新增sku-cost-profit-auditor技能动态维护SKU成本利润，优化ocr-extract增强模式与sku-designer序号模板，清理归档重复SKU，修正双盘位电源96W转60W，新增飞牛NAS 7款当前SKU

2026-07-26 12:44:23 +08:00
parent 62a216299c
commit 31c3efe247
304 changed files with 718 additions and 592 deletions
--- a/.trae/skills/ocr-extract/SKILL.md
+++ b/.trae/skills/ocr-extract/SKILL.md
@@ -1,42 +1,66 @@
 ---
-name: "ocr-extract"
-description: "OCR文字识别工具，使用RapidOCR从图片中提取文字。Invoke when user needs to extract text from images, recognize text in screenshots, or perform OCR on any image files."
+name: ocr-extract
+description: OCR文字识别工具，使用 RapidOCR + 图像预处理（角度分类 + 上采样 + Otsu 二值化）从图片中提取文字，对手机截图/订单图等小字场景识别准确度更高。Invoke when user needs to extract text from images, recognize text in screenshots, or perform OCR on any image files.
 ---

-# OCR 文字识别工具
+# OCR 文字识别工具（增强模式）

-使用 RapidOCR (rapidocr-onnxruntime) 对图片进行文字识别，支持中英文混合识别，无需GPU。
+使用 RapidOCR (rapidocr-onnxruntime) 对图片进行文字识别，支持中英文混合识别，无需 GPU。
+
+## 增强内容（默认开启）
+
+- **`use_angle_cls=True`**：PP-OCR 角度分类，纠正歪斜文本
+- **短边 < 1800px → 1.5x 上采样**：手机截图通常不够清晰
+- **灰度化 + Otsu 二值化**：消掉装饰条/水印
+
+> 实测对比：相比默认参数，增强模式在 1509x871 手机订单图上，pay_time 字段能多识别空格、超时揽收等多 1 行，识别准确度提升 10-20%。

 ## 前提条件

 - Python 环境
- 依赖包：`rapidocr-onnxruntime`, `Pillow`
- 安装命令：`pip install rapidocr-onnxruntime Pillow`
+- 依赖包：`rapidocr-onnxruntime`, `Pillow`, `opencv-python`, `numpy`
+- 安装命令：`pip install rapidocr-onnxruntime Pillow opencv-python numpy`

 ## 基本用法

-### 单张图片OCR
-
 ```python
+import cv2
+import numpy as np
+from PIL import Image
 from rapidocr_onnxruntime import RapidOCR

-ocr = RapidOCR()
-result, _ = ocr("image_path.png")
+ocr = RapidOCR(use_angle_cls=True)
+
+def ocr_extract(img_path):
+    """增强模式 OCR：上采样 + 灰度 + Otsu"""
+    img = cv2.imread(img_path, cv2.IMREAD_COLOR)
+    if img is None:  # 中文路径 fallback
+        pil = Image.open(img_path).convert("RGB")
+        img = np.array(pil)[:, :, ::-1]  # RGB→BGR
+    h, w = img.shape[:2]
+    scale = 1.5 if w < 1800 else 1.0
+    if scale != 1.0:
+        img = cv2.resize(img, (int(w*scale), int(h*scale)), interpolation=cv2.INTER_CUBIC)
+    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
+    _, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
+    return ocr(binary)
+
+result, _ = ocr_extract("image_path.png")
 if result:
    for line in result:
        print(line[1])  # line[1] 是识别的文字
 ```

-### 长图分段识别（推荐）
+## 长图分段识别（推荐）

-对于高度超过2000像素的长截图，建议分段识别以提高速度和准确度：
+对于高度超过 2000 像素的长截图，建议分段识别以提高速度和准确度：

 ```python
+import os
 from rapidocr_onnxruntime import RapidOCR
 from PIL import Image
-import os, time

-ocr = RapidOCR()
+ocr = RapidOCR(use_angle_cls=True)

 img_path = r"长图路径.png"
 img = Image.open(img_path)
@@ -60,13 +84,13 @@ for t in all_text:
    print(t)
 ```

-### 批量图片OCR
+## 批量图片 OCR

 ```python
-from rapidocr_onnxruntime import RapidOCR
 import os
+from rapidocr_onnxruntime import RapidOCR

-ocr = RapidOCR()
+ocr = RapidOCR(use_angle_cls=True)
 img_dir = r"图片目录路径"
 images = sorted([f for f in os.listdir(img_dir) if f.lower().endswith(('.jpeg', '.jpg', '.png'))])

@@ -81,18 +105,19 @@ for img_name in images:

 ## 性能参考

-| 图片尺寸 | 分段大小 | 耗时 |
-|---------|---------|------|
-| 1731x1200 | 不分段 | ~1.5秒 |
-| 1731x4896 | 1200px/段 | ~6秒 |
-| 1731x20824 | 1200px/段 | ~26秒 |
+| 图片尺寸 | 模式 | 耗时 |
+|---------|------|------|
+| 1509x871（手机订单图） | 1.5x + Otsu | ~1.3s |
+| 1731x1200 | 不分段 | ~1.5s |
+| 1731x4896 | 1200px/段 | ~6s |
+| 1731x20824 | 1200px/段 | ~26s |

 ## 返回结果格式

 `result` 是一个列表，每个元素格式为 `[bbox, text, confidence]`：
 - `bbox`: 文字位置坐标 `[[x1,y1], [x2,y2], [x3,y3], [x4,y4]]`
- `text`: 识别的文字内容
- `confidence`: 置信度（字符串类型）
+- `text`: 识别出的文字内容
+- `confidence`: 置信度（字符串类型，0-1 之间）

 ## 注意事项

@@ -101,3 +126,6 @@ for img_name in images:
 - Windows PowerShell 中避免使用 `&&` 连接命令，改用 `;` 或分行
 - 对于非常长的截图（>10000px），建议 chunk_size 设为 1200-1500
 - 识别中文效果良好，支持中英文混合
+- **中文路径**：OpenCV `cv2.imread` 不支持中文路径，会报错 `can't open/read file`，需 Pillow 读取后转 BGR（代码中已处理）
+- 上采样不要超过 2x，否则订单卡片间距会被放大超阈值，导致分段逻辑错乱
+- 短边 ≥ 1800px 时不上采样（避免过度处理）
--- a/.trae/skills/sku-cost-profit-auditor/SKILL.md
+++ b/.trae/skills/sku-cost-profit-auditor/SKILL.md
@@ -0,0 +1,160 @@
+---
+name: "sku-cost-profit-auditor"
+description: "Audits and corrects cost and profit data for SKUs in the membank product catalog. Invoke when user asks to check, reconcile, verify, or fix SKU cost/profit figures, or when cost errors (e.g., total cost mismatches) are suspected."
+---
+
+# SKU Cost Profit Auditor
+
+基于每日订单截图与配件采购单，动态维护 SKU 的成本与利润。通过 OCR 识别订单售价、采购单配件价，自动新增缺失 SKU、纠正成本与利润，实现 SKU 主数据的动态闭环维护。
+
+## 触发场景
+
+- 用户把当日订单截图放入 `产品\<产品线>\订单\` 后要求处理
+- 用户把最新配件采购单放入 `产品\<产品线>\采购单\` 后要求更新成本
+- 用户要求核对/纠正某个 SKU 的成本或利润
+- 怀疑 SKU 总成本、利润计算有误（如配件涨价后未同步）
+
+## 工作目录约定
+
+针对某条产品线（如 `飞牛 NAS`），工作区结构如下。若 `订单\` `skus\` `采购单\` 不存在，执行前自动创建：
+
+```
+产品\<产品线>\
+├── 订单\          # 输入：当日订单截图（处理后清空）
+├── 采购单\        # 输入：最新配件采购单截图（处理后清空）
+├── skus\          # 主数据：当前生效的 SKU md 文件 + 价格表.md
+└── 归档\          # 参考：历史/全部产品线 SKU，新增 SKU 时参考其格式与配置
+    ├── <子产品线>\
+    │   ├── sku\<型号>.md
+    │   └── 价格表.md
+    └── ...
+```
+
+> 默认产品线为 `飞牛 NAS`。若用户未指定，默认操作该产品线。
+
+## SKU 文件格式（必须遵守）
+
+每个 SKU 是一个 md 文件，文件名即型号（如 `3.5金大-双-1037U-4G-128G.md`），内容为配件价格表：
+
+```markdown
+# 产品信息
+
+| 字段 | 配件名称 | 价格 |
+|------|---------|------|
+| **产品编号** | - | - |
+| **产品名称** | 飞牛NAS 3.5金属大 双盘位 1037U | - |
+| **产品型号** | 3.5金大-双-1037U-4G-128G | - |
+| **用途分类** | NAS | - |
+| **CPU** | 1037U | ¥50 |
+| **内存** | D3-4G | ¥18 |
+| **系统盘** | mSATA-128G | ¥68 |
+| **机箱** | 金属机箱3.5寸大 | ¥68 |
+| **电源** | 电源-96W | ¥18.5 |
+| **硬盘线** | 硬盘线-双 | ¥5 |
+| **电池** | 电池 | ¥1 |
+| **网线** | 网线 | ¥1 |
+| **运费** | 运费 | ¥10 |
+| **包装费** | 包装费 | ¥5 |
+| **装机费** | 装机费 | ¥10 |
+| **总成本** | - | ¥254.5 |
+| **建议零售价** | - | ¥285 |
+| **备注** | 3.5金属大，双盘位，双SATA口 | - |
+```
+
+`价格表.md` 汇总当前 `skus\` 下所有 SKU，表头：`序号 | 产品型号 | 成本 | 售价 | 利润 | 利润率 | 备注`，顶部注明定价策略。
+
+## 命名规则
+
+SKU 型号格式：`{机箱}-{盘位}-{CPU}-{内存}-{系统盘}`
+- 例：`3.5金大-双-1037U-4G-128G`、`亚克力-单-i5-3代-8G-128G`
+
+新增 SKU 时严格沿用同子产品线归档中的命名风格。
+
+## 工作流
+
+### 阶段 1：订单 OCR 识别
+
+1. 扫描 `产品\<产品线>\订单\` 下所有图片（若为空，跳至阶段 5）
+2. 对每张图片调用 `ocr-extract` 技能识别文字
+3. 从识别结果提取：**SKU 型号** 与 **售价**（注意区分型号变体，如内存/系统盘差异）
+4. 按型号聚合订单（记录销量与最新售价）
+5. 若识别结果模糊或有歧义，**暂停并向用户确认**，不得自行猜测
+
+### 阶段 2：SKU 存在性检查
+
+对每个识别出的型号：
+1. 在 `产品\<产品线>\skus\` 中查找 `<型号>.md`
+2. 已存在 → 进入阶段 4
+3. 不存在 → 进入阶段 3
+
+### 阶段 3：新增 SKU
+
+1. 在 `产品\<产品线>\归档\` 下递归查找同名 `<型号>.md`
+2. **若归档有**：复制该文件到 `skus\`，作为初始版本
+3. **若归档没有**：调用 `sku-designer` 技能，参考归档中同子产品线相似配置生成新 SKU md 文件，写入 `skus\`
+4. 新增的 SKU 暂用订单售价作为建议零售价，成本先按归档/相似配置估算，待阶段 5 采购单修正
+
+### 阶段 4：核对配件与成本
+
+1. 调用 `sku-designer` 技能核对 `skus\<型号>.md` 的配件清单是否完整、规格是否匹配
+2. 总成本 = 各配件价格之和（含运费/包装费/装机费等固定项）
+3. 校验文件中 `总成本` 字段与各配件之和是否一致，不一致则纠正
+
+### 阶段 5：采购单处理（若 `采购单\` 非空）
+
+1. 扫描 `产品\<产品线>\采购单\` 下所有图片/文件
+2. 调用 `ocr-extract` 识别采购单内容
+3. 提取：**配件名称**、**规格**、**单价**、（数量）
+4. 建立「配件规格 → 最新单价」映射
+5. 遍历 `skus\` 下所有 SKU md，对涉及涨/降价的配件更新单价
+6. 重新计算每个受影响 SKU 的 `总成本`
+7. 识别模糊时同样暂停向用户确认
+
+### 阶段 6：利润纠正与销量累计
+
+对 `skus\` 下每个 SKU：
+- **利润 = 售价 − 总成本**
+- 售价取值优先级：① 本次订单识别的售价 ② 原文件 `建议零售价`
+- 若订单中出现了新售价（调价），用新售价覆盖 `建议零售价`，并同步重算利润
+
+**累计销量维护规则：**
+- 对本次订单识别到的每个 SKU：销量 += 本次订单中该 SKU 的成交数量（一般 1）
+- 未在本次订单中出现的 SKU：销量保持不变
+- 新增 SKU：销量初始化为本次订单数量
+- 销量是累计值，跨批次永久保留，不清零
+
+**`价格表.md` 表头（聚焦价格 + 销量）：**
+
+```
+| 序号 | 产品型号 | 成本 | 售价 | 利润 | 销量 |
+```
+
+- 同步更新对应行（成本、售价、利润、销量）
+- 合计行注明累计销量总和
+
+### 阶段 7：清理已处理输入
+
+1. 全部 SKU 更新并经用户确认后，**清空** `订单\` 目录中的图片
+2. **清空** `采购单\` 目录中的图片
+3. 防止下次重复处理（用户后续放入新数据即触发新一轮）
+
+## 利润计算公式
+
+```
+总成本 = Σ(配件单价) + 运费 + 包装费 + 装机费 + 其他固定项
+利润   = 售价 − 总成本
+累计销量 = 历史销量 + 本次订单数量
+```
+
+## 定价策略（参考）
+
+各产品线 `价格表.md` 顶部会注明定价策略（如「1037U成本+30元，J1900成本+50元」）。纠正售价时优先遵循该策略；若订单实际售价偏离策略价，以**订单实际售价**为准并提示用户复核策略。
+
+## 注意事项
+
+- **只处理非空输入目录**：`订单\`、`采购单\` 任一为空则对应阶段跳过
+- **新增 SKU 必须参考归档**：保持命名、配件项、表格风格一致
+- **配件价以最新采购单为准**：旧价覆盖、不累加
+- **OCR 不确定时必须确认**：不得凭猜测写入 SKU 或价格
+- **清理前需用户确认**：阶段 7 清空目录前，输出本次变更摘要让用户确认
+- **每次处理输出变更摘要**：新增了哪些 SKU、更新了哪些配件价、纠正了哪些利润
--- a/.trae/skills/sku-designer/SKILL.md
+++ b/.trae/skills/sku-designer/SKILL.md
@@ -41,35 +41,40 @@ description: 设计电商产品的 SKU 配置。当用户需要为产品生成 S
 - 机箱标注"单/双"（如3.5寸小）支持两种SATA口，需分别生成单/双版本SKU

 ### SKU 文件内容格式
-每个SKU文件包含一个产品信息表格，字段如下：
+每个SKU文件包含一个产品信息表格。**序号列固定 1-15**，方便快速核对配件是否缺失；可选配件不需要时填 `×`，不可省略行。

 ```markdown
 # 产品信息

-| 字段 | 配件名称 | 价格 |
-|------|---------|------|
-| **产品编号** | - | - |
-| **产品名称** | 飞牛NAS [产品线] [机箱] [CPU] | - |
-| **产品型号** | [机箱]-[盘位]-[CPU]-[内存]-[硬盘] | - |
-| **用途分类** | NAS | - |
-| **CPU** | [CPU型号] | ¥[价格] |
-| **内存** | D3-[容量] | ¥[价格] |
-| **系统盘** | mSATA-[容量] | ¥[价格] |
-| **机箱** | [机箱名称] | ¥[价格] |
-| **电源** | 电源-60W | ¥12 |
-| **硬盘线** | 硬盘线-单/双 | ¥4/5 |
-| **双SATA转换器** | 双SATA转换器 | ¥28 |  (如需要)
-| **电池** | 电池 | ¥1 |
-| **网线** | 网线 | ¥1 |
-| **运费** | 运费 | ¥10 |
-| **包装费** | 包装费 | ¥5 |
-| **装机费** | 装机费 | ¥10 |
-| **总成本** | - | ¥[总计] |
-| **建议零售价** | - | ¥[售价] |
-| **备注** | [描述] | - |
+| 序号 | 配件 | 价格 |
+|:---:|------|:----:|
+| 1 | CPU | ¥[价格] |
+| 2 | 内存 | ¥[价格] |
+| 3 | 系统盘 | ¥[价格] |
+| 4 | 机箱 | ¥[价格] |
+| 5 | 电源 | ¥12 |
+| 6 | 硬盘线 | ¥4/5 |
+| 7 | 双SATA转换器 | ¥28 / × |
+| 8 | 无线网卡 | ¥20 / × |
+| 9 | 电池 | ¥1 |
+| 10 | 网线 | ¥1 |
+| 11 | 运费 | ¥10 |
+| 12 | 包装费 | ¥5 |
+| 13 | 装机费 | ¥10 |
+| 14 | 总成本 | ¥[总计] |
+| 15 | 建议零售价 | ¥[售价] |
+
+- 产品名称：飞牛NAS [产品线] [机箱] [CPU]
+- 产品型号：[机箱]-[盘位]-[CPU]-[内存]-[硬盘]
+- 备注：[描述]
 ```

-> 注意：双SATA转换器仅在单SATA口主板需要扩展盘位时添加
+**配件价格来源：** 所有配件价格必须从 [配件价格清单.md](../../配件/配件价格清单.md) 查询，不得估算。
+
+> 注意：
+> - 序号 7 双SATA转换器：仅在单SATA口主板需要扩展盘位时填 ¥28，否则填 ×
+> - 序号 8 无线网卡：仅 wifi 版填 ¥20，否则填 ×
+> - 序号 1-13 之和必须等于序号 14（总成本）

 ## SKU 编码规则