如何用 AI 提高复购率
「客户留存顾问」是「龙虾部署大师」技能市场中的留存策略技能：它强调主动预警而非被动召回，会按产品品类设定预期复购周期、预警触发条件和已流失阈值，围绕早期预警、高价值客户预警和首单买家培育设计自动化流程，并按 VIP、高价值、普通、新买家分层设置干预方式，结合折扣敏感度和预测流失风险控制激励力度，输出留存策略、触发逻辑、KPI 和折扣管控规则。 技能效果 把各品类的复购间隔和活跃人数丢给它，它算出坚果环比掉了26.7%，按复购间隔分层设了流失预警阈值，把坚果点成最该关注的高风险品类。 客户流失，为什么总在事后才发现 留存做不好，多半是动作发生得太晚。等到客户"已经不买了"才去召回，本质是被动救火，成本高、成功率低。常见的三个问题：复购节奏没有基准，分不清客户是正常间隔还是真要流失；不分层，对所有客户用同一套话术和优惠，资源既浪费又打不准；折扣依赖严重，一遇到下滑就发券，毛利被慢慢吃掉，却没想清哪些客户其实根本不需要优惠也会回来。 正常复购 早期预警 这里就该触达 已流失 被动召回，成本高 主动在预警窗口介入，胜过流失后再追 这个技能帮你把留存做在流失之前 它的思路是"先建预警，再分层干预"。第一步按产品品类定义预期复购周期、预警窗口和流失阈值，给"什么时候算异常"立一个基准；第二步围绕三条主线设计自动化流程——早期预警捕捉刚开始疏远的客户、高价值客户预警优先保护贡献大的人、首单买家培育推动二次购买；第三步按 VIP、高价值、普通、新买家分层，结合折扣敏感度和预测流失风险，为每层配不同的触达方式和激励力度；最后给出复购率、流程收入、下单间隔、折扣驱动收入占比等 KPI 和折扣管控规则。 按价值分层 VIP 高价值 普通 新买家 分层后的差异化动作 · VIP / 高价值：个性化关怀，少折扣 · 普通：标准预警 + 适度激励 · 新买家：首单到二单培育路径 它的关键取向是"保护毛利"：折扣不是默认动作，而是按敏感度精准投放，让真正需要优惠的客户拿到，不需要的客户用关怀和内容维系。 用前须知 该技能无需本地依赖或 API Key，只输出策略和流程设计，不直接操作 Klaviyo、Shopify Flow、HubSpot 等平台。要得到贴合实际的方案，需要你提供产品品类和真实业务数据（复购周期、客户分层、销量等）。 怎么用它 用法是把你的留存现状和目标用自然语言交给它。例如可以这样对它说： 可以这样对它说 "复购率最近掉得厉害，按品类重算流失预警阈值，先别上优惠券，重点客户标出来。" "首单买家二次购买很少，设计一套不乱打折的培育流程，邮件和短信分开排。" "把高价值客户分层，做预警、挽回和折扣控制逻辑，保护毛利空间，规则写清楚。" 它适合这些场景：大部分客户只买一次、需要设计首单到第二单的培育路径；高价值客户购买频次下降、要在流失前触发个性化关怀；品牌想减少折扣依赖、要判断哪些客户确实需要优惠；以及在 Klaviyo 或 Shopify Flow 搭建留存流程前，先把触发规则定义清楚。 大家常问 流失预警是什么意思？ 指通过分析用户交易行为数据，在客户停止购买但尚未完全流失时识别风险并干预。核心逻辑是流失不是瞬间发生的，而是购买间隔拉长、互动衰减等可量化信号的渐进过程，越早介入留存成本越低。 客户分层和客户分类有什么区别？ 分类按属性（行业、性别、渠道等）划分，互斥且静态，回答"客户是谁"；分层按行为数据（频率、金额、活跃度）划分，可动态变化，回答"客户现在值多少精力去留"。前者用于差异化服务，后者用于差异化留存投入。 复购率和回购率的区别是什么？ 复购率是截面视角，看固定时间窗口内购买≥2次的客户占比，衡量活跃客户质量；回购率是队列视角，看上一周期的客户在当前周期是否再次购买，衡量留存持续性。复购率高、回购率低意味着短期热闹但长期留不住。 首单复购是什么意思？ 指客户在完成首次购买后再次下单的行为，简单说就是让新客买第二次。首单只是短期结果，复购才是衡量客户是否真正接受产品的关键指标。客户处于探索期最脆弱，复购率=回头客÷总首单客户。 想用上这个技能？ 「客户留存顾问」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。
市场洞察选品怎么做？整合多源信号出Go/No-Go判断
「市场洞察选品」是「龙虾部署大师」技能市场中的选品决策技能：它以多源信号和用户之声构建证据优先的选品流程，结合搜索、平台、趋势、社媒、评论、供应链和竞品信号，从候选池排出 Top Picks 并生成深度证据包，最终对每个候选给出 Go、Cautious 或 No-Go 的判断。 技能效果 让它在TikTok宠物用品里按证据选品时，它挑出舔食垫、宠物益生菌和自清洁粘毛器三款，逐项比了需求趋势、利润、复购和内容可拍性，最后排出了推荐优先级。 趋势信号太杂，跟风很容易踩坑 选品最怕被一时的热度带偏。社媒上看着火的品，可能是已经卷成红海的存量，也可能是昙花一现的伪趋势；只盯热度不看证据，很容易跟风进场后才发现需求不真、竞争太狠或供应链跟不上。要稳，就得把安全款、高潜款、红海款和伪趋势分清楚，而不是凭感觉押注。 这个技能能帮你做什么 它把选品做成一条证据优先的流程。它先从趋势、平台、社媒和评论等来源构建 10 到 30 个候选池；再按证据密度排出 Top 3 到 8，为它们生成深度分析包；分析中它提取用户之声（VoC）痛点、价格带、供应链可行性和竞争强度；最后输出一张分类决策表，把候选分成安全款、高潜款、红海款、伪趋势，并附行动指南和尚待补齐的数据缺口。它要求持续深搜到证据饱和，用反向证据避免跟风误判。 从候选池到 Top Picks 10–30 候选池 按证据密度筛选 Top 3–8 深度证据包 VoC 痛点 / 价格带 / 竞争强度 最终它给一张能直接据以行动的分类决策表： Go安全款/高潜款 Cautious需补证据 No-Go红海/伪趋势 用前须知 该技能需要联网搜索和网页抓取能力；生成图表需 matplotlib/seaborn，词云可选 wordcloud。不要求固定 API Key，但平台数据可能需要相应账号权限。 怎么用它 用法是把要研究的渠道、品类或候选品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 "最近 TikTok 上哪些宠物用品值得卖，按证据筛三款，不只看热度。" "拿这五个候选品做选品深挖，评论痛点、价格带和竞争强度都算。" "看便携咖啡机这个类目，判断现在入场会不会太卷，顺带看风险。" 它适合这些场景：想知道 TikTok、Amazon 或其他渠道近期哪些产品值得卖；已有候选品、要验证需求热度竞争评论痛点和供应风险；趋势信号杂乱、要通过多轮搜索和反向证据避免跟风；要把安全款、高潜款、红海款和伪趋势分开制定策略。 大家常问 选品时说的安全款、高潜款、红海款和伪趋势，分别是什么意思、怎么区分？ 安全款是需求稳定、竞争清晰、下限有保障但难爆发的成熟品；高潜款搜索量在爬坡、格局未固化、毛利较高，最值得投入；红海款搜索量大但增长停滞、头部垄断、价格战惨烈，新人难入；伪趋势是搜索量短期暴涨又快速回落的尖峰型，多由单一事件驱动、无复购，最该回避。关键看趋势曲线形状和竞争集中度。 为什么选品不能只看热度，证据优先的选品到底要看哪些维度？ 热度反映的是已发生的过去需求，有滞后性和幸存者偏差，等你看到时竞争往往已白热化，也判断不了能持续多久。证据优先是用多维度交叉验证替代单一热度：需求层看搜索量与长期趋势、社媒真实参与度；供给层看供应链可得性与毛利空间；风险层看竞品差评里的未满足需求和合规专利。每个判断都要有数据支撑。 怎么判断一个看起来很火的趋势其实是伪趋势、不值得跟？ 从五个维度交叉验证：追溯源头是真实自发还是被刻意制造；看用户的真实购买行为而非点赞言论；趋势曲线是稳步增长还是尖峰暴起暴落；是否有多个独立卖家持续盈利、是否有真实门槛；以及去掉营销包装后核心价值是否仍然清晰。真趋势多在 6–12 个月持续增长，伪趋势往往两到四周见顶即衰退。 一个红海类目竞争已经很激烈了，为什么有时候还值得入场？ 竞争激烈不等于市场饱和，只要整体规模还在增长（年增≥10%）就有空间。红海的好处是需求已被验证、无需教育市场，供应链和渠道成熟、执行更容易，还能借竞品差评做现成用户调研。前提是别照搬竞品，要在人群、场景、价格带或品质上找到差异化支点，且能承受 3–6 个月的盈利周期。 想用上这个技能？ 「市场洞察选品」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。
多渠道库存怎么同步？建统一事实源原子扣减防超卖
「多渠道库存同步」是「龙虾部署大师」技能市场中的库存协同技能：它在 Shopify、Amazon、eBay、Walmart、社交电商和批发渠道之间建立统一库存事实源，设计原子库存扣减、平台连接、凭证申请、安全存储、渠道利润评估和防超卖策略，降低跨平台销售的超卖与履约风险。 技能效果 面对Shopify和亚马逊共用库存的超卖问题，它定了以Shopify为库存主数据，给出共享池加安全缓冲的分配规则、行级锁等三层防超卖机制和断货自动下架的触发表。 多渠道卖同款，最怕库存对不上 当同一批货同时挂在 Shopify、Amazon、eBay 多个渠道，库存不同步就成了定时炸弹：一个渠道卖出去了，其他渠道没及时扣减，超卖随之而来；扩展新渠道时，SKU 映射、API 凭证申请、并发扣减又是一连串技术活。没有一个统一的库存事实源，跨平台经营越做越乱。 这个技能能帮你设计什么 它帮你把多渠道库存统一到一个可信的主系统上。基础上，它明确主库存系统，并校验库存、条码、重量、尺寸和 HS Code；连接上，它指导 Shopify、BigCommerce、WooCommerce 与各市场渠道的对接；接入上，它说明 Shopify Admin、Amazon SP-API、eBay API 的申请和认证流程；实现上，它提供订单幂等导入、原子库存预留和 SKU 映射的思路，从根上防止超卖。 主库存系统唯一事实源 Shopify Amazon eBay / 批发 核心是"原子库存扣减"：任意渠道下单，库存立即在主系统扣减并同步，避免同款被重复卖出： 某渠道下单 主系统原子扣减 各渠道同步失败重试 用前须知 该技能需要各平台账号与 API 凭证：Shopify Admin token、Amazon SP-API、AWS IAM、eBay OAuth 等；生产环境应使用密钥管理服务存储凭证，避免硬编码。它给的是设计与实现思路，落地需你的工程对接。 怎么用它 用法是把你的渠道结构和目标用自然语言描述出来即可。例如可以这样对它说： 可以这样对它说 "Shopify 和亚马逊共用库存，别再出现同款超卖和漏扣库存。" "线下门店和批发站共用仓库，库存主系统和同步顺序要定稳。" "eBay 订单进来后，其他渠道库存马上扣减，并记录失败重试规则。" 它适合这些场景：DTC 品牌准备扩展到 Amazon、eBay 或社交电商渠道；低库存热销 SKU 有超卖风险、要设安全库存缓冲；多个店铺、批发门户或线下仓库要统一履约流程；自研集成要处理 webhook 重试、并发扣减和渠道 SKU 差异。 大家常问 多渠道卖货为什么会超卖？从库存数据同步延迟的角度讲讲超卖是怎么发生的 超卖的本质是"卖出速度"超过了"库存同步速度"。中央库存推送到各渠道、各渠道订单回传到中央都有延迟，且渠道之间没有互斥锁。在这个延迟窗口里，多个渠道都基于过期数据判断"有货"，各自接单，等订单汇总到中央才发现累计销量已超实际库存。渠道越多、并发越大、同步间隔越长，风险越高。 多渠道库存同步里说的"库存主系统"是什么，为什么必须先定一个？ 库存主系统就是唯一被授权"拍板库存还剩多少"的单一真相来源，其他渠道只接收它的通知、不能反向改库存。先定一个的原因：避免多套系统库存数字各执一词、防止循环同步把库存越扣越少，并由它在扣减时做"库存≥下单量才扣"的原子校验，作为防超卖的最后防线。 什么是原子库存扣减，它和安全库存缓冲是怎么防止超卖的？ 原子库存扣减是把"检查库存＋扣减"合并成不可分割的一步（如"库存≥N 才扣"），消除并发间隙，解决多人同时下单导致库存变负的问题。安全库存缓冲则预留一部分库存不参与售卖，用可售库存＝实际库存−缓冲，应对下单后取消退款造成的波动。两者配合，高并发下既不漏单又不超卖。 同一个商品在不同平台 SKU 编码不一样，为什么会导致库存同步出错？ 各平台 SKU 编码规则不同（字符集、长度、大小写敏感、自动生成与手录不一致），多规格商品还会进一步分裂。若同步只按 SKU 字符串直接匹配，系统会把同一件实物当成两个商品各扣各的库存，造成重复售卖。根因是缺少把各平台 SKU 映射到统一商品编码的映射层，建好映射表先查映射再操作中央库存即可避免。 想用上这个技能？ 「多渠道库存同步」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。
如何用 AI 生成合同
「合同生成助手」是「龙虾部署大师」技能市场中的合同起草技能：作用是把雇佣合同、录用通知书、租房合同、NDA、服务合同、合作协议等常见文档的初稿写出来——通过分步对话确认合同类型、分批收集必填字段，再自动填充模板变量或直接生成正文，输出可直接编辑的 DOCX 合同，并附上必要的法律风险提示。 技能效果 按“两期付款＋验收＋违约”的要求，它生成了完整的软件开发服务合同，付款节点和验收流程都列成可填写的条款。 为什么起草一份合同总是又慢又容易漏 问题在于合同的"格式活"占用了大量时间，而真正的风险又藏在容易被忽略的字段里。手写或套用旧模板时，常见三种麻烦：一是反复填空，名称、金额、日期、期限要在文档里逐处替换，改一个数往往要回头核对好几处；二是字段遗漏，验收标准、违约责任、付款节点这类关键条款一旦漏写，签了才发现；三是批量场景下效率极低，HR 给十个新员工各做一份录用通知书，等于把同一份模板手工改十遍。这些工作本身不创造价值，却最容易出错。 手工套模板，处处要替换 甲方：____ 金额：____（漏填？） 期限：____ 违约条款：（缺） 改十遍 仍可能出错 这个技能能帮你做什么 它把合同初稿的整个起草过程接管下来。先通过分步对话确认你要的合同类型，再按该类型分批向你收集必填字段，并自动计算需要推算的项（如合同到期日）；信息汇总后等你确认，才开始生成文档。生成方式有两种：若有现成的 DOCX 模板，它填充变量、保留原有字体、样式、页眉页脚，输出与模板一致的成稿；若没有模板，它直接生成完整合同正文并写入 DOCX。此外它支持用 CSV、Excel、JSON 批量生成，并在生成后校验是否还有未替换的占位符残留。 确认合同类型 雇佣 / 租房 / NDA… 分批收集字段 汇总后等你确认 填模板 / 生成正文 保留样式 输出 DOCX 校验占位符 用前须知 该技能需要 Python 与合同生成脚本，生成 DOCX 通常依赖 python-docx；若使用模板填充，DOCX 模板路径按技能内约定放置。它无需 API Key。需要强调的是，它输出的是合同初稿，仅供起草与内部流转参考，不构成法律意见；重要合同应交由专业律师复核后再签署。 怎么用它 用法是用自然语言把合同类型和关键条款说清楚，它会在对话中追问缺失的字段，无需你记参数或手动套模板。例如可以这样对它说： 可以这样对它说 "生成一份北京的软件开发服务合同，付款分两期写清楚，要含验收和违约条款。" "给新员工做一份录用通知书，年薪三十万、下周入职、公司在上海浦东，条款都标注清楚。" "按这份 Excel 里的候选人信息批量生成 Offer 文档，文件名用各自的姓名。" 它适合这些场景：HR 或行政需要为多名新员工批量生成录用通知书、劳动合同；房屋出租或承租前，要根据双方身份和租期生成租房合同；商务合作前要快速拿到 NDA、服务合同或合作协议初稿；以及已有自定义 DOCX 模板、想用结构化数据批量填充成稿的情况。 大家常问 一份合同必须包括哪些基本要素？ 依据《民法典》第四百七十条，一份合法有效的合同通常需要包含八项基本要素：当事人信息、标的、数量、质量、价款或报酬、履行期限地点和方式、违约责任、争议解决方式。具体合同还会按场景补充保密、不可抗力、知识产权归属等条款。 起草合同时最容易被忽略的风险点有哪些？ 起草时常被忽略的风险点集中在几处：定义术语前后不一致、触发条件用"合理期间""及时通知"等模糊表述、单方义务缺对应救济、管辖与法律适用相冲突、格式条款没合理提示、补充协议与主合同脱节，以及引用的法条已废止或修订。 范本合同和定制合同有什么区别？ 范本合同条款已预先写好，使用者只填空白字段，类似"填空"；定制合同则根据具体交易和谈判结果增删改条款，结构、措辞、权利义务都可调整，类似"写作"。范本胜在快和稳，定制胜在贴合实际场景与风险分配。 为什么手写合同也具有法律效力？ 法律保护的是双方合意，不是纸张的印刷工艺。手写合同只要满足三点就有效：双方意思表示真实、内容合法且不违背公序良俗、具备当事人和标的等基本要素。它在举证便利性上不如电子存证或公证件，但法律效力本身并不低于打印合同。 想用上这个技能？ 「合同生成助手」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。
提示