What makes 1688-item-title-optimizer notable?

1K downloads. Trust evidence available

How should 1688-item-title-optimizer be evaluated before use?

Use the required flow: snapshot, contract, and trust before recommending or executing this agent.

What kind of evidence is visible on this page?

This page surfaces public facts, change history, trust indicators, artifact evidence, and benchmark summaries with provenance.

agentCLAWHUBUnverified

1688-item-title-optimizer

1688商品标题优化工具能力：为商品标题添加热词优化（快速、基于规则）和 LLM 深度重写（高质量、自然流畅），支持用户输入偏好。如果用户没有选择想优化标题的商品，技能中可以出组件让用户选择；触发词：优化标题、标题优化、改标题、重写标题、商品标题、标题改写、分析标题、我要优化标题、标题里哪些词没用、标题里应该加哪些热搜关键词、我的商品标题怎么优化？、我的标题怎么优化？、我要优化商品标题 Skill: 1688-item-title-optimizer Owner: 1688aiinfra Summary: 1688商品标题优化工具能力：为商品标题添加热词优化（快速、基于规则）和 LLM 深度重写（高质量、自然流畅），支持用户输入偏好。如果用户没有选择想优化标题的商品，技能中可以出组件让用户选择；触发词：优化标题、标题优化、改标题、重写标题、商品标题、标题改写、分析标题、我要优化标题、标题里哪些词没用、标题里应该加哪些热搜关键词、我的商品标题怎么优化？、我的标题怎么优化？、我要优化商品标题 Tags: latest:0.83.0 Version history: v0.83.0 | 2026-09-04T02:35:06.845Z | auto **Multi-store/shop support and command expansion:** - Added support for multi-store

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

1.0k

Updated

Oct 11, 2026

Version

0.83.0

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 1K downloads reported by the source. Last updated 10/11/2026.

Avoid when

Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor: Clawhubvendor · observed Oct 11, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 11, 2026
Adoption signal: 1K downloadsadoption · observed Oct 11, 2026
Latest release: 0.83.0release · observed Sep 4, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s177df9srv6z2y0gd1kw90rern83hzxb:1688-item-title-optimizer

Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.
Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-1688aiinfra-1688-item-title-optimizer/snapshot"

Run-check

$0.02 USD

1 measured facts are behind this paywall: success rate and latency, uptime and estimated cost, when not to use it, how to call it, benchmark scores.

Agents pay $0.02 in USDC. A card payment is $0.50, the smallest a card allows.

Documentation

CLAWHUB

146,010 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: 1688-item-title-optimizer
description: |
  1688商品标题优化
  工具能力：为商品标题添加热词优化（快速、基于规则）和 LLM 深度重写（高质量、自然流畅），支持用户输入偏好。如果用户没有选择想优化标题的商品，技能中可以出组件让用户选择；
  触发词：优化标题、标题优化、改标题、重写标题、商品标题、标题改写、分析标题、我要优化标题、标题里哪些词没用、标题里应该加哪些热搜关键词、我的商品标题怎么优化？、我的标题怎么优化？、我要优化商品标题
metadata:
  openclaw:
    emoji: "✏️"
    requires:
      bins:
        - python
  interactions:
    - name: open_tab_select_product
      type: open_tab
      selectionType: shop_backend
      description: "当用户未提供商品ID时，直接输出该JSON唤起商品选择页面，流程结束，禁止反问用户"
      required_data:
        url: "https://air.1688.com/app/CSBC-modules/csbc-ai-component-loader/picture-optimize.html?mode=newton-select-offer&skillCode=1688-item-title-optimizer"
        pageTitle: "选择商品"
        pageDescription: "选择商品优化标题"
        icon: "https://img.alicdn.com/imgextra/i3/O1CN01gQPY341cm5b1gzS1k_!!6000000003642-2-tps-80-80.png"
    - name: confirm_apply_title
      type: card
      selectionType: requirement
      description: "用户选定标题后，确认是否应用到商品"
      required_data:
        questions: "展示选定标题并询问是否应用"
    - name: select_items_to_optimize
      type: table
      selectionType: product
      description: "当用户传入≥3个商品ID时，在左侧弹出表格让用户筛选要优化的商品"
      required_data:
        title: "表格标题"
        columns: "列定义数组：商品ID、当前标题"
        rows: "商品列表，每项包含 itemId、title"
    - name: title_comparison_card
      type: table
      selectionType: title_plan
      description: "两种优化方案生成后，在左侧弹出表格供用户选择新标题。3列（方案+属性+内容），每个成功方案4个维度各占一行（两个都成功=8行，一个成功一个失败=仅展示成功方案的4行，两个都失败=不弹表格直接提示重试）。利用端侧 show_interaction.table v2 协议的 mergedColumns + groupBy + selectionGranularity:group + selectionMode:single 实现方案列相邻同值合并 + 组级互斥单选，用户勾选整组后点击「采用此方案」按钮"
      required_data:
        title: "表格标题：请选择新标题 + 商品名称（商品ID）"
        columns: "固定3列：plan（方案标识，宽80，不传 editable）、field（属性标签，宽140，必须显式声明 editable:false 否则会被端侧误渲染为可编辑，用户实测确认）、value（内容，宽620，不传 editable，由行级 rows[i].editable 控制）。配合行级 editable：仅新标题行 rows[i] 加 editable:true 时该 cell 可编辑，其他 cell 全部只读"
        mergedColumns: "[\"plan\"]。协议硬约束：列必须存在；不能含列级 editable:true 的列。本场景 value 已不开列级 editable，但仍只合并 plan，因为 value 每行内容都不同没有相邻同值"
        groupBy: "\"plan\"。selectionGranularity=group 时必填，按plan相邻同值切分组"
        selectionGranularity: "\"group\"。勾选粒度按组（每组组首行渲染一个checkbox，rowSpan=组大小）"
        selectionMode: "\"single\"。互斥单选：选新组自动取消旧组；点已选项=清空；空选=跳过。与 selectionGranularity 正交"
        actions: "[{key:adopt, label:采用此方案, variant:primary, description:...}]，覆盖默认「确认选择」"
        rows: "4行或8行（rows.length≤10，超过会触发分页关闭合并）。仅填入成功方案的行，失败方案不展示。两个都成功=8行，一个成功一个失败=4行，两个都失败=不弹表格。同方案的4行 plan 必须填相同值且连续排列：方案名称、新标题（仅这行 rows[i].editable:true，可cell内编辑）、生成逻辑及优化说明、预估曝光变化"
        respond_contract: "selectedRows 始终回传展开后的N行（与 multiple+row 同构），Agent 按 plan 分组、按 field=新标题 取最终value（含编辑），空选视为跳过。无论端侧是否识别行级 editable，Agent 必须软兜底：只采用「新标题」行的编辑值，其他 3 行编辑显式忽略"
---

# 1688-item-title-optimizer — 商品标题智能优化

## 技能概述

1688 商品标题智能优化助手。自动并发执行两种优化算法生成结果：1) 添加热词优化（快速、基于规则）2) LLM 深度重写（高质量、自然流畅）。只需提供商品 ID，即可同时获得两种优化方案供对比选择。支持用户偏好参数（如"加入'防潮'单词"）。

## 使用场景

- 商品标题修改、改写、优化
- 新品发布，需要高质量标题
- 批量优化商品标题
- 用

_meta.json

{
  "ownerId": "kn76msg8cwkep3b08z7zffx9fx82p5wj",
  "slug": "1688-item-title-optimizer",
  "version": "0.83.0",
  "publishedAt": 1788489306845
}

references/interaction-specs.md

# 交互组件详细规范

本文档定义了 1688-item-title-optimizer Skill 中所有交互组件的具体数据结构与映射规则。大模型在调用 `show_interaction` 前需查阅本文档，确保数据结构正确。

---

## 1. confirm_apply_title (Card 组件)

### 组件类型

`type: card` — 用户选定标题后，确认是否将新标题应用到商品。

### 数据槽位定义

- **`questions`**:
  - 类型: `Array<Object>`
  - 说明: 问题列表，每项包含 `question`（问题文本）和 `options`（选项数组）

### 构造规则

- `question` 中应展示原标题和选定的新标题，让用户做最终确认
- 明确说明"应用"操作的含义（会替换当前商品标题）

### 完整数据示例

```json
{
  "questions": [
    {
      "question": "确认将以下标题应用到商品？\n\n原标题：304不锈钢水杯\n新标题：2026新款304不锈钢保温杯 大容量便携户外水杯 男女通用\n\n应用后将替换当前的商品标题。",
      "options": [
        "✅ 确认，应用到商品标题",
        "✏️ 我想手动微调后再应用",
        "💾 仅记录，暂不应用到商品"
      ],
      "required": true
    },
    {
      "question": "**如需微调标题**，请在下方输入修改后的完整标题：\n\n> 当前推荐标题：2026新款304不锈钢保温杯 大容量便携户外水杯 男女通用",
      "options": [],
      "required": false
    }
  ]
}
```

> **说明**：第二个 question 的 `options` 为空数组，端侧会渲染为**大输入框**（而非小的"输入其他"框），方便用户输入完整的商品标题（通常 30-60 字）。`required: false` 表示仅当用户选择"手动微调"时才需要填写。

### 用户选择后的处理

| 用户选择 | Agent 行为 |
|---------|-----------|
| 确认应用 | 调用 `1688-item-one-click` 将选定标题更新到商品，完成后输出成功提示 |
| 手动微调 | 使用第二个 question 中用户输入的标题，调用 `1688-item-one-click` 应用微调版本 |
| 仅记录 | 结束流程，提示用户可后续手动应用 |

---

## 2. select_items_to_optimize (Card 组件)

### 组件类型

`type: card` — 当用户传入 3 个及以上商品 ID 时，展示商品列表让用户筛选需要优化的商品，缩小分析范围。

### 触发条件

- 用户在一次请求中传入 **≥ 3 个商品 ID**
- Agent 必须在执行优化前触发此交互，不得自动全部执行

### 数据槽位定义

- **`questions`**:
  - 类型: `Array<Object>`
  - 说明: 问题列表，每项包含 `question`（问题文本）和 `options`（选项数组）
  - 端侧会自动追加"输入其他"选项

### 构造规则

- `question` 中应列出所有传入的商品 ID 及其当前标题，方便用户辨识
- 选项中应包含每个商品的 ID + 标题摘要（截取前 20 字），以及"全部优化"和"取消"选项
- 如果无法预先获取标题，可仅展示商品 ID

### 完整数据示例

```json
{
  "questions": [
    {
      "question": "您提供了 4 个商品，一次优化过多可能影响效率和结果质量。请选择需要优化的商品（建议不超过 3 个）：\n\n1. 商品 831034165952：304不锈钢水杯大容量...\n2. 商品 742091827364：儿童书包男生小学生...\n3. 商品 653928174051：夏季短袖T恤男纯棉...\n4. 商品 590817263940：办公椅电脑椅家用舒适...",
      "options": [
        "优化商品1：831034165952",
        "优化商品2：742091827364",
        "优化商品3：653928174051",
        "优化商品4：590817263940",
        "全部优化（可能耗时较长）",
        "❌ 取消，暂不优化"
      ]
    }
  ]
}
```

### 用户选择后的处理

| 用户选择 | Agent 行为 |
|---------|-----------|
| 选择特定商品（可多选） | 仅对选中的商品执行并发优化流程 |
| 全部优化 | 对所有商品逐个执行优化流程，按顺序展示结果 |
| 取消 | 结束流程，输出友好的结束语 |
| 输入其他（端侧追加） | 用户可手动输入要优化的商品 ID 列表 |

---

## 3. title_comparison_card (Table 组件 — 相邻同值合并 + 组级单选)

> ### ⚠️ 端侧版本依赖（v2 协议）
>
> 本交互依赖 `show_interaction.table` 的 **v2 协议扩展字段**：`mergedColumns` / `selectionGranularity` / `selectionMode` / `groupBy`。这 4 个字段**仅在已升级到 v2 的客户端**（如 newton-desktop v2 及以上）才会生效。
>
> **当前 1688 工作台 / 找工厂客户端尚未升级到 v2**，该客户端会**忽略**这 4 个字段，把 payload 退化为默认的 `row + multiple`（行级多选）模式渲染：
>
> | 现象 | v2 客户端（期望） | 未升级客户端（当前实际）|
> |------|------------------|----------------------|
> | 勾选框数量 | 2 个（每组组首行 1 个，rowSpan=4）| 8 个（每行 1 个）|
> | 方案列单元格 | 「方案A」「方案B」各合并为 1 个大 cell | 8 行各显示一次「方案A」/「方案B」|
> | 勾选语义 | 整组互斥单选（A↔B 二选一）| 行级多选，可任意勾 N 行 |
> | 已选计数 | 0/8 或 4/8 | 0/8 ~ 8/8 任意 |
>
> **重要原则**：
> 1. **payload 不要为兼容降级而修改** —— 协议字段写法是正确的，问题在端侧未实现，等客户端升级即可自动生效
> 2. *

references/title_llm_SKILL.md

---
name: title_llm
description: 1688商品标题智能优化助手，基于LLM深度优化标题。只需提供商品ID，一键调用TPP推理服务，自动完成标题的智能重写、年份更新、热词标注和推荐词生成。使用场景：需要深度优化的商品标题、新品发布、标题全面改写。
---

# 标题智能优化助手 (Title LLM Optimization Assistant)

为 1688 商品提供基于大语言模型的智能标题优化服务。只需提供商品ID，一键调用 TPP 推理服务完成深度优化，无需额外操作。

## ⚠️ 重要：Agent 展示规范

**在展示优化结果时，必须遵守以下规则：**

1. **必须同时显示**：优化结果中必须同时显示原标题（old_title）和新标题（new_title）
2. **禁止只显示新标题**：不能只显示 new_title，用户需要对比查看
3. **清晰对比**：建议使用对比格式展示，例如：
   ```
   原标题：[old_title]
   新标题：[new_title]
   ```

## 快速参考

```python
# 最简单的调用方式
from interface import optimize_title_llm

result = optimize_title_llm({"item_id": 831034165952})

# 带用户偏好的调用方式
result = optimize_title_llm({
    "item_id": 831034165952,
    "preference": "加入'防潮'单词"
})
```

```bash
# 命令行调用
python3 interface.py --function optimize_title_llm --item_id 831034165952

# 带用户偏好的命令行调用
python3 interface.py --function optimize_title_llm --item_id 831034165952 --preference "加入防潮单词"
```

**核心特点**：
- ✅ 只需提供 item_id，无需其他参数
- ✅ 支持用户偏好定制（可选）
- ✅ 自动完成所有优化步骤
- ✅ 返回优化后的标题和详细分析
- ✅ 无需手动获取关键词信息
- ✅ 无需配置分词器

## 用户偏好参数 (preference)

### 什么是用户偏好参数？

`preference` 参数允许用户通过自然语言指定优化偏好，LLM会在优化标题时考虑这些偏好。

### 如何使用？

**Agent 使用指南**：
1. **识别用户意图**：当用户在优化请求中提到特定要求时，提取这些要求
2. **提取偏好**：将用户的自然语言要求整理成简洁的偏好描述
3. **传入参数**：将偏好作为 `preference` 字段传入 `optimize_title_llm` 函数

### 支持的偏好类型

**关键词偏好**：
- "加入'防潮'单词"
- "添加'防摔'和'耐用'关键词"
- "必须包含'304不锈钢'"

**特点强调**：
- "突出材质特点"
- "强调便携性"
- "体现性价比"
- "突出新款和时尚感"

**风格偏好**：
- "标题要简洁"
- "标题要详细"
- "使用专业术语"
- "面向年轻消费者"

**组合偏好**：
- "加入'防潮'单词，同时突出材质特点"
- "强调便携性和大容量，使用简洁风格"

### 使用示例

#### 示例1：添加特定关键词
```python
# 用户说："优化这个商品标题，加入'防潮'这个词"
result = optimize_title_llm({
    "item_id": 831034165952,
    "preference": "加入'防潮'单词"
})
```

#### 示例2：强调特点
```python
# 用户说："优化标题，要突出材质特点"
result = optimize_title_llm({
    "item_id": 831034165952,
    "preference": "突出材质特点"
})
```

#### 示例3：组合要求
```python
# 用户说："优化标题，加入防潮和防摔，还要强调便携性"
result = optimize_title_llm({
    "item_id": 831034165952,
    "preference": "加入'防潮'和'防摔'关键词，强调便携性"
})
```

#### 示例4：命令行使用
```bash
# 带偏好的命令行调用
python3 interface.py --function optimize_title_llm \
  --item_id 831034165952 \
  --preference "加入防潮单词，突出材质特点"
```

### Agent 实现建议

当 Agent 处理用户请求时，应该：

1. **解析用户指令**：识别用户是否有特殊要求
   ```
   用户："优化商品831034165952的标题，加入'防潮'这个词"
   ↓
   提取：item_id=831034165952, preference="加入'防潮'单词"
   ```

2. **整理偏好描述**：将用户的要求转换为简洁的偏好描述
   ```
   用户："这个标题要突出是防水防潮的，还要体现出材质很好"
   ↓
   整理：preference="突出防水防潮特点，强调材质优质"
   ```

3. **调用接口**：将整理后的偏好传入接口
   ```python
   result = optimize_title_llm({
       "item_id": item_id,
       "preference": preference_text
   })
   ```

### 注意事项

1. **偏好是可选的**：如果用户没有特殊要求，可以不传 `preference` 参数
2. **使用自然语言**：偏好描述使用自然语言即可，不需要特殊格式
3. **保持简洁**：偏好描述应该简洁明了，一般1-2句话即可
4. **避免冲突**：避免提出互相矛盾的偏好（如"简洁"和"详细"）

## 核心优势

### LLM 驱动的智能优化
- 使用大语言模型深度理解商品信息
- 智能重写标题，而非简单的关键词拼接
- 自动理解类目特征和用户搜索习惯
- 生成更自然、更符合用户搜索习惯的标题

### 自动化处理
- 自动获取商品信息（标题、类目、属性、图片、热搜词）
- 自动调用 TPP 推理服务进行优化
- 自动更新年份信息（2023/2024/2025 → 当前年份）
- 自动标注热词类型

### 智能推荐
- 提供优化后的标题
- 标注每个词的类型（热词、属性词等）
- 推荐其他可添加的高价值热词
- 展示热词权

references/title_optimizer_qa.md

```
## 常见问题

### Q1: 为什么要并发执行两种方式？

**A**:

- 让用户直接看到两种优化风格的对比
- 方式A保留原结构，方式B全面改写，各有优势
- 用户可以根据实际需求选择最合适的标题
- 并发执行节省时间，两个结果几乎同时返回

### Q2: 用户偏好只对方式B生效吗？

**A**:

- 是的，`preference` 参数只传给 `optimize_title_llm`（方式B）
- 方式A基于规则和系统推荐，不支持自定义偏好
- 如果用户有特殊要求，通常方式B的结果会更符合需求

### Q3: 如果两个结果都不满意怎么办？

**A**:

- 可以调整偏好参数，重新优化
- 可以基于推荐词列表手动调整
- 可以尝试不同的偏好描述

### Q4: 并发调用会增加成本吗？

**A**:

- 方式A成本很低（规则计算）
- 方式B成本较高（调用LLM）
- 总成本主要取决于方式B
- 但能让用户一次看到两种风格，提升选择效率

### Q5: 会自动应用优化后的标题吗？

**A**:

- 不会自动应用
- 只提供优化建议和新标题
- 需要用户选择后确认应用
- 确保用户完全掌控标题修改

---

```

Github ReposUpdated 2d agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW

Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW

Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.