IMA 知识库怎么上传文件不乱码
「IMA 知识管理」是「龙虾部署大师」技能市场中的资料存取技能：它通过 IMA 官方 OpenAPI 统一处理笔记和知识库两类操作，按用户意图路由到 notes 或 knowledge-base 模块，完成搜索笔记、浏览笔记本、获取与创建笔记、追加内容、上传文件、添加网页链接、搜索知识库、浏览条目和获取知识库信息等任务，并特别强调凭证预检、官方域名调用、笔记写入 UTF-8 校验、文件上传原样保留以及 PowerShell 5.1 的字节编码处理。 技能效果 整理三条会议笔记时，它按主题归类、打上标签、建立关联图谱，整理成可检索的知识体系。 资料越攒越多，存取却越来越乱 当个人资料、团队知识库、笔记和网页收藏都堆在 IMA 里，日常存取容易出几类问题：分不清这是该写成新笔记、追加到已有笔记，还是上传到知识库；想找一份旧会议记录，却记不清存在哪个笔记本里；上传 PDF、Excel 时怕被重新转码、改了内容；而在 Windows 上调接口写中文，还常常碰到编码处理不当导致的乱码。这些都是手动操作 API 时反复踩的细节坑。 用户意图 笔记 notes 搜索 / 创建 / 追加 浏览笔记本 知识库 KB 搜索 / 浏览条目 上传文件 / 加链接 这个技能怎么打理 IMA 的笔记与知识库 它是一个统一的 IMA OpenAPI 技能，先根据你的意图判断这是笔记内容操作还是知识库条目操作，再路由到对应模块执行。笔记侧支持搜索笔记、浏览笔记本、获取正文、创建新笔记和向已有笔记追加内容；知识库侧支持上传 PDF、图片、Excel 等文件、添加网页链接、搜索知识库、浏览条目和获取知识库信息。它把这些操作都收敛到官方域名调用，并把容易出错的工程细节内置：写入笔记前强制 UTF-8 编码校验、文件上传保持原样不重新转码、专门处理 PowerShell 5.1 的请求体字节编码问题。 内置可靠性保障 凭证预检 官方域名调用 UTF-8 校验 中文不乱码 上传原样保留 不重新转码 它的价值在于把"存对地方、找得回来、不乱码、不改原文"这些资料管理的基本要求工程化，让 IMA 的笔记与知识库存取变成稳定可靠的自动化动作。 用前须知 该技能需要在 ima.qq.com 获取 Client ID 和 API Key，并配置环境变量或 ~/.config/ima。调用依赖 curl，需要转码时可用 Python、Node 或 iconv 配合。 怎么用它 用法是把你要对 IMA 资料做的事用自然语言交给它。例如可以这样对它说： 可以这样对它说 "把这份 PDF 原样上传到 IMA 知识库，不改内容，也不要重新转码。" "在 IMA 知识库里搜新品定价会议，找到相关笔记并打开正文看，按人归类。" "新建一篇 IMA 笔记，记录今天客户访谈要点并按对象分好段，链接别漏掉。" 它适合这些场景：想把内容保存为新笔记或追加到已有笔记中；需要上传 PDF、图片、Excel 或网页链接到指定知识库；从知识库搜到资料后再把摘要写进某篇笔记；以及在 Windows PowerShell 环境调用 IMA API、需要避免中文乱码。 大家常问 在 IMA 里，笔记和知识库分别用来存什么，有什么区别？ 笔记是个人写作空间，靠 import_doc 写、append_doc 追加文本；知识库是资料仓库，存 PDF、网页和笔记引用，按文件夹归档、按全文检索。简单说，笔记是写出来的，知识库是存进去的。 为什么往 IMA 知识库上传文件前要做凭证预检？ 上传走 IMA OpenAPI 鉴权，预检在本地先确认 Client ID 和 API Key 有效，避免文件发出去半天才报错。属于轻量级快速失败，缺凭证立刻报错，不会留下空索引和无解释响应。 为什么把 PDF 上传到 IMA 知识库时要保持原样、不重新转码？ IMA 服务端自己解析原始 PDF 的文本层、目录和分页，建全文/语义/结构三层索引。提前转 txt 再传，目录层级、排版和页码定位都会丢，笔记摘录跳不回原文，跨文档关联也会断。 为什么用 OpenAPI 往 IMA 笔记写中文前要做 UTF-8 编码校验？ IMA 服务端按 UTF-8 解析 JSON Body，PowerShell 5.1 等环境容易把中文以 GBK 字节发出去，落库就成乱码。发送前显式校验 UTF-8 合法性，能避免笔记无法被分词索引、关联标题失配。 想用上这个技能？ 「IMA 知识管理」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。
亚马逊FBA库存怎么优化？算补货点控IPI评分和库龄费
「亚马逊 FBA 库存优化」是「龙虾部署大师」技能市场中的库存运营技能：它解释 IPI 评分、容量限制等机制，提供日销售速度、安全库存、再订货点和补货数量的计算方法，覆盖月度仓储费、库龄附加费等成本管理与旺季库存规划，输出库存健康诊断、补货建议和费用控制动作清单。 技能效果 给定日均销量和47天备货周期，它算出补货点1220件、建议每次补1200件、安全库存280件，还排出约六十天一轮的补货节奏验证不会断货。 FBA 库存，卡在断货和压仓之间 FBA 库存管理是个两难：补少了，畅销 ASIN 一断货就丢排名、丢销售；补多了，月度仓储费、库龄附加费一点点吞掉利润，IPI 评分还可能因此走低、触发容量限制。多数卖家靠经验拍脑袋定补货量，既算不准安全库存，也说不清某批货库龄到了该促销还是清仓。 这个技能能帮你算清什么 它把 FBA 库存健康拆成可计算、可决策的几块。诊断层面，它分析 IPI 评分、容量限制和影响库存绩效的因素；补货层面，它结合日销售速度、交期、在途库存算出安全库存、再订货点和补货数量；成本层面，它用 90/120/150/180 天的库龄处置协议控制长期仓储费和库龄附加费；旺季层面，它帮你为 Prime Day、返校季、黑五网一和假日季规划库存目标。 补货量 = 综合这几项算出来 日销速度 + 交期 + 安全库存 + 在途 再订货点 对库龄逼近阈值的库存，它会按处置协议给出促销、清仓还是移除的建议，避免长期仓储费越积越多： 90 天关注 120 天促销 150 天清仓 180 天移除 用前须知 该技能无需 API Key 或脚本依赖，但计算依赖你提供的真实数据：卖家中心库存、销量、在途库存、生产与运输交期、各项费用和库龄信息。数据越准，补货与处置建议越贴合实际。 怎么用它 用法是把库存现状和要解决的问题用自然语言交给它。例如可以这样对它说： 可以这样对它说 "按近三十天销量算这批 FBA 什么时候补货才不断货，并留安全库存。" "IPI 跌到三百八，看看哪些过剩库存最拖分，先处理库龄。" "黑五前这个 ASIN 该备多少天库存，别压太多仓储费，也别断货。" 它适合这些场景：IPI 低于阈值或容量受限时找改善优先级；畅销 ASIN 面临断货、要结合在途算补货量；库龄接近 150 天、要决定促销清仓还是移除；旺季前准备入仓计划、预留生产运输和 FBA 收货时间。 大家常问 亚马逊的 IPI 分数是怎么构成的，为什么它会直接影响 FBA 的库容限制？ IPI（0—1000 分）主要由四个维度加权：冗余库存占比（权重最高）、库存覆盖周数、滞留无法销售库存占比、FBA 售罄率。它本质是仓储资源分配的风控模型——亚马逊把货架空间当成投给卖家的"资本"，IPI 衡量你能否把仓储高效转化为销量。低于阈值（常为 400）就会触发仓储容量上限、按 ASIN 的补货限制和超容费，把空间释放给周转更快的卖家。 FBA 补货时，安全库存和再订货点是什么，为什么不能只按销量平均值备货？ 安全库存是应对不确定性的缓冲，约等于（最大日销量−平均日销量）×交期；再订货点是库存降到该值就必须立刻下单，约等于平均日销量×交期+安全库存。只按平均值备货等于赌博：销量有峰谷、补货交期长又不稳（工厂排期、船期、入仓上架都会延误），而断货成本远高于库存成本——排名断崖下跌、Buy Box 被抢、广告权重和 IPI 都受损。 FBA 的月度仓储费和库龄附加费有什么区别，库存放多久会被额外收费？ 月度仓储费是基础费用，按日均体积计，从入仓第一天就收，旺季（10—12 月）费率是淡季的 2—3 倍，无法避免。库龄附加费是超期存放的惩罚费（旧称长期仓储费），存放约 271 天（9 个月）以内只收月度仓储费、不收库龄费，超过 271 天起按时长阶梯加收，超过一年大幅上涨。可避免，建议超 180 天就降价清仓或创建移除订单。 黑五旺季前 FBA 该备多少天的库存，备多和备少各有什么风险？ 一般建议备 60—90 天，覆盖黑五→网一→圣诞→1 月补货空窗（工厂货代放假、入仓变慢）。备少了断货损失惨重：旺季流量最高时没货、Listing 权重和排名暴跌、广告空烧、跟卖趁虚抢购物车。备多了则压资金、扛旺季 2—3 倍的仓储费、IPI 下滑甚至触发长期仓储费。核心是用历史销量配合安全库存测算，宁可多备 15% 也别少备 15%，而不是拍脑袋乘 5 倍。 想用上这个技能？ 「亚马逊 FBA 库存优化」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。
PPT 怎么按风格批量生成？多种风格逐页出图并合成成品
「PPT 生成大师」是「龙虾部署大师」技能市场中的演示文稿生成技能：它提供白板、光辉、黑胶、黑板报、医疗、年度总结、开学第一课等十四种视觉风格，先确认风格、把文案整理成逐页确认表，确认后逐页生成 16:9 页面图，再合成为视觉统一的 PPTX，适合把文本内容快速转成成套的视觉化演示。 技能效果 做黑板报风「开学第一课」PPT时，它先按页排好封面和各内容页结构，确认后再合成。 做一套风格统一的 PPT，难在哪 把内容做成演示文稿，最耗时的往往不是写字，而是排版和统一视觉。常见状况有三种：一是手工逐页找模板、配图、调样式，几十页下来风格容易飘；二是希望换一种整体视觉风格（比如黑板报、医疗科普、商务总结），但缺少成套的设计参考，只能一页页拼；三是页数一多，生成或调整中途容易乱、也不好预览确认。结果是内容明明就绪，成片却迟迟出不来。 手工拼页：风格各异 ? 配色、版式、字体不统一 页数一多更难收口 这个技能能帮你做什么 它把"挑风格—排页—生成—合成"做成一条可确认的流水线。风格上，它提供白板、光辉、黑胶、画架、立体、黑板报、旧画报、毛毡、拟物毛玻璃、医疗、年度总结、开学第一课、林地和湿壁画共十四种视觉风格，并为每种风格匹配封面、内容和尾页的参考图；整理上，它会先把你的文案整理成包含页码、页面类型、参考图和内容摘要的确认表，让你先看清结构；生成上，确认后它逐页调用图像生成脚本，按风格提示词产出 16:9 页面图；合成上，再把确认后的页面图片合成为 PPTX。它保留页数控制和分批生成提示，长内容也能稳住。 确认风格 逐页确认表页码/类型/摘要 逐页生成图16:9 页面 合成 PPTX 用前须知 该技能需要 Python，并会检查 openai、Pillow、python-pptx。其中页面图像生成通常需要已配置可用的 OpenAI 或兼容图像 API Key。 怎么用它 用法是把文案、想要的风格用自然语言交给它，先确认结构再合成。例如可以这样对它说： 可以这样对它说 "用黑板报风做开学第一课 PPT，先分好页，确认后再合成文件。" "这份年终总结文案做成蓝金商务风 PPT，数据页要清楚，图表别挤。" "把这份医疗科普内容做成 16:9 页面，先确认风格和页数。" 它适合这些场景：手里有课程、汇报或活动文案、需要快速转成视觉统一的 PPT；年度总结、医疗科普、校园课程等主题、需要匹配更行业化的风格；希望先预览每页图片效果、再确认是否合成最终文稿；超过二十页的长内容、需要分批生成以降低中断和预览压力。它适合培训师、教师、市场运营、咨询顾问、活动策划和企业汇报人员。 大家常问 什么是PPT的信息层级？为什么一页字太多听众抓不住重点？ 信息层级是用字号、颜色、位置和留白对一页内容做"重要性排序"，引导视线先看什么再看什么。一页字太多时，视觉和听觉同时挤占工作记忆，认知负载过载，所有文字又都同权重平铺，大脑找不到主次，结果听完什么也没记住。 为什么一套PPT几十页做下来配色和版式容易飘？从母版和版式的设计原理上看，是哪一步没做好？ 配色和版式漂移的本质是把"手动调整"当成了"设计规范"。母版应在抽象层一次定义配色和共享元素，版式应在结构层定义内容容器，页面只在版式里填内容。若跳过母版直接在页面里取色、挪标题、加色块，每一次微调累积起来就成了肉眼可见的飘。 演示文稿的封面页、内容页和尾页在叙事上分别承担什么作用？ 封面页负责设定预期、建立信任、定下情绪基调，让观众三秒判断这是什么、为什么要听；内容页推进论证、控制节奏与信息密度，每页只承载一个观点；尾页提供闭合感、明确下一步行动、利用近因效应强化记忆，"谢谢聆听"只完成礼貌，未完成叙事收束。 一份PPT页数多和单页信息密度高，对听众理解的负担有什么区别？哪种更影响信息接收？ 页数多伤害的是叙事的可追溯性，听众记不住整体故事地图，但讲师可用语速和停顿抵消；单页密度高伤害的是单点理解的速度，信息超出视觉带宽就直接过载，且这种失败更隐蔽。多数场景下，密度高比页数多更伤信息接收。 想用上这个技能？ 「PPT 生成大师」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。
E2E测试怎么做才稳定不掉链子
「Web 应用测试」是「龙虾部署大师」技能市场中的本地前端验证技能：作用是用 Python Playwright 检查本地 Web 应用——先区分静态 HTML 还是动态应用，按需启动开发服务并等待网络空闲，再截图、检查 DOM、查看控制台日志、执行点击与输入操作，最后给出测试脚本、截图、日志或验证结论，帮你定位前端功能、UI 状态和浏览器行为问题。 技能效果 让它测试 Web 登录页时，它写出完整 Playwright 脚本：打开页面、填表单、点登录、断言成功，还监听了控制台日志与未捕获报错并截屏。 前端改完，怎么确认它真的还能用 前端改一处，影响往往不止一处：页面能不能正常加载、关键按钮点下去有没有反应、表单提交流程是否还通、控制台有没有悄悄报错、弹窗会不会遮住该填的输入框——这些"看起来对不对"的问题，光看代码 diff 判断不了，得真的在浏览器里跑一遍。而手动开浏览器、点一遍、截个图、翻控制台，既慢又容易漏，改动一多就懒得每次都验，回归问题就这么溜进去了。 侦察后再行动的顺序 启动服务with_server.py 等网络空闲networkidle 侦察 DOM截图/日志 行动：点击 / 输入 / 断言基于侦察结果，不盲点 这个技能能帮你验什么 它用 Python Playwright 把"在浏览器里跑一遍"变成可重复的脚本流程。第一步是区分页面类型：静态 HTML 直接读取文件、识别选择器；动态应用则要先启动服务、等渲染完成再侦察。服务管理上，它用 with_server.py 管理单个或多个本地服务的生命周期，避免手动起停。检查能力上，它会等 networkidle（网络空闲）后再检查 DOM、截图、查看按钮和输入控件、读取控制台日志。操作能力上，它编写同步 Playwright 脚本执行点击、输入和断言。它强调一个固定顺序：先启动、等空闲、侦察清楚，再动手操作，而不是页面还没好就盲点。 两条测试路径 静态 HTML 直接读文件 · 识别选择器 执行简单自动化检查 动态应用 启动服务 · 等渲染 截图 / DOM / 控制台 "先侦察后行动"这条顺序是这套测试可靠的核心：页面没渲染完就去点按钮、查元素，得到的结论是假的；等到网络空闲、DOM 稳定再操作，截图和断言才反映真实状态。 用前须知 该技能需要 Python 与 Playwright 运行环境。如果应用还没启动，应先查看 scripts/with_server.py --help，用该脚本管理本地服务。它不需要业务 API Key，但被测项目的依赖需要已经安装好，开发服务能正常起来。 怎么用它 用法是把本地页面地址或服务、要验证的行为，以及必要的启动命令用自然语言交给它，由它按顺序起服务、侦察、操作并给出结论。例如可以这样对它说： 可以这样对它说 "跑一下本地 5173 页面，点登录按钮看控制台有没有报错，并截屏。" "用 Playwright 截一张首页全屏图，确认弹窗没有遮住表单。" "前端已启动，检查购物车加减数量和结算按钮状态，顺手看错误日志。" 它适合这些场景：前端改动后要验证页面能否正常加载并完成关键交互；动态应用渲染异常，需要截图、DOM 和控制台日志辅助定位；本地项目需要先启动开发服务器再自动执行浏览器测试；静态 HTML 工具需要直接读取选择器并做简单自动化检查。适合前端工程师、全栈开发者、QA 测试人员，以及要验证本地 Web 应用功能、视觉状态或交互流程的产品技术团队。 大家常问 端到端（E2E）测试到底是什么意思？为什么前端改完光看代码 diff 判断不了页面还正不正常？ E2E 测试是在真实浏览器里按用户视角跑完整流程（登录、点击、提交）并断言结果。代码 diff 只能看出"代码改成了什么样"，看不到样式渲染、异步数据时序、DOM 就绪、网络响应这些真正决定页面是否正常的维度，所以要在浏览器里真跑一遍。 单元测试和端到端（E2E）测试有什么区别？分别适合在什么场景用？ 单元测试在无浏览器环境验证单个函数或组件的逻辑，毫秒级、数量最多，适合细粒度逻辑与边界条件；E2E 在真实浏览器跑完整用户路径，慢但最接近生产，数量最少，只覆盖关键业务流。原则是别用 E2E 替代单元测试。 为什么自动化测试会时而通过、时而失败（flaky）？这种不稳定的根因通常是什么？ flaky 多发在 E2E 层，根因是引入了太多不可控时序：异步渲染竞态（元素还没出现就去操作）、测试间状态污染（Cookie/缓存残留）、动画导致点击落空、波动的网络与接口、易变的选择器。越靠测试金字塔顶端，不稳定概率越高。 做网页自动化测试时，为什么要先等页面加载完、网络空闲再去检查元素和断言？ 现代页面的 DOM 是异步填充的：路由切换先出骨架屏，再靠请求拉真实数据。不等网络空闲就定位元素、点按钮，等于在一个不可预测的 DOM 快照上做决策，结果无法复现，断言时对时错。等渲染稳定再侦察，截图和断言才反映真实状态。 想用上这个技能？ 「Web 应用测试」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。
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。
提示