Etsy SEO怎么优化？用eRank挑词配标题标签
「Etsy SEO 优化」是「龙虾部署大师」技能市场中的搜索曝光优化技能：它覆盖关键词研究、标题构建、13 个标签配置、上架观察期和持续监控，结合 eRank 的搜索量、竞争度、CTR 等指标识别超级关键词、低垂果实和长尾词，并按优化清单模板输出，避免频繁改动干扰质量分。 技能效果 优化一条定制名字项链的Etsy listing时，它写出132字符、读着自然不堆词的标题，并配齐13个覆盖材质风格场景受众的标签。 Etsy 靠搜索吃饭，标题标签没优化就没流量 Etsy 的流量高度依赖站内搜索，标题和 13 个标签直接决定一个 listing 能不能被搜到。但优化有讲究：堆词、用太泛的大词，曝光上不去；上架没多久就频繁改标题，又会干扰质量分、打乱观察期。新手往往卡在"既不知道该选什么词，又不敢动手改"。 这个技能能帮你做什么 它把 Etsy SEO 拆成有节奏的工作流。它先用 eRank 的搜索量、竞争度、CTR 等指标评估关键词机会，把词分成超级关键词、低垂果实和长尾三类组合；再按 Etsy 标题和 13 个标签的规则生成可读、不堆词的优化方案；最后规划 60 到 90 天观察期后的监控、测试和迭代策略，避免上架初期乱改。 关键词分三层组合 超级关键词 · 搜索量大、要争 低垂果实 · 量竞比好、性价比高 长尾词 · 精准、转化高、竞争小 它的另一个重点是节奏：上架后给 listing 留足观察期，先看数据再优化，而不是一上来就反复改动。 上架标题+13标签 60–90 天观察、别乱改 之后测试 · 迭代 用前须知 该技能无需本地 API Key，但关键词机会判断依赖 eRank 或 Etsy Stats 的数据；生成正式优化清单前，它会先读取技能内的 listing_optimization_checklist 模板，按统一标准输出。 怎么用它 用法是把 listing 的状态（新上架 / 上线不久 / 满 90 天）和目标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 "这条 Etsy listing 上架前，重做标题和十三个标签，避开堆词。" "用 eRank 数据筛关键词，避开竞争太高的泛词，按机会分层。" "这个手工杯卖了三个月，按点击和转化调整 SEO，别频繁大改标题。" 它适合这些场景：新商品上架前完成关键词研究、生成标题与标签组合；listing 刚上线不久、要避免误改标题并优先优化主图；上架超过 90 天、想根据关键词表现做 A/B 测试；旺季前加入季节词、提升礼品或节日搜索流量覆盖。 大家常问 Etsy 的 13 个标签（Tags）和标题里的关键词有什么区别，为什么不该重复堆同样的词？ 标题面向人和算法、权重最高（尤其前 20—30 字符），要通顺可读、负责匹配搜索加促进点击；13 个标签买家默认看不到、纯给算法读、权重低于标题，每个最多 20 字符，作用是补充覆盖更多搜索词。不该重复是因为 Etsy 按短语匹配而非词频，同一个词出现一次就够、重复不加分；13 个名额有限，把它们堆在同一核心词上等于主动放弃大量长尾入口。正确做法是前 5—7 个呼应标题核心词，后 6—8 个开拓材质、场景、送礼等新方向。 Etsy listing 刚上架不久，为什么不建议频繁大改标题和标签？ 新 listing 上架后有 60—90 天的质量分观察期，算法在此期间测试曝光、收集点击与转化数据来定排名权重。每次大改标题或标签，算法会当成一次重大重新上架——已积累的数据被弱化、质量分重算、观察期可能重新计时，而且改坏了也分不清是改的还是本来就该跌。正确节奏是上架前把关键词研究透，前 60 天只优化主图、描述、定价（这些不影响关键词匹配），满 90 天后再每次只改一个变量并等 2—4 周看效果。 Etsy SEO 里说的超级关键词、低垂果实和长尾词分别是什么，怎么区分？ 长尾词是 3 个词以上、意图具体、搜索量小但转化高、容易排名，适合所有卖家。低垂果实是竞争低但有一定搜索量的词（参考搜索结果约 1000—10000 条），相关性强、最能快速见效，是中小卖家主攻方向。超级关键词是 1—2 个词的高搜索量泛词（如 earrings、necklace），竞争极激烈、只有大卖家容易排上。区分主要看词长、搜索量和竞争度三者的组合，建议标题按长尾 40%、低垂果实 40%、超级词 20% 搭配。 Etsy 搜索排名除了关键词匹配，为什么还和上架时间、转化率这些因素有关？ 因为 Etsy 排名约等于相关性×质量分×店铺表现，关键词匹配只解决"相关性"这一层，质量分才决定排得多高。否则两个标题一样但转化 10% 和 1% 的卖家会同排，对买家不公平。转化率是质量分权重最高的指标之一（能卖出去的排前面），点击率、收藏加购、店铺评分和发货时效也都计入。上架时间则有双重作用：新品有 1—2 周流量扶持期供算法测试，数据好就稳住、差就回落，老 listing 则因数据充分而排名更抗干扰。 想用上这个技能？ 「Etsy SEO 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。
如何用 AI 按条件选股
「智能选股」是「龙虾部署大师」技能市场中的股票池筛选技能：它基于东方财富妙想 API，用自然语言按行情指标、财务指标、行业、板块、指数成分股等条件筛选 A 股、港股、美股、板块和 ETF，输出可直接打开的 CSV、结果说明和原始 JSON，帮助快速形成候选股票池。 技能效果 做今日选股时，它筛出涨幅超2%、成交额靠前的二十只A股，按半导体、PCB等板块分组，列出涨幅、成交额和换手率。 选股条件一多，筛起来就吃力 投研前期常要从全市场里圈出一批候选股：今天涨幅超过某个阈值的、市盈率低于某个倍数且股价高于某个价位的、某个行业里近期放量的。条件单看简单，叠在一起手工筛就吃力——要在不同筛选器之间反复切换、把结果导出再合并，口径稍有不一致就得重来。靠大模型凭记忆"推荐几只"更不可取，它的数据可能早已过时。「智能选股」要做的，是把自然语言条件直接翻译成对官方接口的筛选请求，一次跑出候选池。 多条件层层过滤，收敛成候选池 全市场标的 行情条件（涨幅/换手） 财务条件（PE/股价） 候选股票池 这个技能能帮你做什么 它的核心是"按条件筛"，和单纯查价格、查资讯不同。解析层面，它把自然语言选股条件解析为行情、财务或板块筛选请求；范围层面，支持 A 股、港股、美股、ETF、行业板块和指数成分股查询；输出层面，产出可直接打开的 CSV、结果说明和 API 原始 JSON；校验层面，它会核对接口状态、字段映射和返回数量，并提示空结果该如何处理。这样得到的候选清单基于实时官方数据，避免依赖大模型的过时信息做基础筛选。 自然语言条件涨幅/PE/行业 妙想 API 筛选 CSV 候选池+ 说明 + 原始 JSON 基于实时官方数据，按组看 用前须知 该技能需要东方财富妙想 API Key，通过 MX_APIKEY 环境变量设置；它用 Python 脚本输出 CSV、说明文本和原始 JSON，数据来自官方 API。它做的是按条件筛选、形成候选池，不对个股做推荐或评级，结果仅供研究参考，不构成投资建议。 怎么用它 用法是把选股条件用自然语言说清楚，并指定排序或取数口径。例如可以这样对它说： 可以这样对它说 "筛出今天涨幅超过 2%、成交额靠前且换手率不低的 A 股前二十只，按组看。" "找市盈率低于 20 倍、股价大于 50 元的沪深 300 银行股，按股息率排序。" "港股里股价大于 50 元、近三日放量的公司有哪些，按成交额降序，把口径写清。" 它适合这些场景：筛选今日涨幅超过特定阈值的 A 股或板块成分股；查找股价、市盈率、行业属性共同满足条件的股票；投研前期从自然语言条件生成候选股票清单；以及在模型知识可能过时时，用实时官方数据完成基础筛选。适用于投研助理、量化研究初学者、财经运营和需要快速形成股票候选池的数据分析人员。 大家常问 为什么按多个条件组合选股，通常比只看单一指标更可靠？ 单一指标只反映一个维度，低 PE 可能是价值陷阱、高 ROE 可能靠高杠杆堆出来。多条件取交集能让信号纯度提升、缩小踩雷概率，基本面、技术面、资金面互补，分别回答买什么、有没有人买、什么时候买，相互印证时决策才更稳。 基本面选股和技术面选股，本质上有什么区别？ 基本面选股研究企业价值，看 PE、PB、ROE、营收增速等财务数据，时间尺度偏中长期，假设价格终将回归价值；技术面选股研究市场行为，看均线、量价、MACD 等信号，时间尺度偏中短期，假设历史模式会重复。两者并非对立，常用基本面建池、技术面择时。 按条件筛出来的候选股票池，为什么不能直接当成买入名单？ 条件选股的本质是缩小关注范围，而不是确认买入价值。候选池还需经过定性分析、估值评估、风险管理和持续跟踪——财务指标覆盖不了管理层、行业格局、政策等因素。历史表现不代表未来收益，任何选股逻辑都消除不了市场的不确定性。 选股时为什么通常要先加上市值和流动性的过滤条件？ 市值和流动性过滤往往放在筛选第一层，原理有三：小市值低成交额的股票价格易被少数交易左右，产生伪信号、扭曲指标；缩小样本能降低多重比较带来的过拟合风险；更现实的是保证策略可执行，避免冲击成本过大或买不进卖不出。它是数据可信、样本合理、策略可执行的共同保障。 想用上这个技能？ 「智能选股」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。
小红书笔记怎么写爆款？拆解标题正文规律去AI味控字数
「小红书内容写作」是「龙虾部署大师」技能市场中的图文创作技能：它先研究同类爆款图文、拆解标题与正文规律、分析评论里的情感共鸣点，再据此生成符合平台调性的标题、正文、标签和配图建议，输出可发布的成稿，并强制把标题控制在 20 字内、正文控制在 1000 字内，附带字数自检和去 AI 味处理。 技能效果 围绕「通勤包收纳」主题、并限定标题不超过 20 字时，它产出了符合字数的标题、按分区展开的正文与一组话题标签，还配上了 9:16 的竖版图。 写小红书，为什么总像"差点意思" 小红书的图文有它自己的味道：标题要短、要戳人，正文要像真实用户在分享而不是品牌在说教。自己闭门写，常踩两类坑：一是脱离平台爆款规律，标题平、正文像说明书，发出去没人停留；二是带着明显的 AI 腔和套话，读起来不像真人。再加上平台对标题和正文有字数红线，一边想表达完整、一边又要压字数，反复删改也未必合规。 封面图 标题 · 平淡 ✗ 标题没钩子 ✗ 正文一股 AI 腔 ✗ 超出平台字数 ✗ 不像真实用户 这个技能能帮你拿到什么 它不是直接套模板写，而是先做研究再动笔。核心做四件事：搜索并分析同主题高互动图文的标题、正文和封面规律；从评论里提取痛点、身份认同、焦虑解决和互动触发这几类共鸣点；据此生成小红书的标题、正文、标签和配图建议，并完成字数自检；需要配图时可调用 Seedream 生成 9:16 竖版图，也可以直接用你提供的图片。整个流程会做去 AI 味处理，让成稿更像真实用户在发笔记。 研究爆款 拆评论共鸣 标题 / 正文 / 标签 字数自检 · 去 AI 味 可发布成稿 + 配图 / 配图建议 字数红线是硬约束：它会把标题控制在 20 字内、正文控制在 1000 字内，并在交稿前做字数自检，省去你反复数字、来回删改的功夫。 用前须知 文案生成本身不需要任何发布权限。AI 配图功能需要 Python 环境以及 openai、pillow 和 AI agent 的登录配置。该技能不会直接发布到小红书，成稿需要你手动复制到 App 完成发布。 怎么用它 用法是把主题、目标人群、想要的口吻以及是否要配图用自然语言说清楚。例如可以这样对它说： 可以这样对它说 "写一篇小红书图文，主题是通勤包收纳，要配 9:16 的图，标题别超 20 字。" "把这五张便当照片写成小红书笔记，标题控制在二十字内，正文别超千字。" "只要小红书文案，不生成配图，语气像真实打工人，少用套话和感叹。" 它适合这些场景：品牌或个人要围绕一个主题产出能直接发布的小红书图文；已有图片素材，需要补上更像真实用户的标题和正文；选题前想先分析同类爆款内容的结构和评论共鸣；以及不需要配图、只想拿到合规字数内的文案与标签。 大家常问 为什么小红书的笔记标题要控制在 20 字以内？ 这不是平台硬规则，而是双列瀑布流的展示物理约束：单行只能容下约 18–22 个中文字符，超过会被省略号截断，核心信息看不到，点击率自然下降。 什么是小红书笔记里的"AI 味"？ 指句式排比工整、过渡词堆砌、情感曲线一条直线、段落长度方差过小这类被识别为非真人的特征集合；命中后笔记不会下架，但自然推荐流会被压制。 小红书的笔记互动率是怎么算的，为什么它会影响推荐？ 互动率＝（赞+藏+评+转+关）/曝光，分母是曝光不是阅读。新笔记先进 200–500 人冷启动池，互动率达类目阈值才滚雪球进下一级流量池，否则停推。 在小红书上，KOC 和 KOL 在笔记表现上的本质区别是什么？ KOL 有粉丝关注页保底流量+账号画像补位，标签起优化作用；KOC 几乎全靠发现页推荐，封面 CTR 和标签精准度直接决定能不能推得动，标签起定义作用。 想用上这个技能？ 「小红书内容写作」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。
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。
飞书消息卡片怎么生成
「飞书卡片生成」是「龙虾部署大师」技能市场中的飞书消息推送技能：作用是把日报、告警、任务结果等内容整理成富交互的飞书消息卡片，发送到指定个人或群聊。输入目标 open_id 或 chat_id、正文、标题、颜色、按钮和图片后，它生成并发送卡片，支持 Markdown、代码块、表格、彩色标题和图片上传，并对中文、反引号等特殊字符做安全转义。 技能效果 做一条服务器告警通知时，它生成了完整的飞书消息卡片结构——标题、状态标签、字段和跳转按钮都有。 把脚本结果发到飞书，为什么总出问题 问题集中在两点：一是格式，把一段带表格、代码块或中文的报告直接从命令行发出去，常因反引号、特殊字符或换行被截断、转义错乱，到了飞书里排版散掉；二是触达，纯文本通知混在群消息里没有重点，红绿灰主题、可点击按钮这类结构化元素靠手工拼 JSON payload 既繁琐又容易写错。结果是该重点突出的告警被淹没，该清晰的报告变成乱码。 纯文本直发 表格错位 / 反引号乱码 中文截断 无重点、无按钮 淹没在群消息里 结构化卡片 彩色标题 表格 / 代码块保留 可点按钮 这个技能能帮你发出什么 它把"一段内容"变成"一张结构清晰、能交互的飞书卡片"。核心能力有四块：一是按 open_id 向个人、按 chat_id 向群聊发送富文本卡片；二是完整支持 Markdown、代码块、表格、按钮、图片和对某条消息的回复，让报告该有的格式都保留；三是提供 send_safe 安全发送包装，自动处理中文、反引号和特殊字符的转义，避免命令行截断；四是自动从环境变量、AI agent 配置或 .env 解析飞书凭证，并缓存上传图片的 image key。标题还支持红、绿、灰等主题色，用颜色直接表达优先级。 正文 + 标题 颜色 / 按钮 / 图片 飞书卡片生成 安全转义 + 凭证解析 富交互卡片 表格 / 代码块 / 按钮 彩色标题 个人 / 群聊 送达 用前须知 该技能需要 Node.js 并运行 npm install，或用 python setup.py 初始化；还需配置飞书 App ID / Secret 以及机器人发消息的权限，凭证可从 AI agent 自动读取。发送前可用 dry-run 预览卡片 payload，确认无误再发，避免误发到正式群聊。 怎么用它 用法是用自然语言把要发的内容、发给谁、想要什么样式说清楚，无需手写卡片 JSON，也不用记字段名。例如可以这样对它说： 可以这样对它说 "把今天的日报发成飞书卡片，标题用绿色，正文保留表格和代码块格式，按人归类。" "这份报警内容做成卡片，里面加个打开看板的按钮，发到今晚的值班群。" "把这张截图嵌进飞书通知，配一段简短说明和链接，让夜间值班能看懂。" 它适合这些场景：把脚本跑出来的日报、数据结果稳定推送到个人或群聊；报告含 Markdown 表格、代码块或中文，需要避免命令行截断；运维告警要用红、绿、灰主题标题突出优先级；正式发送前需要 dry-run 预览 payload 防止误发。 大家常问 为什么飞书消息卡片要用 JSON 结构而不是直接发富文本？ 富文本只是展示格式，JSON 卡片是一套交互协议。它用 header、elements、actions 三层把"展示什么、在哪展示、点了之后怎么响应"结构化分离，能原地更新已发送消息、按钮回调到服务端、模板变量复用，富文本这些都做不到。 飞书卡片里的 header template 主题色和 elements 是什么关系？ 两者是平行模块，不存在样式继承。header 的 template 取值 blue/green/red/orange/grey 等，只决定标题栏色带；elements 数组里每个 div、markdown、img、button 都得自己单独配 type 和颜色，不会自动跟着 header 主题色变。 飞书卡片按钮里的跳转链接和回传交互回调怎么区分？ 看按钮的 action.tag。tag 为 link 时填 url，点了直接打开网页，服务端收不到任何回调；tag 为 callback 时填 value，点了飞书会向开发者配置的 Request URL 发 POST 请求，把 value 原样回传，业务侧据此区分操作并可更新原卡片。 飞书消息卡片为什么要先 dry-run 预览再发到正式群？ 发送接口只校验 JSON Schema，不渲染。主题色对比、图片加载、Markdown 表格在移动端折行、按钮文案超长、i18n 多语言差异、回调链路是否打通，得在真实客户端里看才暴露。dry-run 到测试群把这层风险前置，免得一条炸裂卡片砸到正式大群。 想用上这个技能？ 「飞书卡片生成」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。
Word文档怎么处理转换？提取文本编辑OOXML生成红线
「Word 文档处理」是「龙虾部署大师」技能市场中的文档技能：它用来创建、编辑、分析和转换专业 .docx 文件，支持文本提取、OpenXML 结构编辑、修订模式、批注、格式保留、中文排版以及 PDF 与图片转换，输出新文档、带修订的版本、Markdown 提取结果或转换文件，适合需要保留审阅痕迹和复杂版式的正式文件流程。 技能效果 用Word修订模式改合同付款条款时，它先给出示例条款，再演示把「一次性付清」改成「分两期支付」，并讲清各类改动的标记样式和律师怎么看。 正式 Word 文档，难点不在写而在"改和转" 合同、报告、政府文件这类正式文档，麻烦往往不在初稿，而在后续处理：审阅时要用修订模式只标真正改动的字、留住红线痕迹，普通的复制粘贴一改就乱套；要保留批注和已有修订做分析，又得不破坏原文结构；交付前还要转成 PDF 或图片核对版式。中文文档的字体、页边距、CJK 排版规则更挑，操作稍不规范，文件就容易损坏或版式错位。 原始 .docx ⤏ 直接改 修订丢失 / 版式乱 文件可能损坏 规范处理 红线留痕 / 版式保留 可转 PDF 核验 这个技能能帮你做到什么 它围绕正式文档的"建、改、查、转"提供一套可靠操作。创建上，通过 docx-js 生成新文档，套用指定的美学排版方案和字体规则，覆盖中文报告、论文、商务简报的版式需求；编辑上，直接改 OOXML，按最小精确修改原则生成红线修订版本，只标真正改动的内容；分析上，用 pandoc 提取 Word 正文并保留修订内容，也能取出批注、媒体或底层 XML 结构；转换上，把 docx 转成 PDF 或页面图片，便于后续预览和核对版式。整个过程靠元素顺序规则降低文件损坏的风险。 创建排版 · 修订编辑 · 提取分析 · 转 PDF / 图 围绕一份 .docx 的完整流程 全程保留格式与审阅痕迹 用前须知 不同环节依赖不同组件：创建文档需要 Node 与 docx 包；文本提取需要 pandoc；处理底层 XML 需要 Python 的 defusedxml；转 PDF 或图片需要 LibreOffice 与 poppler-utils。涉及结构编辑前，建议先阅读对应环节的指南，按规则操作以避免文件损坏。 怎么用它 用法是把要处理的文档和具体诉求用自然语言交给它，不必关心底层用的是哪套工具。例如可以这样对它说： 可以这样对它说 "这份合同用修订模式改付款条款，只标真正改动的字，后面要给律师审，保留页码。" "把这份中文报告排成正式 Word，字号和页边距按商务风格来，封面统一。" "先把这个 docx 提取成文本，保留批注和修订痕迹，再转成方便核对的版本。" 它适合这些场景：要创建中文报告、论文或商务简报并保持专业排版；审阅合同、政府文件或业务文档时需要保留修订痕迹；已有 docx 需要提取正文、批注、媒体或底层 XML 结构；以及文档交付前需要转成 PDF 或图片，检查版式是否正确。 大家常问 docx 文件到底是什么格式，和 doc 有什么本质区别？ docx 实质是个 ZIP 归档，里面装着遵循 OOXML（ISO/IEC 29500）规范的一组 XML 文件——正文在 word/document.xml、样式在 styles.xml、媒体放 word/media/，内容与格式严格分离。老 doc 是 OLE 复合文档的二进制流，内容、格式按位偏移混编，局部损坏容易级联。 为什么 docx 文件有时会显示"文件已损坏无法打开"？ Word 打开 docx 走 ZIP 解包、OPC 校验、XML 加载、关系解析四级流水。常见违约是 ZIP 中央目录被截断、[Content_Types].xml 缺失或缺 Override 声明、document.xml 混入非法控制字符或标签未闭合、.rels 指向的部件路径在包里找不到。 Word 里分节符和分页符有什么区别？ 分页符是段落级指令，只在当前位置强制翻页，前后仍属同一节，共享同一 SectPr。分节符是节级结构分割，新节有独立 SectPr，可单独设页眉页脚、横纵纸张、重置页码或切换分栏。分页符管翻页，分节符管换格式。 Word 修订模式到底是什么意思，和直接改文档有什么不一样？ 修订模式下，每处增删改都以 w:ins / w:del 标签写入 document.xml，连同作者和时间元数据保留，旧文带删除线留位。直接改则覆盖文本流，只剩一层结果。修订暂态可逆，要逐条接受或拒绝才落定，适合审阅与合同红线。 想用上这个技能？ 「Word 文档处理」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。
提示