🎁 福利专区全网大模型免费应用 + 新用户福利 + 注册活动入口,低成本玩转 AI

电商小助手 pengzhou267-ai/dsh-shop-assistant

DeepSeek Harnessv0.1.0
pengzhou267-ai81 天前有提交已提供中文文档扫描:含敏感能力

批量生成差评回复、竞品文案并核算选品利润

30.6/100
综合分
1
GitHub 星标
250
npm 周下载
—/5
用户评分

数据截至 2026/10/8 · 周下载取自 npm 全网(含 CI / 镜像),非本站安装数;综合分由星标、活跃度与兼容性检查合成。

安装命令 · 需先装 dsh CLI 引擎
dsh plugin --profile web add dsh-shop-assistant
npm 源 · dsh-shop-assistant 的发布者账号已校验与本仓库一致

状态速览

判定依据:实装验证 · 静态安装检查 · 自动扫描 · 仓库维护状态
信任档位:已验证
是什么[目录]—
dsh 原生插件 · market
暂无时间戳·判据 →
装得上吗[实装验证]✓
本站已在 dsh 0.2.1-rc.2 下真实安装成功
非静态推断
L4 · 真实安装等级说明 →
数据截至 2026/10/25·判据 →
安全吗[自动扫描]—
本站尚未对该插件做风险分级
暂未覆盖,不等同于无风险
数据截至 2026/11/03·判据 →
还在维护吗[仓库]—
更新放缓:最近一次提交在 81 天前
暂无时间戳·判据 →
图例:✓ 通过! 需注意— 未判定 / 无数据· 「未判定」= 本站尚无数据,不代表插件有问题
档位由哪些信号合成

本站实装验证(真实安装 L4 覆盖全站;L5 为运行时冒烟或实机截图,覆盖范围小于 L4) · 验证所用 dsh 版本 · 静态安装检查 · 风险分级 · 仓库维护状态。 下方各区块是它的证据明细。

验证判据与等级说明 →

可信度证据

安装兼容性检查✓ 自动检查通过
展开查看检查明细 ↓

以下结论由程序自动检查 npm 包、engines 声明与入口文件得出,未做人工实机验证——能装不等于用着没问题。

✓npm 包dsh-shop-assistant @ 0.1.0
✓Node 引擎要求 ^22.19 || >=24 · 基线 Node 22.19 满足
✓dsh CLI 依赖未声明 dsh 版本约束
✓入口文件main/exports/bin 已声明

验证方式:npm registry 存在性 + package.json 静态校验 · 最后检查 2026/10/9 17:36:45

安全扫描自动 · 静态分析源码
v2.7.0
🔵 扫描:含敏感能力尚无人工评估
展开查看扫描说明与证据 ↓

静态扫描发现插件具备触达本地系统的能力:执行外部命令、读写/删除本地文件、读取剪贴板或密钥类环境变量(至少其一)。这是能力清单,不是危险判定——具体能力项与证据见下方,安装前请自行判断是否需要。

读写/删除本地文件发起外部网络请求
查看扫描证据(共 4 处,展示前 4 条)
  • 读取本地文件
    lib/index.js:56
    entries = readdirSync(skillsDir, { withFileTypes: true });
  • 读取本地文件
    lib/index.js:66
    const raw = readFileSync(join(skillsDir, ent.name, 'SKILL.md'), 'utf8');
  • 读取本地文件
    lib/tools/csv-preview.js:17
    const text = await readFile(abs, { encoding: 'utf8', signal: options.signal });
  • 发起网络请求
    lib/tools/page-snapshot.js:58
    const res = await fetch(parsed, {
扫描于 2026/11/3(1 天前) · 范围 入口闭包 + 全包扫描 · 来源 npm 发布包

静态扫描只反映源码中出现的调用,不构成安全背书;人工评估与自动扫描相互独立、互不覆盖。

社区实装还没有人打卡 · 装过的第一个就是你
依赖的 DSH / Cordis 模块
@deepseek-ai/cordis@deepseek-ai/dsh-skill@deepseek-ai/dsh-system-prompt@deepseek-ai/dsh-tools@deepseek-ai/schemastery
给这个插件打分还没有人投票↓
用户评分
还没有人投票,来当第一个

功能亮点

  • 批量回复评价
  • 生成竞品文案
  • 核算选品利润

DeepSeek Harness 电商插件:CSV 批量回复评价、可复现的商品评分、中文技能、店铺政策知识库。

0.1.12026-08-15
DeepSeek Harness 电商运营插件。 · 安装 dsh plugin --profile web add dsh-shop-assistant · 或 dsh plugin --profile web add github:pengzhou267-ai/dsh-shop-assistant · 亮点 · CSV 批量工具,带电商平台列适配器 · 可复现的利润 / 六维评分 · 中文技能 + 可替换的店铺政策知识库 · 声明 dsh.bundle,支持按配置档安装 · 资源 dsh-shop-assistant-0.1.1.tgz — 预构建包,供电商平台 / dsh plugin add 使用。
数据来自仓库的 GitHub Release,可能与插件实际版本不一致。

README

由 DeepSeek 最新模型翻译生成
dsh-shop-assistant(电商小助手) 面向电商店主 / 客服 / 运营(不用会写代码)。 不懂英文工具名也没关系,按下面案例一步步做即可。 一分钟搞懂 装上本插件后,在 DeepSeek Harness(dsh)的聊天窗口里,用自然语言就能办这三件事: 1. 批量回差评:把平台导出的评价表放进文件夹,一次生成多条可粘贴的回复,并遵守你店里的退货规则。 2. 对着竞品写上新文案:复制一个大家都能打开的商品链接,自动抓标题/价格线索,再写出多个标题、卖点和 FAQ。 3. 选品前算清赚不赚钱:报上成本、售价和大概行情分,用固定公式算出利润和建议(不是让 AI 随口估)。 它不是又一个「随便聊两句」的聊天框。相对「直接把内容粘贴给 ChatGPT / DeepSeek 网页」,优势是:整张表一起处理、退货口径统一、利润数字可复算、少复制粘贴。 安装 1. 本机先能运行 DeepSeek Harness(例如 npx @deepseek-ai/dsh web)。
展开完整文档(README 剩余 1 节)
dsh-shop-assistant(电商小助手)

面向电商店主 / 客服 / 运营(不用会写代码)。

不懂英文工具名也没关系,按下面案例一步步做即可。

一分钟搞懂

装上本插件后,在 DeepSeek Harness(dsh)的聊天窗口里,用自然语言就能办这三件事:

1. 批量回差评:把平台导出的评价表放进文件夹,一次生成多条可粘贴的回复,并遵守你店里的退货规则。
2. 对着竞品写上新文案:复制一个大家都能打开的商品链接,自动抓标题/价格线索,再写出多个标题、卖点和 FAQ。
3. 选品前算清赚不赚钱:报上成本、售价和大概行情分,用固定公式算出利润和建议(不是让 AI 随口估)。

它不是又一个「随便聊两句」的聊天框。相对「直接把内容粘贴给 ChatGPT / DeepSeek 网页」,优势是:整张表一起处理、退货口径统一、利润数字可复算、少复制粘贴。

安装

1. 本机先能运行 DeepSeek Harness(例如 npx @deepseek-ai/dsh web)。
2. 安装本插件(任选一种):

dsh plugin --profile web add dsh-shop-assistant
或
dsh plugin --profile web add github:pengzhou267-ai/dsh-shop-assistant

3. 重新打开 Web,或新开一次会话。
4. 打开 / 选择一个工作区文件夹(见下一节),再开始聊天。

使用前必读:文件放在哪?

「工作区」是什么?

就是你启动 dsh Web、开始聊天时选中的那个文件夹。
助手只能稳定读取这个文件夹里的表格和文档,不要指望它去翻你电脑上任意位置。

建议单独建一个文件夹,例如:

我的店铺资料/ ├── 评价.csv ← 平台导出的评价(你自己的表) ├── 售后政策.md ← 你家退换货规则(可先抄示例再改) └── (可选)商品.csv

想先试用、还没有自己的表?

把本插件仓库(或 npm 包解压后)里的示例拷进工作区也可以:

| 示例文件 | 用途 |
| examples/reviews.csv | 假评价表,练手「批量回差评」 |
| examples/products.csv | 假商品表 |
| examples/score-inputs.csv | 选品算账用的数字样例 |
| kb/sample/售后政策.md | 示例退换货规则(务必改成你家真实规则再正式用) |

表头长什么样、怎么换成自己的导出表,见 examples/README.zh.md。

案例 1:差评批量回复(几乎每天都会用)

你现在通常怎么干?

1. 打开淘宝 / 拼多多后台,一条条看差评。
2. 把文字复制到 ChatGPT / DeepSeek 网页。
3. 再说明一遍「我们 7 天无理由、运费险怎么算…」。
4. 把回复复制回后台。
评价一多,对话框塞不下;规则每次重讲,口径容易飘。

用本插件:准备什么?

1. 在后台导出评价(Excel / CSV 均可;若是 Excel,另存为 CSV UTF-8)。
2. 表头尽量包含这些列(名称可相近,见示例文件):

| 建议列 | 例子 |
| 订单号 | O1001 |
| 评分 / 星级 | 1、2、5 |
| 评价内容 | 物流太慢了… |
| 评价时间 | 2026-08-01 |
| SKU(可选) | SKU-红-M |

3. 把文件放进工作区,例如命名为 评价.csv。
4. 把退换货规则写进工作区里的 售后政策.md(可先复制 kb/sample/售后政策.md 再改字)。

逐步操作

1. 打开 dsh Web,工作区选中「我的店铺资料」这类文件夹。
2. 确认能看到 评价.csv 和 售后政策.md。
3. 在聊天框整段复制下面的提示词(把文件名改成你的即可)并发送:

工作区里有文件「评价.csv」和「售后政策.md」。

请用「读取评价表」的功能打开评价.csv(如果是淘宝/天猫常见导出列,按淘宝评价表来识别)。
不要让我把表格内容粘贴进聊天。

然后: 1)按差评原因分组(例如物流慢、色差、破损、尺码等); 2)每一组写出可直接复制到后台的回复; 3)严格遵守「售后政策.md」里的规则,不要承诺文件里没有的赔偿或服务。

(有经验的人会看到助手调用 shop_csv_preview 等工具——你不必手敲这些英文名。)

你会得到什么?

类似这样的分组结果(示意):

- 物流慢:若干条带订单号的礼貌回复(查单、致歉,不乱承诺)。
- 色差 / 破损 / 尺码:按你政策写退换、补发或引导私信订单号。

和传统做法对比

| | 直接问网页 AI | 用本插件 |
| 输入方式 | 一条条或一大段粘贴进对话框 | 整张 CSV 放在工作区里读 |
| 评价一多 | 容易超长、漏条 | 按整表处理 |
| 退货规则 | 每轮重新说明,容易忘 | 固定读 售后政策.md |
| 你要会的 | 会复制粘贴即可 | 会导出 CSV、会选工作区文件夹即可 |

案例 2:上新写标题 / 卖点 / FAQ(每周~大促)

你现在通常怎么干?

开好几个竞品详情页 → 手抄标题和卖点 → 再贴给 AI 润色。
又慢,又容易把价格抄错或让 AI 瞎编价格。

用本插件:准备什么?

1. 在普通浏览器打开买家也能看到的商品页(不要用必须登录的卖家后台地址)。
2. 从地址栏复制完整链接,例如 https://... 一长串。
3. 想好你自己的卖点、平台(淘宝 / 拼多多等)、有没有禁词——提示词里写清楚即可。

逐步操作

1. 打开 dsh 聊天(工作区任意店铺资料夹即可,本案例主要靠链接)。
2. 发送类似提示词(把链接换成真实的):

请先抓取下面这个【公开商品页】的信息(标题、描述摘要、页面上能看到的价格线索)。
不要要求我登录后台,也不要编造页面上没有的库存或活动。

链接: https://这里换成真实的公开商品链接

抓取完成后,请按「上新文案」流程输出: 1)标题候选 5 个(并大概说下字数); 2)五点卖点; 3)详情页大纲; 4)FAQ 5~8 条。
我们平台是淘宝,核心卖点是:……(自己补)。

白话说明:助手会先自动打开并摘要该网页(对应能力叫「抓取公开页」,英文工具名 shop_page_snapshot),再按内置的上新剧本写稿(剧本名 shop-listing)。你只要发中文说明和链接。

你会得到什么?

可直接改一改就用的标题列表、卖点、详情结构和 FAQ;价格相关表述应来自页面摘要,而不是凭空捏造。

和传统做法对比

| | 直接问网页 AI | 用本插件 |
| 竞品信息 | 你自己抄屏再粘贴 | 粘贴公开链接,自动抓摘要 |
| 价格 | 容易抄错或 AI 瞎编 | 优先用页面上的价格线索 |
| 步骤 | 多窗口来回切 | 一句提示词串起来 |

案例 3:选品前算账(每周~每月,决策重)

你现在通常怎么干?

用 Excel 估一估,或问 AI「成本 35 卖 99 能赚多少」。
AI 常把佣金、退货损耗随口报一个数,每次问可能不一样,不敢当真。

用本插件:准备什么?

准备这些数字(可先写在纸上或 Excel):

| 项目 | 含义 | 例子 |
| 成本 | 单件货本 | 35 |
| 售价 | 你打算卖的价 | 99 |
| 竞品价(可选) | 同类公开价 | 109 |
| 需求 | 1~5 分,越高越好卖 | 4 |
| 竞争 | 1~5 分,越高越卷 | 3 |
| 运营难度 | 1~5 分,越高越难做 | 2 |
| 风险 | 1~5 分,越高风险越大 | 2 |
| 时机 | 1~5 分,越高越适合现在上 | 4 |

也可以参考工作区里的 examples/score-inputs.csv。

逐步操作

1. 打开 dsh 聊天。
2. 发送:

请用「利润评分 / 选品算账」功能(固定公式,不要口头估算)计算下面这组数,并用中文说明:单位利润、毛利率、综合分,以及建议是「强烈建议上架 / 谨慎 / 不建议」。

成本 35,售价 99,竞品价 109;需求 4,竞争 3,运营难度 2,风险 2,时机 4。

说明:提示词里写「用利润评分功能」,是让助手自动走插件里的固定公式(内部工具名 shop_product_score)。你不需要记住或手打英文函数名。

你会得到什么?

- 单位利润、毛利率(按统一费率假设计算,可在配置里改默认佣金等)
- 六维加权后的综合分
- 中文建议等级,以及简短注意点(例如售价明显高于竞品)

同样输入再算一次,结果应一致(这就是相对「直接问 AI」的关键差别)。

和传统做法对比

| | 直接问网页 AI | 用本插件 |
| 利润怎么来的 | 模型临场编 | 固定公式,可复算 |
| 多次询问 | 数字可能变 | 同输入同输出 |
| 你要会的 | 会提问 | 会填成本/售价和 1~5 分 |

附录:三个能力对照(可选阅读)

| 店主说法 | 聊天里可以怎么说 | 内部工具名(可忽略) |
| 读取评价 / 商品 CSV | 「用读取评价表的功能打开 xxx.csv」 | shop_csv_preview |
| 抓取竞品公开页 | 「先抓取这个公开商品页」 | shop_page_snapshot |
| 用公式算利润与是否上架 | 「用利润评分功能计算」 | shop_product_score |

换成你自己的售后政策

1. 复制 kb/sample/售后政策.md 到你的工作区,改成真实规则。
2. 提示词里写明该文件路径(如「严格遵守 售后政策.md」)。
3. 进阶:若政策文件放在插件包外的固定目录,可在组合包配置里设置 kbRelativeDir(开发者选项,店主一般不用)。

贡献与许可证

欢迎补中文剧本或某种平台导出列映射:见 CONTRIBUTING.md、docs/EXTENDING.md。

MIT
预览分享卡片长什么样 ↓pengzhou267-ai/dsh-shop-assistant
分享 · DeepSeek Harness Hub
pengzhou267-ai/dsh-shop-assistant

批量生成差评回复、竞品文案并核算选品利润

这个插件是你维护的吗?
作者本人可认领并核对本条目;认领通过后,详情页会显示「作者已认领」标记。
认领条目 →
回到顶部