核心用法
Shopping Expert 是一款集成 Google Shopping 与 Google Places API 的购物比价工具，支持三种搜索模式：在线电商比价、本地门店定位、以及两者融合的混合模式。用户可通过自然语言查询商品，系统根据预算（低/中/高或精确金额）、品牌偏好、功能特征等条件自动筛选并排序推荐结果。
基础调用格式为 uv run shop.py "商品名"，配合 --mode 指定搜索范围，--budget 设置价格区间，--preferences 细化品牌与特性需求。输出默认为 Markdown 表格，包含商品详情、评分、库存状态及直达购买链接；也可选择 JSON 格式获取完整元数据。
显著优点
智能评分算法：采用五维加权模型（价格匹配30%、评分25%、库存20%、评论数15%、配送/距离10%），结合偏好关键词匹配，实现客观量化的商品排序。
双场景覆盖：既能抓取亚马逊、沃尔玛等电商平台数据，又能定位附近实体店铺，满足"线上下单"与"即时到店"两种消费场景。
弹性容错机制：无结果时自动放宽过滤条件重试，API 异常时执行指数退避重连（最多3次），提升查询成功率。
低门槛交互：支持自然语言描述预算（"medium"或"$100"）与偏好（"Nike, 防水"），无需学习复杂查询语法。
潜在缺点与局限性
API 依赖与成本：核心功能依赖 SERP API 与 Google Places API，两者均有免费额度限制，高频使用需承担额外费用。
数据时效性问题：价格与库存状态反映的是上次 API 更新时间，非实时同步，可能导致"有链接无库存"或价格变动落差。
本地库存盲区：Google Places API 仅提供门店位置与基本信息，无法确认具体商品的店内实时库存，需用户电话或到店核实。
区域覆盖不均：Google Shopping 与 Places API 在部分国家/地区数据质量参差不齐，非欧美用户可能获得较少本地结果。
适合人群
- 价格敏感型消费者：需跨平台比价、追踪折扣的用户
- 即时需求用户：希望查找附近门店、对比"线上下单等待"与"立即到店购买"优劣的决策者
- 采购清单管理者：需要批量生成结构化购物列表（含链接与地点）的个人或小型团队
常规风险
API 密钥泄露风险：SERP API 与 Google Places API 密钥需配置于环境变量，若误提交至代码仓库或共享环境，可能导致配额被恶意消耗或产生意外费用。
隐私暴露可能：本地搜索需提交地理位置信息，虽通常以城市/邮编级别处理，但仍存在位置数据被 API 服务商记录的风险。
过度依赖自动化：评分算法虽量化客观，但无法替代主观需求（如外观设计、材质手感），用户需结合自身判断做最终决策。