dsh-shop-assistant

dsh plugin --profile web add dsh-shop-assistant

dsh-shop-assistant（电商小助手）

[English](README.md) | 中文

面向电商运营（非程序员）的 DeepSeek Harness（dsh）组合包：CSV 批量工具、可复现利润公式、中文 Skill、可替换的店铺政策知识库。

不是又一个「写一句文案」的聊天机器人。相对直接问 AI，优势在：整表批量、政策口径统一、利润用公式算、少粘贴。

安装

需已安装 DeepSeek Harness（例如 npx @deepseek-ai/dsh）。

# npm（发布后）
dsh plugin --profile web add dsh-shop-assistant

# GitHub
dsh plugin --profile web add github:pengzhou267-ai/dsh-shop-assistant

# 本地目录
dsh plugin --profile web add /path/to/dsh-shop-assistant

启动 Web UI，把店铺导出的 CSV 放进工作区即可。

三个旗舰案例（相对直接问 AI）

案例 1：差评批量回复（每天高频）

1. 场景：客服每天要回大量差评/中评，怕口径不一致。

2. 直接问 AI：把 30 条评价粘贴进对话框 → 上下文爆炸；每轮重讲退货规则。

3. 用本插件：把 examples/reviews.csv 放进工作区 → 复制下面提示词。

4. 对比：一次处理整表；回复遵守 kb/sample/售后政策.md。

工作区里有 examples/reviews.csv。用 shop_csv_preview（adapter=taobao-review）读取，
按差评原因分组，严格遵守 kb/sample/售后政策.md，输出可直接粘贴的回复列表。

案例 2：上新 Listing（周～大促）

1. 场景：上新要写标题/卖点/FAQ，对着竞品硬抄。

2. 直接问 AI：自己开网页抄完再贴。

3. 用本插件：公开链接 → shop_page_snapshot → Skill shop-listing。

4. 对比：少一次抄屏；价格线索来自页面摘要而非瞎编。

对这个公开商品链接做 shop_page_snapshot，再按 shop-listing 输出标题×5、五点描述和 FAQ。

案例 3：选品算账（周～月，决策重）

1. 场景：不知道这单赚不赚钱就上架。

2. 直接问 AI：佣金/毛利常被模型随口编。

3. 用本插件：必须调用 shop_product_score。

4. 对比：单位利润与六维分可复现。

成本 35，售价 99，竞品 109；需求4 竞争3 运营难度2 风险2 时机4。
调用 shop_product_score，用中文解释 decisionZh 与 notes。

工具一览

工具 · 作用

shop_csv_preview · 读 CSV + 淘宝/拼多多/Shopify 等列映射

shop_product_score · 固定公式：利润 + 六维分 + 建议等级

shop_page_snapshot · 公开页标题/价格线索（无登录）

换成你自己的政策

复制 kb/sample/，改成真实售后规则，在组合包配置里设置 kbRelativeDir 指向该目录。

贡献

见 [CONTRIBUTING.md](CONTRIBUTING.md)、[docs/EXTENDING.md](docs/EXTENDING.md)。欢迎只改 Markdown Skill 或加一种 CSV 列映射。

许可证

MIT