message id 是 Himalaya 在该 folder 输出列表里临时分配的序号，删除或换文件夹后会变；flag 则是存在服务器上的状态标志（seen、answered、flagged、deleted 等），由 IMAP STORE 命令更新，跨客户端同步。 在多账号的命令行邮件管理里，account 这个概念是在哪一层生效的？ account 是 config.toml 里 [accounts.] 段落，把身份、IMAP、SMTP、folder 别名、下载目录绑成一个完整命名空间。--account 选哪个就加载哪段配置、起独立的 TLS 连接，folder 列表、message id、附件路径、发件 From 与签名都隔离，跨账号不互通也无法跨账号搜索。 想用上这个技能？ 「喜马拉雅内容助手」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。
库存需求怎么预测？算安全库存和再订货点定补货基线
「库存需求预测」是「龙虾部署大师」技能市场中的补货测算技能：它根据历史销售、季节性、供应商交期和安全库存要求计算补货基线，输出平均日需求、安全库存、再订货点、ABC 分级、新品估算和过量/缺货成本判断，让采购计划更贴近真实需求，减少断货、积压与资金占压。 技能效果 对三个季节性SKU做补货测算时，它按十二个月销量算出各自的安全库存和再订货点，还点出季节品安全库存为何远高于稳定品。 补货靠拍脑袋，要么断货要么压仓 多 SKU、跨平台经营时，补货很难凭感觉做准：核心 SKU 时而断货、时而积压；节假日和促销季的备货量不知道该放大多少；供应商交期忽长忽短，没纳入计划就容易算空；新品没有历史销量，第一批备多少全靠猜。结果不是断货丢单，就是库存压住现金。 这个技能能帮你算什么 它把补货从拍脑袋变成有依据的测算。它先清洗销售历史，剔除退款、促销和异常峰值的干扰；再算出平均日需求、安全库存和每个 SKU 的再订货点；并用季节指数和 ABC 分类制定不同的复盘频率；对没有历史的新品，用相似产品的代理数据和缺货/持有成本来估算第一批备货。它兼顾异常促销、退货、实际交期和服务水平，让数字更接近真实需求。 历史销量+交期剔除异常/促销 需求测算日需求+季节指数 补货基线安全库存 / 再订货点ABC 分级 / 新品估算 它还用 ABC 分级区别对待——把有限的关注度投到最该盯的那批 SKU 上： A 类 · 少数高贡献，盯最紧、勤复盘 B 类 · 中等，常规复盘 C 类 · 长尾，低频管理 用前须知 该技能无需 API Key 或特定运行时，依赖你提供的销售历史、库存、交期和成本数据。若结合 Shopify、WooCommerce 或 BigCommerce，仅需对应后台权限即可取数。 怎么用它 用法是把要测算的 SKU 和已知条件用自然语言交给它即可。例如可以这样对它说： 可以这样对它说 "根据过去十二个月销量，算这几个 SKU 的补货点和安全库存量。" "Q4 旺季前重新预测库存，供应商提前期也算进去，重点款别断货。" "这个新品没历史销量，用相似款估第一批备货量，上市先保守点。" 它适合这些场景：核心 SKU 经常断货或积压、要重新校准补货阈值；节假日、返校季或促销周期前预测季节性备货量；供应商交期波动大、要把真实到货周期纳入采购计划；新品缺历史销量、要用相似产品和小批量测试估算库存。 大家常问 安全库存和再订货点是什么关系，两者有什么区别？ 安全库存是为应对需求和供货波动而多备的缓冲存量，是一个"数量"；再订货点是触发补货的库存阈值，是一个"信号灯"。关系是 ROP＝前置期需求＋安全库存，即安全库存是再订货点的组成部分。一个负责兜底、一个决定何时下单，互不替代。 为什么算补货量时一定要把供应商交期算进去，不算会怎样？ 交期是下单到到库的时间，不算进去等于假设"下单就到货"。库存看着高于安全库存就不补，可货会在新货到达前卖完，形成断货空白期，导致销售损失、被迫加急运输、平台排名下滑。正确做法是按"日均销量×交期天数＋安全库存"设触发点，交期越长越不稳，安全库存要设得越高。 做销量预测前，为什么要先把促销爆单和退货这些数据剔除掉？ 预测要找的是商品自然状态下的稳定需求，促销爆单和退货都是噪声。促销销量可达日常的数倍，留着会让模型把一次性脉冲当成周期规律、严重高估基线；退货是反向流量且有滞后，会破坏序列的自相关结构。应先剔除得净需求做基线预测，再单独叠加促销增量模型。 全新的产品没有历史销量，备货量是怎么估出来的？ 没有历史数据就用替代数据反推：取同价格带竞品的日均销中位数、核心词搜索量×预估转化率、广告预算推算，三者取较小值再乘新品折损系数（约 0.5），得预估日销。首批量＝预估日销×试销周期＋安全库存，再用可用资金做上限约束。原则是宁可少备分批补，断货可补、滞销难救。 想用上这个技能？ 「库存需求预测」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 查股票行情数据
「行情数据查询」是「龙虾部署大师」技能市场中的金融数据检索技能：它基于东方财富权威数据库，用自然语言查询行情、估值、资金流向、财务指标、企业信息、股东高管和关联关系等数据，并把结果整理成多 sheet Excel、文字说明和原始 JSON。 技能效果 查腾讯控股行情时，它返回最新价、当日涨跌幅和近五个交易日收盘价，还逐日标出放量与异常波动。 查一组金融数据，为什么总是绕远路 要查某只股票的最新价、市盈率、主力资金，或某家公司的财务和股东结构，传统做法是在不同页面之间来回切换、手动复制再拼到表格里；指标口径、单位、时间范围每次都要重新对齐，数据多了还容易漏抄错抄。更麻烦的是直接问大模型——它的记忆可能停留在旧数据，时效性金融问题答得并不可靠。「行情数据查询」要解决的，是让查询走权威数据库、用自然语言一次问清，并把结果落成可直接分析的结构化文件。 自然语言提问 → 权威数据 → 结构化输出 自然语言问句证券/指标/时间 东方财富官方 API权威数据库 多 sheet Excel结果说明原始 JSON 这个技能能帮你查到什么 它覆盖的范围比单纯的价格查询更广。行情维度，可按自然语言查股票、指数、基金、债券和板块行情；公司维度，可获取上市与非上市公司的财务、融资和经营信息；关系维度，能解析证券主体、指标元信息以及企业、股东、高管、证券之间的关联关系。每次查询会同时产出三种产物：多 sheet Excel、多表说明文本和 API 原始 JSON，三者分别对应直接分析、快速阅读和留档复核。 行情价/估值/资金 公司财务/经营 关系股东/高管 用前须知 该技能需要 Python 和环境变量 MX_APIKEY；查询文本会发送至东方财富官方 API 域名 mkapi2.dfcfs.com，默认输出到本地工作区目录。技能内部会提醒避免超大范围查询，以减少模型上下文膨胀、提升数据时效性。它提供的是数据检索与整理，不构成投资建议，也不承诺数据的完整或准确无误，重要决策请以官方原始数据为准。 怎么用它 用法是把要查的证券、指标和时间范围用自然语言说清楚，不必关心调用哪个接口、字段叫什么。例如可以这样对它说： 可以这样对它说 "查腾讯控股最新价、涨跌幅和最近五个交易日收盘价，一起看清楚，异常的标出来。" "东方财富这只股票当前的市盈率、主力资金和换手率是多少，按最新数据来。" "把贵州茅台近一周的成交量、收盘价整理成表格，并保留单位，把样本标明。" 它适合这些场景：查询某只股票的最新价、近几日收盘价或市盈率等指标；分析上市公司的财务、主营业务、股东结构或高管信息；研究企业、股东、高管和证券之间的关联关系；以及在金融问题需要及时数据支撑、不想依赖模型记忆或旧数据时。适用于投资研究、金融数据分析、财务顾问、量化研究和需要快速获取结构化数据的业务人员。 大家常问 股票行情里的前复权、后复权和不复权有什么区别？ 不复权保留每天真实成交价，除权除息日会留下跳空缺口；前复权以最新价为基准把历史价往下调，走势连续、适合看技术形态，但每次新除权都要重算；后复权以早期价为基准把后续价往上调，能反映长期累计涨幅。没有哪个最准，按分析目的选。 Level2 行情和 Level1 行情的区别是什么？ Level1 是聚合后的基础行情，一般五档盘口、只显示各价位委托总量，按固定间隔（约 3 至 6 秒）推送快照，没有逐笔成交。Level2 数据更细，通常十档及以上，能看到逐笔成交的时间、价格、方向，更新接近毫秒级，数据量也远大于 Level1。 行情数据为什么会有延时 15 分钟，实时行情和延时行情有什么不同？ 15 分钟延时是数据授权制度安排，不是技术瓶颈：实时行情多为付费授权，延时行情作为公共信息免费开放。实时行情用连续流水逐笔推送、延迟在毫秒到秒级；延时行情按快照延后推送。两者频率可以相同，区别只在延迟窗口；历史行情则是静态的日/分钟线数据。 股票行情里的成交量和成交额有什么区别？ 成交量看成交的股数（单位是手，多按单边计），反映交投活跃度；成交额看成交的金额（成交价乘以股数，单位是元），同时反映价格和资金规模。关系是成交额约等于成交量乘以区间加权均价。两者来自同一撮合系统、同样口径，只是数量与金额两个维度。 想用上这个技能？ 「行情数据查询」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。
提示