电商商品主图怎么生成？提炼卖点出3到5版差异化主图
「商品主图生成」是「龙虾部署大师」技能市场中的主图视觉规划技能：它面向天猫、淘宝、京东、抖音等平台，围绕商品解读、卖点提炼、本土审美和广告法合规，支持有原图优化和无原图创意生成两种模式，按功能、场景、价值对比、情感、信任背书五个方向输出 3 到 5 张差异化主图，并配套投放建议和 A/B 测试方案。 技能效果 给一款温显保温杯做主图时，它规划了温显屏特写、早晚续航、左右对比三版方案，每版配上四五字极简文案和构图要点，整理成一张可直接出图的脚本表。 主图决定首屏点击，却最难一次做对 电商首屏，主图几乎决定了用户点不点进来。可主图又最难做对：卖点没提炼清楚，图就平淡无力；构图和视觉重心没章法，点击率上不去；想做多版本测试又缺方向；更别提国内平台的广告法合规，一句夸大文案就可能踩线。 这个技能能帮你产出什么 它把主图从"凭感觉做图"变成有策略的视觉规划。它先解析商品信息、差异化卖点、目标人群和竞品主图规律；再制定配色、构图、视觉重心和多版本主图的策略矩阵；然后按五维 Prompt 矩阵生成或优化 1:1 的电商主图；并在其中嵌入广告法合规审查，输出投放建议和 A/B 测试方案。它支持有原图优化和无原图创意生成两种模式，文案强调真实、不夸大。 五维主图 功能导向 场景体验 价值对比 情感触发 信任背书 不管手上有没有现成产品图，它都有对应的模式： 有原图 · 优化提质感、强卖点、做多版本 无原图 · 创意生成按卖点生成方案 用前须知 图像生成需要 Python、openai、Pillow，并通常需要可用的图像生成 API Key；生成前应准备商品信息、原图或链接，并执行广告法合规校验。主图文案强调真实，不做夸大表述。 怎么用它 用法是把商品和你想强化的卖点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 "这张保温杯原图做三版主图，突出温显和保温时长，文案别夸大。" "没有产品图，按高山绿茶卖点生成淘宝主图方案，要清新真实。" "抖音小店这款耳机主图太平，输出三版爆款视觉并做合规检查。" 它适合这些场景：新品上架前快速梳理核心卖点、生成多套主图方向；现有商品图点击率低、要优化构图质感和卖点呈现；618、双十一、春节等节点需要符合本土审美的节日主图；高客单价或强竞争品类需要功能、场景、背书版本做测试。 大家常问 同一个商品为什么要做功能、场景、对比这好几个版本的主图？ 因为不同买家关心的点不同，一张图打动不了所有人。功能版突出参数材质，回答"这是什么"，吸引理性决策者；场景版展示实际使用画面，回答"我需不需要"，激发感性购买欲；对比版呈现与竞品或使用前后的差异，回答"凭什么买你"，说服犹豫型买家。三版组合本质是分人群运营，能覆盖更广人群、提升点击与转化。 商品主图点击率低，通常是哪些原因造成的？ 常见于几个层面：视觉上主体占比过小（理想 60%–70%）、背景杂乱、与竞品雷同不够"跳"、缩略图下辨识度差；信息上卖点不清、1–2 秒看不懂为什么买、文案空洞；策略上风格与目标人群审美错位、未针对平台特性差异化、没做 A/B 测试。可把主图缩到 100px 看是否还认得出、和竞品并排对比来自查。 电商主图里哪些词和表述会踩广告法红线，为什么不能用？ 主要五类：绝对化用语（最好、第一、100%、全网最低），因无比较标准易误导；功效医疗用语（治疗、祛痘、防脱），普通商品不得宣称疗效；虚假促销（假原价、假限时限量）；未标专利号的"专利"和无出处的销量好评率数据；以及点名或影射贬低竞品。这些均违反《广告法》相关条款，应改为可证明的客观描述。 没有产品实拍图，只靠卖点描述生成的主图能用吗，要注意什么？ 能用，但有边界：适合新品测款、概念非标品和氛围副图；高客单价、功能型、看材质颜色的品类（电子、美妆、面料）和品牌旗舰店风险高、易被驳回或增退货。注意点：文案仍受广告法约束、规避"一眼 AI"破绽（手指变形、文字乱码、光影不一）、把卖点视觉化而非堆字、保持店铺风格一致、并标注"效果示意、以实物为准"，有实拍后及时替换。 想用上这个技能？ 「商品主图生成」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。
爆款标题怎么生成？按平台套标题公式填充数字悬念钩子
「爆款标题生成」是「龙虾部署大师」技能市场中的内容标题技能：给定主题、平台和关键词，它先按各平台的标题规律返回公式框架，再由模型结合主题与关键词填充成可直接用的中文标题，覆盖小红书、公众号、抖音、知乎、B 站和微博，并控制字数、规避常见敏感词，帮创作者批量测试不同钩子角度。 技能效果 给一篇小红书减脂帖起标题时，它写出十个角度各异的标题，既避开了医疗承诺和绝对化用词，也没有落进套路化的模板腔。 同一个选题，为什么标题总差一口气 标题决定一条内容有没有人点开，问题在于每个平台的"好标题"规则并不一样：小红书要短、要有身份代入；公众号偏完整句、要留悬念；抖音和知乎的语气又各不相同。一个人围绕同一个主题想标题，往往写到第三四个就开始重复钩子、句式趋同，跨平台时还要逐个迁就字数和调性。结果就是花了时间，候选标题却既不够多样、点击率也没把握。 同一主题 · 手写标题 标题 1 · 句式雷同 标题 2 · 钩子重复 标题 3 · 超出平台字数 标题 4 · 不确定能不能过审 … 这个技能能帮你拿到什么 它把"想标题"拆成两步：先按指定平台调出对应的标题公式框架，再让模型结合主题和关键词把框架填充成完整、贴合内容的标题，而不是只丢给你一堆空模板。一次调用会做四件事：从主题里提取三到五个关键词；按平台的字数与风格生成标题；支持小红书、公众号、抖音、知乎、B 站、微博分组输出；并在数字、反差、悬念、警告、情绪共鸣等多种角度间切换，方便你横向比较哪种钩子更合适。 主题 + 平台 + 关键词 公式框架 + 语义填充 小红书 / 公众号 抖音 / 知乎 B 站 / 微博 分组标题 可直接用 它不只生成新标题，也能为已有标题给出改写方向：当一条标题点击率偏低时，可以让它换成更有悬念或利益点的版本，同时守住平台字数和安全表达。 用前须知 该技能通过 Python 运行内置脚本生成标题，无需 API Key。调用前请提供内容主题、目标平台和关键词；标题的最终好坏与所用 AI 模型的语言能力有关。 怎么用它 用法是用自然语言把选题、平台和约束说清楚，不用记参数也不用手填模板。例如可以这样对它说： 可以这样对它说 "给这篇小红书减脂经验起十个标题，别碰医疗承诺和绝对化词，标题别像模板。" "公众号文章讲普通人副业，标题要有悬念但别夸张，控制在三十字以内。" "同一个选题拆成抖音和知乎标题，各自贴平台语气，每个平台五个。" 它适合这些场景：自媒体创作者要为同一主题批量产出不同平台的标题；已有标题点击率偏低，想改成更有悬念或利益点的版本；运营团队需要横向比较小红书、公众号和短视频的标题表达差异；内容涉及医疗、金钱等敏感方向时，需要改写成更安全的平台说法。 大家常问 带悬念的标题和"标题党"到底怎么区分？哪些写法会被算作标题党？ 分界线不在用没用悬念，而在正文有没有兑现承诺。悬念标题是"留白"——省略的是非核心细节，正文会把暗示完整接住；标题党是"欺骗"——扭曲或省略的是核心事实，正文要么打折、要么逃避。常见标题党句式有事实扭曲（"震惊！其实是…"）、悬念断层（标题留的坑正文不填）、数字虚假、情绪绑架、虚假打折，本质都是消耗读者信任。 小红书标题里说的"钩子"到底是什么？和正文里的卖点是一回事吗？ 钩子不等于卖点，是两件事。钩子作用在用户阅读正文之前，任务是在信息流里拦截注意力，靠的是好奇心缺口、损失厌恶、自我相关性这类心理刺激，让人产生"必须点开看看"的冲动；卖点作用在阅读正文之中或之后，任务是用信息密度和论证完成价值交付，让人收藏或购买。钩子不够没人点开，卖点不够没人记住，好标题两者都要顾。 为什么同一个选题，小红书的标题钩子和公众号的标题钩子写法不一样？ 核心差异在流量分发机制和阅读场景。小红书是发现式浏览，用户在瀑布流里被动刷新，决策时间只有 0.5–1.5 秒，钩子必须短、强情绪、与封面协同制造惊讶或后悔感；公众号是订阅式阅读，用户主动打开关注列表，决策时间 3–5 秒，钩子可以更长、更理性，靠权威感与认知升级承诺取胜。同一个心理学原理（好奇心缺口、社交货币）在两个平台的表达强度和句式骨架都要重写。 为什么把一个具体数字放进标题里，点击率往往会变化？ 具体数字会触发"精确性启发"——大脑把精确度等同于可靠度，"3个框架"比"几个方法"更让人相信内容有结构。数字还提供阅读成本预期，形成"已完成 X/N"的进度感知，把模糊任务变成可计量任务，点击冲动更强。奇数（3/5/7）显得精炼真实，偶数（6/8/10）显得完整系统，过大的数字反而会触发"是不是注水"的怀疑机制，所以不是越大越好，要按内容深度选区间。 想用上这个技能？ 「爆款标题生成」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。
扫描 PDF 怎么转 Word？离线 OCR 输出可编辑
「PDF OCR 提取」是「龙虾部署大师」技能市场中的文字识别技能：它使用 EasyOCR 把扫描版或图片型 PDF 离线识别成可编辑的 Word 文档，也可输出纯文本；过程中会按页裁切页眉页脚、保留无文本的图像页和封面页，并能对过大的 DOCX 压缩嵌入图片，方便交付。 技能效果 处理中英混排扫描合同时，它讲清了OCR识别、保留图片页、再转成格式完整Word的整个流程。 扫描件里的文字，为什么不好用 纸质资料扫描成 PDF 后，文字其实是"图片"，无法复制、检索或编辑。想把内容整理成 Word，常见三个麻烦：一是手工逐页敲字，量一大就成了重活；二是中英文混排的文件，普通工具识别不全或排版错乱；三是出于保密考虑，合同、档案这类材料不便上传到云端 OCR 服务。结果就是大量内容锁在扫描件里，用不起来。 扫描版 PDF（图片） 不能复制/检索 离线 OCREasyOCR 可编辑 Word 这个技能能帮你做什么 它的核心是把图片型内容还原成可编辑文字，且全程在本地完成。识别上，它对扫描版或图片型 PDF 做离线 OCR；输出上，它生成可编辑的 DOCX，必要时也能输出纯文本结果；版面上，它按页面类型裁切页眉页脚、保留图像页面，对封面页、无文本图页这类识别效果有限的页面会保留原图供人工复核；交付上，当 OCR 后的 Word 文件因嵌入图片过大时，它可以压缩图片降低体积。它支持中英文混排识别。 逐页识别 按页面类型处理裁页眉页脚保留图像页 DOCX/ 纯文本中英文混排 压缩大图交付 用前须知 该技能无需 API Key，完全本地运行。需要安装 PyMuPDF、python-docx、Pillow、EasyOCR、NumPy；首次运行会下载 OCR 模型，之后即可离线使用。运行前需确认 PDF 路径、输出目录和 OCR 语言。 怎么用它 用法是把待识别的 PDF 和对结果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 "这份扫描版合同转成 Word，中文和英文都识别，图片页也保留。" "把这个图片型 PDF 跑 OCR，结果另存为可编辑文档，页码和标题别丢。" "这本英文教材扫描件只识别英文，输出纯文本并保留章节层级。" 它适合这些场景：纸质资料扫描成 PDF 后、需要提取文字整理为 Word；中英文混排文件需要离线识别、避免上传到云端；图片页、封面页或图表页识别效果有限、需要保留原图供人工复核；批量 OCR 后生成的 Word 文件过大、需要压缩图片降低体积。它适合处理扫描合同、教材、档案、论文复印件和图片型 PDF 的行政、法务、教育、研究与档案整理人员。 大家常问 扫描版 PDF 为什么复制不出文字？ 扫描版 PDF 本质是图片集合，每页都是像素位图，计算机只记录颜色不存字符编码，所以无法选中或复制。要拿到可编辑文本，必须用 OCR 把字形重新识别成字符。 双层 PDF 和单层 PDF 怎么区分？ 单层 PDF 只有扫描图像，文字不可选；双层 PDF 在图像层上叠了一层透明文字层，外观一样但可选可搜可复制。最直观的判断是拖选文字，能高亮并复制就是双层。 扫描件 OCR 识别率低，一般是什么原因？ 主要受图像质量影响：分辨率低于 300 DPI 笔画细节丢失，扫描歪斜、噪点、对比度差会让二值化和字符分割出错。字号过小、字符粘连、语言包不匹配也会拉低识别率。 中英文混排扫描件离线 OCR 容易在哪里出错？ 中文靠笔画内部、英文靠外轮廓，同样 DPI 下中文先退化；中英字间距规律不同会让字符分割出现双峰，二值化阈值和语言模型也难同时适配两套字符。 想用上这个技能？ 「PDF OCR 提取」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 写网页版 PPT
「前端演示文稿」是「龙虾部署大师」技能市场中的演示生成技能：作用是产出浏览器可直接运行的单文件 HTML 演示，而非传统 PPTX。它会先识别任务属于新建、PPT 转换还是增强现有 HTML 三种模式，再收集用途、长度和内容准备度，先给风格预览供选择，最后生成内联 CSS/JS、自包含、遵守 100vh 视口适配和无滚动约束的整套演示页面。 技能效果 把一份微服务演进提纲交给它时，它做成了五页的单文件 HTML 演示，支持方向键翻页、底部圆点指示器和移动端滑动。 用 PPT 做技术演示，为什么总不够顺手 传统 PPTX 在技术分享和在线演示场景里有几处天然的别扭。它依赖特定软件打开，跨设备、发链接分享时容易掉版式、丢字体；交互和动效受限，想做点逐步展开或自定义效果就要绕路；内容一多，单页很容易塞得过满，投屏时下半截被裁掉或需要滚动。这些问题都指向同一个根源：演示和浏览器、和"一个链接就能打开"的现代分享方式没有对齐。 传统 PPTX · 依赖软件，分享掉版式 · 交互动效受限 · 内容溢出 / 需滚动 单文件 HTML 演示 · 浏览器打开，链接即分享 · 内联动画，键盘翻页 · 100vh 适配，无滚动 这个技能怎么把内容变成网页演示 它的产出物是一个自包含的单文件 HTML：CSS 和 JS 全部内联，浏览器双击即开，发链接即能在线演示。流程上它先识别三类任务——从零新建演示、把 PPTX 转成 HTML、或增强一份已有的 HTML 演示，再收集用途、长度、内容准备度和是否需要浏览器内编辑。它的特点是不直接闷头生成，而是先给出多种风格预览，让人通过视觉样张挑方向，再按所选风格制作全套页面。每一页都强制遵守 100vh 视口适配、clamp 字号、无滚动、内容密度上限和动画降级，确保投屏时不溢出、不裁切。 新建 PPT 转 HTML 增强现有 HTML 先给风格预览视觉样张选方向 单文件 HTML 演示 100vh · 无滚动 · 自包含 用前须知 生成 HTML 本身无需 API Key 和构建工具。若要把 PPTX 转成网页演示，需要本机具备 Python 和 python-pptx；生成过程中还会读取 viewport-base.css 等本地模板文件。 怎么用它 用法是把要做的演示类型、长度和内容来源用自然语言说清楚，由它识别模式并先给风格样张。例如可以这样对它说： 可以这样对它说 "把这份技术分享做成单文件 HTML 演示，支持键盘翻页和在线演示。" "现有 HTML 演示太挤了，帮我拆页并保证每页 100vh，不出现滚动条。" "把这个 pptx 转成网页演示，保留图片、顺序和备注，输出单页文件。" 它适合这些场景：制作可通过浏览器打开和在线分享的技术演讲页面；把 PPTX 内容提取后转为更有动效的网页演示；已有 HTML 演示需要补充内容、图像或风格但不能溢出；会议或产品 Demo 需要可编辑、可导航且无构建依赖的演示文件。 大家常问 为什么把演示文稿做成单文件 HTML，而不是用传统 PPT 文件？ 传统 PPTX 本质是压缩包，里面有 XML 布局、二进制图片和字体，依赖专用客户端解析。单文件 HTML 演示是一份自包含的网页，浏览器就是播放器，翻页只是切换 CSS 类名，零依赖、可在线托管、可嵌入网页、可用 Git 做版本对比，方便在线分享技术演讲。 单文件 HTML 演示文稿里所谓 100vh 视口适配是什么意思？ 1vh 是浏览器视口高度的 1%，每一页 slide 设成 height:100vh 就刚好填满一屏。配合 overflow:hidden 取消滚动条、position:absolute 让所有页面叠放在同一位置，再用 transform 控制当前显示哪一页，就实现了"一页一屏"。移动端要注意 100vh 包含地址栏，常用 100dvh 或 JS 修正。 用代码写演示文稿和用图形界面排版演示文稿在做法上有什么本质区别？ 图形界面是画布加绝对坐标，每页一张固定尺寸的板子，元素靠拖拽对齐；前端写法是文档流加 CSS 规则，内容用 Markdown 写、样式用 CSS 变量统一管，动画是状态机式的关键帧。前者所见即所得，后者所写即所得，纯文本可做 Git diff，换主题改一份 CSS 全套幻灯片就跟着变。 HTML 演示文稿里说的 Speaker Notes 是什么，跟主页面什么关系？ Speaker Notes 是给演讲者看的隐藏备注，常存在每页 section 的 data-notes 属性或 HTML 注释里，观众屏看不到。两屏是同源数据的多视图渲染：主屏只渲染 slide 内容，演讲者屏额外渲染当前页备注、下一页预览和计时器，两个窗口通过 BroadcastChannel 或 localStorage 同步页码。 想用上这个技能？ 「前端演示文稿」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。
RAG 检索召回率怎么提升
「RAG 知识检索」是「龙虾部署大师」技能市场中的本地知识库检索技能：作用是把图片、PDF、Word、Markdown、TXT、PPT 等多格式文档解析、切分并建成向量索引，提问时先改写问题，再用向量检索、BM25、LLM 分词、RRF 融合与重排序找出最相关的片段喂给大模型，让回答有据可依，而不是凭原文整篇硬塞。 技能效果 把年假政策和报销流程两份资料建索引后，它按用户问题检索作答：入职两年休五天年假，报销三千需主管加总监二次审批，还标了来源。 为什么把整份文档塞给大模型行不通 直接把整份资料丢给大模型回答问题，会遇到三个工程上的硬约束：一是上下文窗口有限，几十页的合同或一整本教材根本放不进去；二是塞进去的无关内容越多，模型越容易被干扰、答非所问，准确率反而下降；三是用户的提问往往很口语、很模糊，和原文里的措辞对不上，直接拿原话去匹配经常漏掉真正相关的段落。RAG（检索增强生成）就是为了解决这一类问题：先检索出少量真正相关的片段，再让模型基于这些片段作答。 两种喂法的对比 整份原文硬塞 超窗口 · 被无关内容干扰 先检索再作答 只取相关片段 · 有出处 这个技能把 RAG 流程做成了什么 它把"建库"和"检索"两个阶段串成一条完整流程。建库阶段，它解析图片、PDF、Word、Markdown、TXT、PPT 等多种格式（图片走 OCR 后入库），把内容切分并写入 sqlite-vec 向量数据库；这里用的是 smart 模式，会跳过已索引过的重复文件、只追加新文档，或在需要时定向重建索引，避免每次都从头跑一遍。检索阶段，它不会拿用户原话直接去查，而是先把口语化、模糊的问题改写成精准的查询词和子查询，再并行执行向量检索、BM25 关键词检索、LLM 分词，用 RRF 把多路结果融合，最后做一次 LLM 重排序，返回排在最前的相关片段。 阶段 0 · 建库 多格式文档 解析 + 切分图片走 OCR sqlite-vec 索引smart 增量 阶段 1 · 检索 口语问题改写为查询词 向量 + BM25 + 分词RRF 融合 · 重排序 相关片段喂给模型 这套混合检索加重排序的设计，目的是同时兼顾"语义相近"和"关键词命中"两种召回，比单一向量检索更不容易漏；问题改写则解决了"用户说得太口语、和原文对不上"的老问题。 用前须知 该技能依赖 sqlite-vec、requests、python-docx、python-pptx 等运行环境，并从 AI agent 身份文件读取 uid/token；每次开启新会话需先运行 check_env.py 初始化环境。一个重要约束是：回答时只引用检索出来的片段，不绕过检索直接翻整份原文，这样才能保证回答可溯源。 怎么用它 用法是用自然语言把"要建库的资料"或"要回答的问题"交给它，建库与检索的细节由它按流程处理，无需手动跑脚本或调参数。例如可以这样对它说： 可以这样对它说 "把这批 PDF 和 Word 建好索引，之后按用户问题检索相关片段来回答。" "我的问题问得比较口语，先帮我改写成精确检索词，再跑一遍混合检索和重排。" "这些图片资料先 OCR 入库，查询时只看检索到的片段，不要直接翻原文。" 它适合这些场景：用户上传教材、合同、论文或资料包，需要先建立统一的本地知识索引库；围绕已索引资料做问答，且要求答案只引用检索片段而非整份原文；新增或更新文件后，要避免重复索引、保留已有数据库内容；提问较模糊，需要先改写成结构化查询词以提升召回质量。适合做本地资料问答、课程辅助、文档研究和企业知识库检索，尤其是多格式文档混在一起的场景。 大家常问 RAG 检索里说的「混合检索」是什么意思？ 混合检索不是某种单一算法，而是把两路检索的结果融合起来：一路用 BM25 等稀疏检索做关键词字面匹配，一路用向量做稠密语义匹配，再用 RRF 等方式按排名融合去重。目的是同时兼顾"精确命中"和"语义相近"，比只用一路更不容易漏掉相关片段。 向量检索和关键词检索（BM25）有什么区别？ BM25 是稀疏检索，靠词频与倒排索引做字面匹配，词对不上就漏，但对专有名词、型号、代码很精确且可解释。向量检索是稠密检索，把文本编码成向量比语义相似度，能识别同义改写，但对罕见实体和精确匹配偏弱。一个管字面命中，一个管语义关联，互补大于竞争。 为什么混合检索之后还要再做一次重排序（rerank）？ 混合检索为了保召回会"广撒网"，两路打分都是轻量近似——BM25 只看词频、向量是有损压缩，正确答案大概率在候选里却不一定排最前，还混着噪声。重排序用交叉编码器让查询和每个候选做细粒度交互精排，把真正相关的提到前面。它只在几十到几百条候选上跑，负责"收网"。 检索评测里的召回率和精确率有什么区别？ 召回率回答"该找的有没有漏"，是命中的相关文档数除以全部相关文档数；精确率回答"找回来的有没有用"，是命中的相关文档数除以返回的总条数。两者通常矛盾：多返回结果召回率升、精确率降。工程上常用大候选集保召回，再靠重排序和元数据过滤把精确率提上去。 想用上这个技能？ 「RAG 知识检索」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。
亚马逊Listing怎么写？4+2要点加A+结构搭框架
「亚马逊 Listing 生成」是「龙虾部署大师」技能市场中的 Listing 内容框架技能：它用高转化模板组织标题、要点、图片和 A+ 内容——要点采用 4+2 结构，图片采用竖图加视频的移动端优先组合，A+ 采用 1+8+1+8+1 页面结构，输出完整文案、图片简报、A+ 结构和卖点关键词一致性审核建议。 技能效果 给它一款搅拌机的卖点和规格，它写出了七条亚马逊要点，把功率、刀片、容量这些关键词自然嵌进描述。 Listing 决定转化，但很难一次写到位 同样的产品和流量，Listing 写法不同，转化能差出一截。常见问题是：标题堆砌关键词却读不顺，五点要点平淡、没说到买家在意的痛点，图片想到哪拍到哪、缺乏移动端优先的规划，A+ 内容又和五点重复。这些环节本该互相配合，自己从头写却往往缺少一套成体系的结构。 这个技能能帮你产出什么 它按一套高转化模板把 Listing 的四个部分一次性规划齐。要点上，用 4+2 公式撰写最多 7 条收益导向的要点，兼顾四个核心卖点加包装清单与保修注意事项；图片上，规划"X 张竖图 + 1 个视频"的移动端优先结构；A+ 上，构建 1+8+1+8+1 的内容模块和品牌故事；最后还会交叉检查标题、图片与 A+ 中卖点和关键词的一致性，避免各说各话。 标题 · 关键词覆盖读得顺、放得准 要点 · 4+2 结构4 卖点 + 包装 + 保修 图片 · 竖图 + 视频移动端优先 A+ · 1+8+1+8+1特性 / 场景 / 品牌故事 它交付的是一套能直接落地的材料：完整 Listing 文案、给设计师的图片拍摄简报、A+ 页面结构，以及一份一致性审核建议。换句话说，从卖点提炼到页面各模块的分工，它替你排好了。 用前须知 该技能无需 API Key 或代码依赖，但要产出贴合的文案，使用前需准备产品资料、竞品 Listing、目标关键词、评价洞察、图片资产要求和品牌信息。资料越全，卖点和关键词的覆盖越精准。 怎么用它 用法是把产品和你想强化的方向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 "根据这款搅拌机卖点写亚马逊七条要点，关键词自然放进去，规格写清。" "重做 Listing 图片规划，按竖图加视频组合安排每张用途和细节。" "A+ 页面要突出场景痛点，避免重复五点里的话术和品牌故事。" 它适合这些场景：新品上架前从竞品分析到要点、图片和 A+ 一次性规划；现有 Listing 转化弱、需要重写卖点并补足客户痛点表达；准备给设计师下发主图、场景图、尺寸图和视频拍摄简报；品牌备案后规划 A+ 页面、避免与要点重复并强化信任。 大家常问 亚马逊 Listing 的五点描述（Bullet Points）到底是哪五点，写的时候顺序为什么重要？ 最多 5 条，没有强制内容，但按转化最优推荐：第 1 点核心卖点/差异化、第 2 点关键规格尺寸、第 3 点材质与品质、第 4 点使用场景、第 5 点售后保障。顺序重要是因为移动端流量已占六七成，手机端默认只完整显示前 2 条、其余折叠，且第 1 条的核心关键词搜索权重最高，顾客通常 10—20 秒扫完前两条就决定走或留。 亚马逊的 A+ 内容和五点描述、商品描述有什么区别，为什么内容不要重复？ 五点在最显眼处，负责 10 秒内传递核心卖点；A+（需品牌备案）在下方图文混排，负责深度说服；商品描述是旧版纯文本，多数类目已被 A+ 取代。不重复有三层原因：A+ 与五点、后台词共用关键词空间，逐字复制等于浪费 A+ 的额外索引；重复让顾客信息疲劳；且五点回答"有没有我要的功能"、A+ 回答"是否真的好"，处于转化漏斗不同阶段。正确做法是 A+ 把五点卖点展开，而非翻译成图片。 为什么亚马逊 Listing 图片越来越强调竖图和移动端优先，主图和附图的分工是什么？ 移动端流量已超七成，手机搜索结果里横图有效展示面积只剩三成、竖图能占六到八成，且图片点击率已是搜索排序因子，所以竖图（4:5 等）成趋势。分工上是一条转化漏斗：主图白底无文字、占满 85%，只负责"吸引点击"；附图依次负责建立信任（场景图）、解决疑虑（尺寸/材质/功能标注）、刺激决策（卖点/对比，不出现竞品 Logo）、降低门槛（开箱/安装步骤）。一句话——主图让人点进来，附图让人掏钱。 亚马逊标题里堆关键词为什么会适得其反，关键词到底该怎么自然分布？ 堆词会同时伤三处：标题难读、显廉价、信息过载拉低点击率和转化率，而低转化反过来被 A9/A10 算法降权；还可能触发可读性违规被强制改标题或屏蔽；并挤占有限字符（多数类目 200 字符内），淹没买家真正想看的品牌+产品名+核心特性。正确做法是标题只放 1—2 个核心词，其余关键词改写成特性句（用数据/场景表达），剩下的长尾词分布到五点、A+ 和后台 Search Terms。一句话：标题写给买家看，不是写给搜索引擎看。 想用上这个技能？ 「亚马逊 Listing 生成」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