Token导航 LogoToken导航

Agent Skill · 研究检索

retail-clerk-comparison-analysis(零售店员比较分析)

retail-clerk-comparison-analysis 用于查找、检索和筛选相关信息,适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

retail-clerk-comparison-analysis 是研究检索类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为只读;许可证为 MIT-0,第三方扫描已通过,按安装量在研究检索类的 73,675 个 Skill 里排第 24,250。

总安装 4,068周安装 163GitHub Stars 公开资料未说明下载 1,317核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.0

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:retail-clerk-comparison-analysis(零售店员比较分析)
来源仓库:https://github.com/gwyang7/retail-clerk-comparison-analysis
安装命令:
openclaw skills install retail-clerk-comparison-analysis
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install retail-clerk-comparison-analysis

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

导购绩效多维度对比分析工具,支持时间序列、横向排名与能力雷达图展示。适用于晨会复盘、周度报告与标杆学习等高频业务场景。自动计算培训前后业绩变化,识别领先者与改进空间。需接入门店 POS 或 AIoT 数据源,确保时间范围与指标口径一致。注意:数据延迟可能导致结论偏差,建议核对 T-N 周期定义后再做决策参考。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install retail-clerk-comparison-analysis;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它标注为只读,先用只读任务试一次,确认行为符合预期再扩大使用范围。

常见问题

6 条

retail-clerk-comparison-analysis 怎么安装?

在终端执行 openclaw skills install retail-clerk-comparison-analysis。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

retail-clerk-comparison-analysis 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

retail-clerk-comparison-analysis 需要什么权限?

权限级别是只读。该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

retail-clerk-comparison-analysis 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

retail-clerk-comparison-analysis 用的人多吗?

公开数据是累计安装 4,068 次,近一周安装 163 次,下载 1,317 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

retail-clerk-comparison-analysis 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。
  • 标注为只读权限,试用阶段不容易误改本地文件。

先想清楚的地方

  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
retail-clerk-comparison-analysis

零售店员比较分析 · 本页

4,068—只读MIT-0通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
retail-clerk-comparison-analysis
description
|

导购对比分析 Skill

技能名称

clerk-comparison-analysis

功能描述

基于 clerk-performance-analysis 的扩展,提供导购业绩的对比分析功能:

  • 时间维度对比:培训前后、活动前后、月度环比等
  • 横向对比:多人排名、标杆学习、差距分析
  • 高频场景:晨会对比、周会报告、绩效对标

依赖关系

本Skill依赖 clerk-performance-analysis:

import sys
sys.path.insert(0, '~/.openclaw/skills/clerk-performance-analysis')
from analyze import analyze

核心功能

1. 导购自身时间维度对比

函数: compare_guide_over_time()

使用场景:

场景period_aperiod_bcomparison_label
培训效果评估培训前7天培训后7天"新品销售培训前后"
活动效果复盘活动前7天活动期间"315大促活动期间"
月度环比上月同期本月"3月vs2月环比"
波动归因低谷期高峰期"低谷vs高峰对比"

示例:

from compare import compare_guide_over_time

result = compare_guide_over_time(
    store_id="416759_1714379448487",
    guide_name="李翠",
    period_a_from="2026-03-01",
    period_a_to="2026-03-07",
    period_b_from="2026-03-16",
    period_b_to="2026-03-22",
    comparison_label="新品销售培训前后"
)

输出:

{
  "status": "ok",
  "comparison_label": "新品销售培训前后",
  "period_a": {"from": "...", "to": "...", "metrics": {...}},
  "period_b": {"from": "...", "to": "...", "metrics": {...}},
  "changes": {
    "sales": {"before": 28456, "after": 36103, "change": 7647, "change_pct": 26.9, "trend": "up"},
    "orders": {...},
    "atv": {...},
    "new_customers": {...}
  },
  "key_findings": [...],
  "recommendations": [...]
}

2. 多人导购横向对比

函数: compare_guides()

使用场景:

  • 晨会快速对比昨日表现
  • 周会排名和差距分析
  • 月度绩效对标
  • 标杆学习和经验分享

示例:

from compare import compare_guides

result = compare_guides(
    store_id="416759_1714379448487",
    guide_names=["李翠", "杨丽", "赵泽瑞", "陈二妹"],
    from_date="2026-03-25",
    to_date="2026-03-25"
)

输出:

{
  "status": "ok",
  "total_guides": 4,
  "rankings": {
    "by_sales": [...],
    "by_new_customers": [...],
    "by_atv": [...]
  },
  "top_performer": {...},
  "bottom_performer": {...},
  "gap_analysis": [...],
  "needs_attention": [...],
  "quick_insights": [...]
}

3. 标杆对比(找差距)

函数: compare_with_benchmark()

使用场景:

  • 待提升导购与标杆对比
  • 生成个性化改进计划
  • 一对一辅导准备

示例:

from compare import compare_with_benchmark

result = compare_with_benchmark(
    store_id="416759_1714379448487",
    guide_name="陈二妹",           # 待提升导购
    benchmark_guide_name="李翠",   # 标杆导购
    from_date="2026-03-01",
    to_date="2026-03-25"
)

输出:

{
  "status": "ok",
  "guide": {"name": "陈二妹", "metrics": {...}},
  "benchmark": {"name": "李翠", "metrics": {...}},
  "gaps": {
    "sales": {"guide_value": 31922, "benchmark_value": 64559, "gap": 32637, "gap_pct": 50.6},
    "new_customers": {...}
  },
  "learning_points": [...],
  "action_plan": [...]
}

高频使用场景

场景1:晨会快速对比(每日)

# 店长每日晨会前自动生成
report = compare_guides(
    store_id="...",
    guide_names=["李翠", "杨丽", "赵泽瑞", "陈二妹"],
    from_date=yesterday,
    to_date=yesterday
)

# 推送到店长企业微信
send_morning_meeting_report(report)

输出示例:

═══════════════════════════════════════════════════════
导购横向对比 - 正义路60号店
2026-03-25(昨日)
═══════════════════════════════════════════════════════

【销售额排名】
#1  活动导购  ¥3,529  (25%)  7单  ¥504  ✅
#2  李翠      ¥3,111  (22%)  4单  ¥778  
#3  杨丽      ¥2,115  (15%)  3单  ¥705  
#4  陈二妹    ¥0      (0%)   0单  ¥0    ⚠️ 无销售

【需要关注】
⚠️ 陈二妹: 昨日无销售,近14天有4天无销售

【今日建议】
1. 店长重点关注陈二妹
2. 李翠分享高客单价经验

场景2:培训效果评估(培训后7天)

result = compare_guide_over_time(
    store_id="...",
    guide_name="李翠",
    period_a_from="2026-03-01",  # 培训前
    period_a_to="2026-03-07",
    period_b_from="2026-03-16",  # 培训后
    period_b_to="2026-03-22",
    comparison_label="新品销售培训前后"
)

if result['changes']['sales']['change_pct'] > 20:
    print("✅ 培训效果显著,销售额提升20%+")
else:
    print("⚠️ 培训效果不明显,需要复盘")

场景3:月度绩效对标(每月底)

# 生成本月完整对比报告
report = compare_guides(
    store_id="...",
    guide_names=all_guides_in_store,
    from_date="2026-03-01",
    to_date="2026-03-31"
)

# 生成绩效考核表
generate_performance_table(report)

场景4:标杆学习(按需)

# 找出差距最大的导购与标杆对比
result = compare_with_benchmark(
    store_id="...",
    guide_name="陈二妹",
    benchmark_guide_name="李翠",
    from_date="...",
    to_date="..."
)

# 生成一对一辅导计划
coaching_plan = result['action_plan']

输出指标说明

时间对比指标

指标说明用途
change绝对变化值量化改进幅度
change_pct变化百分比评估改进比例
trend变化趋势up/down/stable

横向对比指标

指标说明用途
gap_to_top与标杆的销售额差距量化提升空间
gap_pct差距百分比评估追赶难度
potential达到标杆的潜在收益激励改进

诊断规则

时间对比诊断

发现类型判断条件建议
显著提升销售额提升>30%固化成功经验
显著下滑销售额下滑>30%分析原因并干预
问题改善发现数量减少肯定改进效果

横向对比诊断

发现类型判断条件建议
业绩集中TOP3贡献>70%关注尾部导购
新客差异最大/最小>3倍推广标杆经验
高风险有high severity finding立即干预

版本

v1.0.0 - 导购对比分析Skill(支持时间对比和横向对比)

平台分布

OpenClaw

73.12%
按下载量换算963

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills