核心用法
本技能定位为公开信息决策支持工具，用户输入餐厅/服务/商品名称、美团链接或截图，助手即基于可见页面信息（评分、销量、配送费、包装费、满减活动、预计送达时间等）进行结构化分析，输出直接可执行的行动建议。
典型使用场景包括：
- 多商家比价（黄焖鸡 vs 麻辣烫）
- 凑单阈值判断（满35减12，但配送费7元，是否值得加菜）
- 时效与成本权衡（便宜6元但慢25分钟，赶会议是否值得）
- 团购券隐性门槛识别
- 风险商家快速筛查
显著优点
1. 决策导向而非信息罗列：不堆砌菜单，直接回答「点哪家」「要不要凑单」「现在点还是等」
2. 隐性成本显性化：区分「 headline 折扣」与真实到手价，将包装费、配送费、凑单废品类成本纳入计算
3. 场景化决策规则：午餐 rush、工作 deadline、 hygiene-sensitive 等不同场景触发不同的推荐权重（ETA 优先 vs 成本优先 vs 信任优先）
4. 硬边界隔离敏感操作：默认不涉及登录、地址修改、优惠券领取、下单、支付，用户隐私数据零留存
潜在缺点与局限性
- 无法获取账户级价格：会员折扣、红包、地址专属配送费、支付优惠等需用户自行核实
- 信息时效依赖用户输入：若用户截图/链接滞后，分析结论可能失效
- 风险判断基于公开评价：无法识别刷单评价或最新食安事件
- 不支持自动比价：需用户主动提供候选商家，无法主动抓取周边全量选项
适合人群
- 工作日午餐决策疲劳的上班族
- 对「满减套路」敏感、希望快速计算真实成本的用户
- 临时聚餐需要多方案比对的组织者
- 不信任低分商家但愿意承担一定风险换取时效的用户
常规风险
- 价格误差风险：最终支付价可能因账户优惠券、地址、时段而与估算不符
- 履约风险：公开 ETA 与实际送达可能存在偏差，极端天气/高峰期的延迟未纳入模型
- 退款摩擦风险：部分低价商家存在退单难、客服响应慢等问题
- 信息泄露风险（已 mitigated）：设计上禁止存储用户地址、电话、订单记录，但用户若主动粘贴含个人信息截图需自行打码