treebuy-best-present（树买最好的礼物）

treebuy-best-present

PREREQUISITE: Read ../treebuy-shared/SKILL.md for installation, authentication, and security rules.

依一句話描述，從小樹購（treebuy.com）找出類別多樣的合適禮物。

安裝

npx skills add https://github.com/nandemo-agent/treebuy-cli --skill treebuy-best-present

Agent Workflow

Step 1 — 分析用戶描述

從用戶描述解析：

• 對象：媽媽、男友、同事、朋友…
• 場合：生日、母親節、婚禮、過年…
• 喜好/興趣：咖啡、登山、美妝…
• 預算：明確金額 or 從描述推測

Step 1.5 — 關係敏感情境檢查（必做）

若描述包含以下語境（例如：減肥、體重、身材、健康焦慮），先套用「低壓力送禮原則」：

1. 優先推薦支持型禮物：舒壓、睡眠、補水、健康飲食工具、日常陪伴感。
2. 避免羞辱感禮物：除非用戶明確指定，避免把「體脂秤、減脂課程、塑身工具」放在首選。
3. 文案避免評價外貌：不要使用「該瘦了、控制身材」等語句。
4. 給選擇，不下指令：用「可以考慮」而不是「你應該買」。

目標：讓禮物傳達「支持與陪伴」，不是「被要求改變」。

Step 2 — 組出搜尋關鍵字（agent 自行思考）

生成 5–8 組不重疊類別的繁中搜尋關鍵字，確保涵蓋多種面向：

類別不要重疊，讓推薦結果多樣。

Step 3 — 呼叫 CLI

treebuy-cli best-present "<用戶原始描述>" \
  --keywords "<kw1>,<kw2>,<kw3>,..." \
  --budget <number> \
  --count <number> \
  --json

旗標說明：

Step 4 — 輸出規範（user-facing 回覆）

MUST 每筆推薦包含以下資訊：

SHOULD：sku 置於次要資訊，不作為回覆主體。

✅ Good response

1. 光影香氛蠟燭（NT$ 499）
   送媽媽的母親節禮物，溫暖氛圍感十足，適合居家放鬆。
   👉 https://treebuy.com/product/S251021874L1

2. 棉質絲巾（NT$ 580）
   實用又有質感，媽媽日常搭配或外出都適合。
   👉 https://treebuy.com/product/S23020356755

❌ Bad response

1. SKU: S251021874L1, price: 499, category: 119
2. S23020356755 - 棉質絲巾 - 580元

Step 5 — agent 自行補上 reason

CLI 輸出的 recommendations[] 不含 reason，由 agent 根據以下資訊生成：

• 用戶的原始描述（對象/場合/喜好）
• 商品的 name、brand、selling_price
• 來源 source_keyword（反映搜尋意圖）

reason 撰寫原則：

• 繁中，≤ 30 字
• 明確連結用戶需求（「送媽媽」「適合登山」「婚禮伴手禮」）
• 不要空泛（避免「品質不錯」「值得購買」）

完整範例

# 範例 1：母親節禮物
treebuy-cli best-present "我想送我媽一個母親節禮物，預算 1000" \
  --keywords "保養品,香氛蠟燭,茶葉禮盒,按摩器,限定禮盒" \
  --budget 1000 --count 5 --json

# 範例 2：登山愛好者
treebuy-cli best-present "朋友喜歡登山，預算 2000" \
  --keywords "登山背包,保溫水壺,運動襪,能量補給,登山帽" \
  --budget 2000 --json

# 範例 3：只看 name/price/url
treebuy-cli best-present "送同事禮物 500 元以內" \
  --keywords "馬克杯,茶葉,零食禮盒,文具,手帕" \
  --budget 500 --fields name,selling_price,product_url --ndjson

推薦排序策略（建議）

預設可用以下權重排序候選商品：

• fit_to_context（是否符合對象/場合）：40%
• emotional_safety（是否低壓力、無羞辱感）：30%
• price_fit（是否貼近預算）：20%
• novelty（是否有驚喜感）：10%

若是「親密關係 + 健康/身材」情境，將 emotional_safety 提高至 45%。

錯誤處理

• --keywords 驗證失敗 → stderr + exit 1（不 silently fallback）
• 找不到符合預算的商品 → stderr + exit 1
• 單一 keyword 搜尋失敗 → 跳過（不影響其他 keyword）

Output Fields 參考

recommendations[] 的可用欄位（供 --fields 篩選）：