把客户反馈整理为结构化结果
原始指令要求模型归类、分析、回复或排序评论反馈，而不是把每条评论当作孤立案例。
中级Alireza Rezvani
研究资料总结
研究资料总结是一项可在 Alireza Rezvani 中使用的电商 AI Skill，适合 Codex、Claude Code、OpenClaw 运营人员。它可以帮助你你正在承接反复出现的售前或售后咨询。当前最值得先解决的是：把研究整理成带引用、比较和质量评估的结构化简报…
- 浏览量
- 0
- 安装
- 0
- 收藏
- 0
这个 Skill 是做什么的
你正在承接反复出现的售前或售后咨询。当前最值得先解决的是：把研究整理成带引用、比较和质量评估的结构化简报；将论文整理成产品团队可用的执行摘要。先从这组事实开始，再把团队时间留给需要判断的订单、关系和例外。先围绕“把研究整理成带引用、比较和质量评估的结构化简报”完成一个小范围测试，再检查“将论文整理成产品团队可用的执行摘要”是否适合你的日常流程。
它有什么特色
使用前的特殊要求
Python 运行环境
原始指令包含 Python 命令或脚本；使用该部分流程需要兼容的本地 Python 环境。
无需安装，直接使用
复制到大模型对话框使用
- 展开并复制下方完整原始 Skill.md。
- 打开兼容大模型的新对话，并粘贴到对话框中。
- 补充完整的任务资料，先运行一个低风险示例；确认结果后再用于店铺运营。
原始 Skill.md
下方显示完整原文，可从右上角复制使用。
You are a Research Summarizer. Process provided documents—no web search needed. Three workflows: (1) Single-source: identify type (academic→IMRAD, article→claim-evidence, report→executive). Use format_summary.py --template <type> to scaffold, then fill Key Thesis, Findings with evidence, Methodology, Limitations, Takeaways, Quotes. (2) Multi-source: summarize each, build comparison matrix, synthesize agreements/disagreements, produce consensus findings with weight-of-evidence. (3) Citation extraction: run extract_citations.py, format in APA/IEEE/Chicago/Harvard/MLA. Rate every source on Credibility, Evidence, Recency, Objectivity. Never invent metadata—mark missing as 'not stated'. Flag sources >5yr old in fast-moving fields.开始使用
以下是主要功能的用例提示词，可以直接复制使用。
01先限定一个真实任务
不要从整店上线开始。先选一个可以撤销的任务，用 研究资料总结 尝试处理客户问题、留存信号和后续跟进。 当你需要达到这个检查标准时使用：已经写清输入范围、负责人，以及解决质量、重开率、响应时间和客户满意度中的一个主要判断指标。
查看 Prompt 和变量收起 Prompt 和变量
先限定一个真实任务
不要从整店上线开始。先选一个可以撤销的任务，用 研究资料总结 尝试处理客户问题、留存信号和后续跟进。 当你需要达到这个检查标准时使用：已经写清输入范围、负责人，以及解决质量、重开率、响应时间和客户满意度中的一个主要判断指标。
请使用上方 Skill协助我完成这项任务：先限定一个真实任务。
任务资料：[TASK_DETAILS]
需要遵守的限制或政策：[CONSTRAINTS]
不要从整店上线开始。先选一个可以撤销的任务，用 研究资料总结 尝试处理客户问题、留存信号和后续跟进。
请给出可执行的结果，并明确标注仍需要人工审核的内容。需要替换的变量
[TASK_DETAILS]- 本次任务所需的事实、背景或原始材料。
[CONSTRAINTS]- 请用已经确认的店铺实际信息替换这个占位符。
02整理输入和安全边界
只准备本次需要的现行政策、代表性对话、订单背景和升级规则。删除无关个人信息，并写清哪些动作不能自动执行。 当你需要达到这个检查标准时使用：输入有明确来源，敏感字段已最小化，审批人知道试验会读取或修改什么。
查看 Prompt 和变量收起 Prompt 和变量
整理输入和安全边界
只准备本次需要的现行政策、代表性对话、订单背景和升级规则。删除无关个人信息，并写清哪些动作不能自动执行。 当你需要达到这个检查标准时使用：输入有明确来源，敏感字段已最小化，审批人知道试验会读取或修改什么。
请使用上方 Skill协助我完成这项任务：整理输入和安全边界。
任务资料：[TASK_DETAILS]
需要遵守的限制或政策：[CONSTRAINTS]
只准备本次需要的现行政策、代表性对话、订单背景和升级规则。删除无关个人信息，并写清哪些动作不能自动执行。
请给出可执行的结果，并明确标注仍需要人工审核的内容。需要替换的变量
[TASK_DETAILS]- 本次任务所需的事实、背景或原始材料。
[CONSTRAINTS]- 请用已经确认的店铺实际信息替换这个占位符。
03核对原始 Skill 后运行
先阅读来源、安装方式和权限说明，再把 研究资料总结 放入单独的测试项目；命令和 Skill 正文保持来源原文。 当你需要达到这个检查标准时使用：已经得到一份可人工检查的客服或留存工作流，且没有越过批准范围。
查看 Prompt 和变量收起 Prompt 和变量
核对原始 Skill 后运行
先阅读来源、安装方式和权限说明，再把 研究资料总结 放入单独的测试项目；命令和 Skill 正文保持来源原文。 当你需要达到这个检查标准时使用：已经得到一份可人工检查的客服或留存工作流，且没有越过批准范围。
请使用上方 Skill协助我完成这项任务：核对原始 Skill 后运行。
任务资料：[TASK_DETAILS]
需要遵守的限制或政策：[CONSTRAINTS]
先阅读来源、安装方式和权限说明，再把 研究资料总结 放入单独的测试项目；命令和 Skill 正文保持来源原文。
请给出可执行的结果，并明确标注仍需要人工审核的内容。需要替换的变量
[TASK_DETAILS]- 本次任务所需的事实、背景或原始材料。
[CONSTRAINTS]- 请用已经确认的店铺实际信息替换这个占位符。
04对照基线逐项复核
不要只看结果是否流畅。把输出与原始数据、现有 SOP 和历史基线对照，记录事实错误、漏项和人工修改时间。 当你需要达到这个检查标准时使用：解决质量、重开率、响应时间和客户满意度有测试前基线，错误和例外也有单独记录。
查看 Prompt 和变量收起 Prompt 和变量
对照基线逐项复核
不要只看结果是否流畅。把输出与原始数据、现有 SOP 和历史基线对照，记录事实错误、漏项和人工修改时间。 当你需要达到这个检查标准时使用：解决质量、重开率、响应时间和客户满意度有测试前基线，错误和例外也有单独记录。
请使用上方 Skill协助我完成这项任务：对照基线逐项复核。
任务资料：[TASK_DETAILS]
需要遵守的限制或政策：[CONSTRAINTS]
不要只看结果是否流畅。把输出与原始数据、现有 SOP 和历史基线对照，记录事实错误、漏项和人工修改时间。
请给出可执行的结果，并明确标注仍需要人工审核的内容。需要替换的变量
[TASK_DETAILS]- 本次任务所需的事实、背景或原始材料。
[CONSTRAINTS]- 请用已经确认的店铺实际信息替换这个占位符。
风险与使用注意事项
所有卖点必须对应明确的商品事实
当原始指令生成营销或商品内容时，发布前应把规格、对比、性能主张和用户证言逐项与已批准证据核对。
把评论规律当作待验证的假设
原始指令可以归类并排序反馈，但重复出现的表述不等于已经证明商品缺陷或客户普遍偏好。修改商品、政策或活动前，应回看原始样本。
Alireza Rezvani
HealthTech CTO 与开源维护者，关注应用型 AI、Agent 编程，以及面向产品、研究、增长和运营团队的实用 Skills。
风险、权限与限制
在提供店铺数据前检查第三方平台的权限范围。不要将支付凭证、客户密码或不必要的个人数据粘贴到模型中。输出必须由负责该业务流程的人员检查。
内容核验日期：
暂无评论。