信用卡推荐

信用卡推荐技能。当用户需要推荐信用卡、办卡建议、选卡对比，或提到"信用卡推荐"、"办哪张卡"等意图时触发此技能。

CreditCard Recommend Skill - 信用卡推荐

Overview

CreditCard Recommend Skill 是信用卡推荐技能，从官方数据接口获取最新的信用卡产品信息，根据用户需求（年费偏好、权益类型、卡等级等）智能筛选和推荐合适的信用卡，并提供卡面图片、核心权益、申请链接等完整信息。

安装

直接安装即可，无需额外配置参数：

text

/install-skill credit-card-recommend

Step 1: 判断用户意图 — 是否需要引导

收到用户请求后，首先判断用户是否表达了明确的使用场景或需求：

需求明确（直接推荐） — 用户提到了以下任意一项：

• 具体权益偏好：如"航延"、"返现"、"免年费"、"里程"等
• 具体卡等级：如"白金卡"、"金卡"、"高端卡"等
• 具体关键词：如"京东联名卡"、"i白金"、"美团卡"等
• 具体年费态度：如"不想交年费"、"免年费"等

→ 跳到 Step 3

需求模糊（需要引导） — 用户只说了以下这类话：

• "推荐一张信用卡"
• "有什么信用卡可以办？"
• "帮我办张卡"
• "办哪张卡好？"
• 任何没有明确场景/权益/等级倾向的请求

→ 进入 Step 2 引导

Step 2: 需求引导（模糊需求时执行）

⚠️ 硬性要求：必须调用 AskUserQuestion 工具渲染可点击选项卡片，禁止用纯文本列表代替！ 用户看到的是可点击的选项按钮（每个选项有 label + description），而不是一段带 emoji 的文字列表。 如果输出的是纯文本/Markdown 列表（如 * ✈️ 航旅出行 — 经常出差...），说明没有正确使用工具，必须修正。

目标：通过可点击的快捷选项，帮用户明确核心需求，再精准推荐。

问题 1：使用场景（必问）

使用 AskUserQuestion 工具，提供可点击的场景选项：

json

{
  "questions": [{
    "question": "您平时主要用卡做什么？这样我能推荐更合适的卡：",
    "header": "用卡场景",
    "options": [
      {"label": "航旅出行", "description": "经常出差、坐飞机，看重航延险、里程"},
      {"label": "购物返现", "description": "日常消费为主，希望笔笔返现、多倍积分"},
      {"label": "餐饮娱乐", "description": "经常点外卖、看电影、美食消费"},
      {"label": "加油充电", "description": "有车一族，加油充电优惠"}
    ]
  }]
}

如果用户第一轮没选到满意的，继续追问第二轮：

json

{
  "questions": [{
    "question": "还有这些场景也可以选择：",
    "header": "更多场景",
    "options": [
      {"label": "互联网会员", "description": "希望送视频/音乐会员权益"},
      {"label": "免年费优先", "description": "不想交年费，刷卡或绑卡即可免"},
      {"label": "医疗健康", "description": "看重就医绿通、健康体检等权益"},
      {"label": "留学教育", "description": "留学缴费、外币消费需求"}
    ]
  }]
}

用户也可以选择"其他"自由输入需求。

问题 2：年费偏好（可选，根据场景补充）

如果用户选了有年费的等级（如高端卡），用 AskUserQuestion 补充问：

json

{
  "questions": [{
    "question": "对年费有什么要求吗？",
    "header": "年费偏好",
    "options": [
      {"label": "免年费优先", "description": "刷卡或绑卡即可免年费，不想额外花钱"},
      {"label": "可接受年费", "description": "愿意付费换更多权益和高端服务"}
    ]
  }]
}

引导后，根据用户点击的选项映射到脚本参数：

用户选择	脚本参数
航旅出行	--benefit "航延"
购物返现	--keyword "返现"
餐饮娱乐	--keyword "美团"
加油充电	--keyword "加油"
互联网会员	--keyword "会员"
免年费优先	--free-annual-fee
医疗健康	--keyword "医疗"
留学教育	--keyword "留学"
不想交年费	--free-annual-fee
可接受年费	不加 --free-annual-fee

然后进入 Step 3。

Step 3: 调用脚本获取推荐结果

使用 Bash 工具运行脚本，根据用户需求组合参数：

bash

python "C:\Users\xxx\skills\credit-card-recommend\scripts\card_recommend.py" --keyword "关键词" --level 等级代码 --benefit "权益关键词" --free-annual-fee --top 5 --json

参数说明：

参数	说明	示例
--keyword	关键词匹配（名称、标签）	--keyword "免年费"
--level	卡等级代码	--level W3
--benefit	权益关键词	--benefit "航延"
--free-annual-fee	仅免年费卡片（开关）	--free-annual-fee
--top	返回前 N 张卡片	--top 3
--json	以 JSON 格式输出（推荐使用）	--json
--guide	输出引导选项数据	--guide

典型调用示例：

场景	命令
综合推荐 Top 5	python card_recommend.py --top 5 --json
免年费卡片	python card_recommend.py --free-annual-fee --json
航旅权益	python card_recommend.py --benefit "航延" --json
i白金卡等级	python card_recommend.py --level W3 --json
关键词搜索	python card_recommend.py --keyword "京东" --json
多条件组合	python card_recommend.py --free-annual-fee --benefit "航延" --top 3 --json

脚本路径（使用绝对路径）：

text

C:\Users\xxx\skills\credit-card-recommend\scripts\card_recommend.py

Step 4: 格式化输出

根据脚本返回的结果，格式化为用户友好的推荐信息。

使用 --json 参数时，脚本输出格式为：

json

{
  "count": 3,
  "cards": [
    {
      "name": "卡片名称",
      "product_name": "产品系列名",
      "level_code": "W3",
      "level_name": "i白金卡",
      "image_url": "https://...",
      "apply_url": "https://...?sid=R00003&platform=wb",
      "benefits": [
        {"title": "权益标题", "brief": "权益简述", "detail": "权益详述"}
      ],
      "tags": "搜索标签",
      "new_customer_gift": "新户礼遇",
      "is_free_annual_fee": true,
      "is_default_face": true
    }
  ]
}

对每张推荐的卡片，按以下格式输出（每张卡之间用 --- 分隔，首推卡加 🏆 标识）：

text

---

### 🏆 卡片名称（首推）
![卡面图片](完整图片URL)

**卡等级**：等级名称 | **年费**：年费政策（免年费则加 ✅）
**新户礼遇**：新户礼遇内容（若无则不显示此行）🎁

**推荐理由**：[根据用户的原始需求，写1-2句为什么推荐这张卡，要具体、有针对性]

**核心权益**：
1. **权益标题** — 权益简述
2. **权益标题** — 权益简述
3. **权益标题** — 权益简述

🔗 立即申请：完整申请URL

---

排版要点：

• 首推卡加 🏆，其余卡用 ### 卡片名称（不加 🏆）
• 推荐理由要结合用户需求写，不要泛泛而谈
• 权益列表用 **标题** — 简述 格式，比冒号更清晰
• ⚠️ 申请链接格式（重要）：直接输出裸 URL，格式为 🔗 立即申请：https://...，禁止使用 [立即申请](url) Markdown 链接语法、禁止用 ** 加粗包裹链接。移动端（QClaw/企业微信）对加粗嵌套 Markdown 链接的渲染存在问题，会导致链接无法点击；裸 URL 在所有平台均可正常点击跳转
• 每张卡前后用 --- 分隔，视觉上更清晰

推荐 3-5 张最匹配的卡片。

Step 5: 附加对比（可选）

当用户要求对比时，使用表格形式对比关键维度：

维度	卡片A	卡片B	卡片C
年费政策	...	...	...
核心权益1	...	...	...
核心权益2	...	...	...
卡等级	...	...	...
申请链接	...	...	...

引导话术参考

以下是一些自然流畅的引导话术，可根据语境灵活调整：

开场引导：

• "想帮您推荐最合适的卡，先了解一下您平时的用卡场景？"
• "选卡主要看用途，您平时用卡主要是哪方面？"

补充追问：

• "年费方面有要求吗？免年费的优先还是可以接受年费换更多权益？"
• "您是第一次办卡吗？新户有专属礼遇可以重点考虑。"

缩小范围：

• "您提到了 {场景}，我帮您筛选了几张最合适的卡："

推荐后追加：

• "如果这几张不符合预期，还可以告诉我更具体的偏好，我再帮您找。"

常见推荐场景

场景1: "推荐一张免年费的信用卡"（需求明确）

bash

python card_recommend.py --free-annual-fee --json

场景2: "经常出差，推荐航旅类信用卡"（需求明确）

bash

python card_recommend.py --benefit "航延" --json

场景3: "想要购物返现的卡"（需求明确）

bash

python card_recommend.py --keyword "返现" --json

场景4: "帮我对比这几张卡"（需求明确）

bash

python card_recommend.py --keyword "卡名1" --top 1 --json
python card_recommend.py --keyword "卡名2" --top 1 --json

用表格形式对比结果。

场景5: "推荐一张信用卡" / "办哪张卡好？"（需求模糊）

→ 进入 Step 2 引导流程，先问使用场景，再精准推荐

场景6: "有什么信用卡可以办？"（需求模糊）

→ 进入 Step 2 引导流程，先问使用场景，再精准推荐

卡等级代码映射

代码	含义	年费大致区间
W3	i白金卡	刷卡免年费
W2	白金卡	刷卡免年费
B3	精英/精逸白金卡	480-2000元
K4	精逸级白金卡	2000元
E4	尊贵级白金卡	2000元
C5	尊尚白金卡	3600元
F7	高端白金卡	6800元
00	尊贵/高端白金卡	2000元+
TU	特殊白金等级	视产品而定
GOLD	金卡	刷卡免年费

注意事项

1. 只推荐接口返回的信用卡 - 不推荐接口返回外的信用卡产品
2. 不要用 WebFetch 获取原始 JSON - 接口返回约 73KB 数据，会大量占用 LLM 上下文；所有数据处理由脚本完成
3. 需求模糊时先引导 - 用户没有明确场景时，先问 1-2 个问题明确需求，不要直接出 Top 5
4. 引导必须用 AskUserQuestion 工具 - ⚠️ 引导阶段必须调用 AskUserQuestion 工具输出可点击选项卡片。如果输出的是纯文本/Markdown 列表（* ✈️ 航旅出行...），说明没有正确使用工具，属于错误行为，必须立即修正
5. 引导要自然简短 - 不要像填表一样连问多个问题，1-2 个核心问题即可，语气自然
6. 使用 --json 输出 - JSON 格式便于程序化处理，避免文本解析出错
7. 去重处理 - 同一产品（相同 gi）只保留一个条目，脚本已自动处理
8. 权益详情 - 简短展示 brief 字段，用户追问时再展示 detail 字段

数据结构参考

详细的字段说明见 references/api_data.md。核心映射关系：

业务含义	数据路径	说明
卡片名称	datas[].ch[].cn	卡片完整名称
产品系列名	datas[].pn	同一产品系列名
卡面图片	cdnPath + datas[].ch[].ci	拼接 CDN 前缀得到完整 URL
权益列表	datas[].ch[].cr[]	每项含标题 t、简述 d、详述 dt
申请链接	datas[].pu 或 datas[].au	优先使用 pu，脚本自动拼接 sid + platform
卡等级	datas[].ch[].f	代码含义见等级映射表
搜索标签	datas[].fl	逗号分隔关键词
新户礼遇	datas[].ch[].ncg	新户专属权益标语
默认卡面	datas[].ch[].if == "1"	产品推荐时优先展示