shop-review-generator（商店评论生成器）

店铺点评生成器

任务目标

根据用户提供的店铺地址和菜品照片，生成符合大众点评/高德扫街榜风格的高质量结构化点评。点评需要基于真实照片分析和网络搜索到的店铺信息，做到真实、客观、有细节感。

前置准备

• 需要网络搜索能力（web search）来获取店铺信息和历史评价
• 需要图片识别能力来分析菜品照片
• HEIC 图片处理能力（详见下方降级机制）

操作步骤

步骤1：收集用户输入

确认用户提供了以下信息：

1. 店铺地址或链接（必需）

- 高德地图链接、大众点评链接，或店铺名称+城市 - 如果用户只给了店名，询问所在城市以便精确搜索

1. 菜品照片（必需）

- 至少 1 张菜品照片 - 环境照片（可选，用于环境描述）

如果缺少必需信息，礼貌地向用户索要。

步骤2：图片预处理（HEIC 降级机制）

用户提供的照片可能是 iPhone 拍摄的 HEIC 格式。不同模型对 HEIC 的支持不一致，因此需要一个降级处理流程：

处理策略（按优先级尝试）：

1. 直接识别：先尝试直接分析用户提供的原始图片。如果模型能正常识别 HEIC 格式，跳过转换直接进入菜品分析。

1. 脚本转换：如果直接识别失败（报错、无法解析、返回空白描述），使用本技能自带的转换脚本：

   python <skill-path>/scripts/convert_heic.py <图片路径或图片目录>

脚本会自动选择可用的转换工具（macOS sips → pillow-heif → ImageMagick），将 HEIC 转为 JPEG 后重新分析。

1. 手动转换提示：如果脚本也失败（缺少依赖），提示用户手动转换：

- macOS: sips -s format jpeg input.HEIC --out output.jpg - 或安装依赖: pip install pillow-heif Pillow - 或使用在线转换工具

关键点：不要一上来就要求用户转换格式，先试再说。只有在确认当前环境无法处理时才降级。

步骤3：分析菜品照片

使用视觉能力逐张分析用户提供的照片，提取以下信息：

对每张菜品照片识别：

• 菜品名称（初步判断，后续会校验）
• 视觉特征：颜色、摆盘方式、食材组成、分量感
• 烹饪方式推断：煎、炒、烤、蒸、炸、卤等
• 温度线索：是否有热气、冰霜、凝固状态等

对环境照片识别（如有）：

• 装修风格
• 座位布局
• 灯光氛围
• 整体卫生状况

将识别结果整理为结构化清单，供后续步骤使用。

重要：此步骤得到的菜品名称只是初步判断，不要直接用于最终点评。 纯靠看图猜菜名很容易出错（比如把"酸菜鱼"认成"水煮鱼"，把"糖醋里脊"认成"锅包肉"）。准确的菜品名称需要在步骤4搜索后交叉验证。

步骤4：搜索店铺信息和历史评价

这一步通过多个渠道获取店铺信息和菜品数据，确保菜品名称准确、评价有据可依。

4a. 高德 API 获取店铺基础信息

如果用户提供了高德地图链接或店铺名称，先用高德 API 获取准确的店铺信息：

# 从高德链接查询
python <skill-path>/scripts/amap_poi.py link "高德链接"

# 按店铺名+城市搜索
python <skill-path>/scripts/amap_poi.py search "店铺名" --city "城市"

从 API 返回中提取：

• 店铺准确名称（用于后续搜索，比用户口述的更准确）
• 详细地址（用于位置描述）
• 评分和人均消费
• 店铺类型（用于判断菜系）

如果用户提供的是大众点评链接，跳过这步，直接进入 4b。

4b. Web Search 搜索菜单和推荐菜

用 web search 工具搜索店铺菜单信息，这是获取准确菜品名称的关键步骤：

搜索查询（按顺序尝试，直到获取到菜品列表）：

1. "店铺名" 大众点评 推荐菜 — 大众点评的推荐菜列表通常会出现在搜索摘要中
2. "店铺名" 大众点评 菜单 — 获取更完整的菜单信息
3. "店铺名" 美团 菜单 — 美团也有菜品列表
4. "店铺名" 菜单 菜品 — 通用搜索兜底

从搜索结果中重点提取：

• 店铺的招牌菜/推荐菜名称列表
• 菜品的价格信息
• 用户提到的具体菜品名称（这些通常是菜单上的真实名称）

4c. 小红书探店笔记搜索

小红书的探店内容通常最详细、最接近真实体验，是口味评价的重要参考：

搜索查询：

1. "店铺名" 小红书 探店 — 获取探店笔记
2. "店铺名" 小红书 必点 — 获取推荐菜品
3. "店铺名" 小红书 测评 — 获取详细评价

从搜索结果中提取：

• 博主提到的具体菜品名称和口味描述
• 环境描述和拍照角度建议
• 人均消费和就餐体验
• 排队情况、服务评价等细节

4d. 菜品专项搜索

对照片中识别出的每道菜品，搜索该菜品在这家店的历史评价：

"店铺名" + "菜品名（步骤3识别的初步名称）"

这一步的目的：

• 确认菜品名称是否正确（搜索结果中可能出现该店的实际菜名）
• 获取其他食客对这道菜的口味评价
• 了解这道菜的价格和分量信息

核心原则：只通过搜索引擎获取摘要信息，绝不直接抓取大众点评、高德等平台页面。

步骤4.5：菜品名称交叉验证

这一步是确保菜品名称准确的关键环节，不可跳过。

验证流程：

1. 拿到搜索结果后，找出该店铺的菜单信息（大众点评的"推荐菜"、小红书笔记中提到的菜名等）
2. 将步骤3中照片识别出的菜品名称，与搜索到的菜单逐一比对：

- 照片识别为"红烧肉" + 菜单上有"毛氏红烧肉" → 用菜单上的名称"毛氏红烧肉" - 照片识别为"炒饭" + 菜单上有"扬州炒饭"和"蛋炒饭" → 根据照片中的食材进一步判断是哪个 - 照片识别为"鱼" + 菜单上有"酸菜鱼"、"水煮鱼"、"剁椒鱼头" → 根据照片中的配料、汤色、器皿判断

1. 如果菜单上找不到匹配项，再搜索 "店铺名" + "照片识别的菜品名" 确认
2. 实在无法确定时，使用照片中可见的食材描述（如"一道红烧鱼"），不要硬猜一个具体菜名

为什么这步很重要： 很多餐厅的菜品有自己的命名（比如"老板娘私房鸡"而不是"白切鸡"），直接用图片识别的通用名称会显得不真实，一看就不像去过这家店的人写的。

信息不足时的处理：

• 如果搜索结果很少，基于照片分析和餐厅类型常识进行合理推断
• 点评中只描述有依据的内容（照片可见 + 搜索到的信息），不编造细节
• 位置信息实在找不到时，可以写"具体位置见店铺主页"

步骤5：整合信息并生成点评

将照片分析结果和搜索到的信息整合，按照以下模板生成点评。

点评结构（严格遵循）：

#[标题]

位置: [地址信息]

环境: [环境描述]

口味:
[菜品1名称]：[评价]
[菜品2名称]：[评价]
[菜品3名称]：[评价]
...

各部分的详细规范见 references/review-format-spec.md。

生成要点：

1. 标题（15-20字）

- 概括餐厅最突出的 1-2 个特点 - 可提及：餐厅类型、经营年限、核心特色、口味特点

1. 位置（1句话）

- 优先使用搜索到的地址信息 - 包含关键定位信息（商圈、地铁、楼层等）

1. 环境（2-3句，不超过60字）

- 基于环境照片（如有）和搜索到的其他用户评价 - 涵盖：装修风格、座位布局、灯光氛围 - 没有环境照片时，主要参考其他用户评价，保持简短

1. 口味（每道菜 40-60字）

- 每道菜必须包含 5 个要素：视觉呈现、口感描述、味道层次、温度、推荐指数（⭐️格式） - 视觉呈现基于照片分析 - 口感和味道结合照片推断 + 搜索到的历史评价 - 推荐指数综合照片外观和历史评价给出

写作语气（非常重要）：

点评要像一个普通人随手写的，不是文案策划精心打磨的。以下是核心原则：

• 说人话：用日常口语，不要用书面语堆砌。"鸡肉挺嫩的，不柴" 比 "鸡肉嫩滑不柴，口感细腻" 好。
• 别全夸：真实的点评一定有好有坏，或者至少有"还行"的部分。全是夸赞一看就是假的。比如"味道还行但是量有点少"、"鱼挺新鲜的，就是刺多了点"。
• 少用四字成语：像"浓郁醇厚"、"鲜美可口"、"色泽诱人"这种四字词组是 AI 味的重灾区。换成大白话："味道挺浓的"、"闻着就香"、"看着就有食欲"。
• 可以有个人偏好：比如"我个人不太能吃辣，觉得有点过了"、"我比较喜欢这种咸甜口的"。
• 不要每道菜都五星：如果三道菜都给五星，可信度直接归零。正常人总有觉得一般的菜。
• 温度描述别刻意：不需要每道菜都强调温度，只在温度确实是亮点或槽点时提（比如"上菜很快，还是烫的"或"等太久了，都凉了"）。

正面示例（口语化、真实感）：

三杯鸡：鸡肉挺嫩的不柴，酱汁很香，锅底还在冒泡，趁热吃很过瘾 ⭐️⭐️⭐️⭐️⭐️
卤肉饭：肥瘦比例刚好，不会太腻，就是饭给的有点少 ⭐️⭐️⭐️⭐️
珍珠奶茶：珍珠挺Q弹的，甜度正好，中规中矩吧 ⭐️⭐️⭐️

反面示例（AI味、过度夸赞）：

❌ 三杯鸡：鸡肉嫩滑不柴，酱汁浓郁香醇，口感层次分明，温度恰到好处 ⭐️⭐️⭐️⭐️⭐️
❌ 卤肉饭：卤汁渗透米饭，肥瘦相间不腻人，咸甜适中，回味悠长 ⭐️⭐️⭐️⭐️⭐️
❌ 珍珠奶茶：珍珠Q弹有嚼劲，奶茶茶香浓郁，甜度适宜，清爽怡人 ⭐️⭐️⭐️⭐️⭐️

步骤6：自检与输出

生成点评后，执行以下检查：

格式检查：

• [ ] 标题在 15-20 字之间
• [ ] 环境描述不超过 60 字
• [ ] 每道菜品评价在 40-60 字之间
• [ ] 每道菜品包含视觉、口感、味道、温度、星级 5 个要素
• [ ] 星级使用 ⭐️ emoji 格式

内容检查：

• [ ] 没有编造照片中未出现的菜品
• [ ] 菜品名称与店铺菜单一致（经过步骤4.5交叉验证）
• [ ] 没有硬编码复制其他用户的评价原文
• [ ] 颜色、摆盘等视觉描述与照片一致
• [ ] 语言自然流畅，不像 AI 生成

风格检查（去 AI 味）：

• [ ] 没有连续使用两个以上四字成语/形容词（如"浓郁醇厚、鲜美可口"）
• [ ] 不是每道菜都给了高分（至少有一道 3-4 星）
• [ ] 有至少一处"不完美"的描述（量少、偏咸、等太久等）
• [ ] 读起来像朋友发在群里的推荐，不像广告文案
• [ ] 没有过度使用网络流行语

如果检查发现问题，修正后再输出最终版本。

常用口味词汇速查

生成点评时，优先使用右列的口语化表达，避免左列的"书面体"：

可以用的"不完美"表达（让点评更真实）：

• "量有点少"、"稍微有点咸了"、"等了挺久的"
• "中规中矩吧"、"没有特别惊艳"、"性价比一般"
• "我个人觉得偏甜了"、"不太能吃辣的慎点"

更完整的词汇表和格式规范见 references/review-format-spec.md。

注意事项

• HEIC 照片：先尝试直接识别，失败后用 scripts/convert_heic.py 自动转换，最后才提示用户手动处理
• 高德 API：用 scripts/amap_poi.py 获取店铺基础信息（名称、地址、评分），API Key 已内置在脚本中
• 搜索策略：只通过 web search 获取搜索引擎摘要，不直接抓取大众点评/高德页面
• 菜品名称：必须经过步骤4.5交叉验证，不能只靠图片识别
• 搜索不到店铺信息时，基于照片可见内容生成点评，不编造信息
• 点评星级是综合判断（照片外观 + 历史评价），不是随意给满分 — 4星是"很好"，5星是"极力推荐"
• 生成的点评应该像一个真实食客写的，避免 AI 味过重的措辞