摆摊创业全流程助手

概述

本技能是摆摊创业的一站式辅助工具，覆盖从选品到运营的全流程决策支持。 内置三大计算引擎（品类匹配器、利润精算器、选址评估器）和一个完整HTML报告生成器。

核心能力

工作流程

阶段一：需求理解（交互式问答）

当用户触发本技能时，通过以下问题收集用户画像。根据用户初始输入的完整程度，灵活跳过已有信息的问题。

必问核心信息（按优先级）：

1. 启动预算多少？（如: 500元 / 1000元 / 3000元 / 5000元+）
2. 所在城市等级？（一线/新一线/二线/三线/四线）
3. 摆摊经验？（新手/有经验/老手）
4. 偏好品类方向？（美食/饮品/文创/日用/儿童玩具/不限）
5. 是否已有意向选址？（有/没有/有几个备选）

可选深入信息：

• 计划出摊时段（早市/午市/夜市/全天）
• 是否偏好低竞争蓝海品类
• 是否有特色技能（烹饪/手作/设计等）

重要: 不要一次性抛出所有问题。先问核心信息，根据用户回答再深入。用户若说"随便"或"不确定"，使用默认值（预算1000元/二线城市/新手/不限品类）继续。

阶段二：品类推荐

使用 scripts/product_matcher.py 进行智能匹配：

python scripts/product_matcher.py 
  --budget <用户预算> 
  --city-type "<城市等级>" 
  --season auto 
  --experience "<经验水平>" 
  --category "<偏好品类或留空>" 
  --json

若用户偏好低竞争品类，添加 --low-comp 参数。

从中获取JSON结果，提取 top 6 推荐品类，向用户展示并请其选择最有兴趣的 1-2 个品类深入分析。

展示格式：用表格形式呈现，包含排名、品类名、启动成本、毛利率、日流水预估、综合评分。

阶段三：利润精算

用户选定品类后，根据品类参考数据（references/product_catalog.md）获取该品类的典型数据，与用户确认或调整后，运行利润计算：

python scripts/profit_calculator.py 
  --revenue <日均营业额预估> 
  --food-cost <日均食材成本> 
  --rent <日均摊位费> 
  --equipment <设备总投资> 
  --equipment-days 180 
  --loss-rate 0.05 
  --working-days 26 
  --json

参数设置指引：

• --revenue: 取品类日流水范围中值，或用户预期
• --food-cost: = revenue × (1 - 毛利率)，从品类数据取
• --rent: 询问用户摊位费，默认可设30-50元/天
• --equipment: 取品类启动预算
• --loss-rate: 食品类5-8%，百货类2-3%

展示结果包含：日/月/年利润、利润率、成本结构、盈亏平衡点、回本周期、健康度评级、优化建议。

阶段四：选址评估

参考 references/location_factors.md 的5维评分体系，引导用户评估选址：

若用户已有选址 → 逐项询问5个维度得分 (2/4/6/8/10)：

1. 人流量密度: 日均人流量？(极高10 / 高8 / 中6 / 低4 / 极低2)
2. 目标客群匹配度: 与品类的匹配程度？(完美10 - 不匹配2)
3. 竞品密度: 500米内同类摊位数量？(零竞品10 - 极度饱和2)
4. 交通可达性: 到最近地铁/公交距离？(极佳10 - 很差2)
5. 经营成本: 日摊位费多少？(免费10 - >100元2)

运行评估器：

python scripts/location_scorer.py 
  --traffic <得分> --match <得分> --competition <得分> 
  --access <得分> --cost <得分> --json

展示总分、评级（A-E）、各维度详情、行动建议。

若用户有多个备选位置 → 逐个评估后自动对比，推荐最优选址。

若用户没有选址 → 根据品类类型，参考 references/location_factors.md 的"场景化选址速查"表，给出针对性选址建议。

阶段五：天气应对策略

根据当前季节和品类特点，生成天气应对建议：

• 雨季应对: 防雨棚准备、防水设备、线上私域接单
• 高温应对: 冷饮/冰品切换、遮阳伞、缩短出摊时间
• 寒冬应对: 保暖设备、热饮/热食切换、保温包装
• 极端天气: 停摊预案、社群通知模板

无需单独运行脚本，直接基于品类和季节生成。

阶段六：痛点预检清单

参考 references/pain_points_guide.md，为用户生成个性化出摊前检查清单，标注 P0/P1/P2 优先级：

阶段七：生成综合决策报告

汇总所有阶段数据，构建JSON数据并调用报告生成器：

python scripts/report_generator.py 
  --output <输出路径>/baitan_report.html 
  --data '<完整JSON数据>'

JSON数据结构示例：

{
  "user_profile": {"budget": 1000, "city_type": "二线", "season": "夏季", "experience": "新手"},
  "products": [{"name": "手打柠檬茶", "category": "美食饮品", "overall_score": 85, ...}],
  "profit": {"daily": {...}, "monthly": {...}, "breakeven": {...}, "assessment": {...}},
  "location": {"total_score": 72, "grade": "B - 优质选址", ...},
  "weather_tips": [{"condition": "雨天", "icon": "🌧️", "advice": "..."}],
  "competitor_analysis": {"nearby_competitors": [...], "strategy": "..."},
  "pain_point_checklist": [
    {"label": "选址客群匹配验证", "severity": "P0", "checked": false}
  ],
  "final_recommendation": {
    "recommendations": [
      {"title": "推荐品类", "description": "..."},
      {"title": "首周行动计划", "description": "..."}
    ],
    "motivation": "..."
  }
}

报告生成后，使用 present_files 展示HTML报告给用户。

默认参数速查

当用户说"随便"或不确定时，使用以下默认值：

脚本运行环境

所有Python脚本要求在技能目录的父级项目路径下运行。由于脚本输出含Emoji/中文，Windows环境必须设置 PYTHONIOENCODING=utf-8：

PYTHONIOENCODING=utf-8 python /scripts/xxx.py 

推荐使用 C:/Users/PC/.workbuddy/binaries/python/versions/3.13.12/python.exe 作为Python解释器。运行前确保工作目录正确。

交付物

完成全部流程后，必须交付：

1. 交互式HTML决策报告（present_files 展示）
2. 品类推荐清单（含评分排名）
3. 利润精算结果（含优化建议）
4. 选址评分与建议
5. 出摊前检查清单

注意事项

• 所有利润/成本数据为2025年市场调研参考值，实际需结合当地情况调整
• 选址评分仅供参考，强烈建议实地考察≥3天后再决策
• 首次出摊建议从500元以下品类试水，降低试错成本
• 合规经营非常重要：先确认当地城管/物业政策再投入设备