核心用法
Coupon Finder 是一款场景化优惠券查询技能，通过自然语言关键词匹配，快速返回美团、饿了么、滴滴、飞猪等主流平台的优惠活动链接。用户只需描述需求，如"点外卖有什么优惠""星巴克怎么便宜买"或"打车券"，系统即自动识别场景并返回最优活动链接。
该技能采用纯本地数据处理架构，所有优惠券数据存储于本地 JSON 文件，通过 Node.js 脚本进行关键词模糊匹配和排序。支持直接执行命令行查询，也可作为模块导入其他项目。返回结果包含活动名称、平台标签、多格式链接（优先官方短链接）及使用说明，用户点击即可跳转领取。
技能同时支持活动分享功能，用户可提交新发现的优惠活动，经人工审核后纳入共享数据库。
显著优点
极致安全性：代码通过 CLS-Certify S 级认证，评分 93 分。零外部依赖、零网络请求、零敏感数据收集，仅使用 Node.js 内置模块，从根本上杜绝供应链攻击和数据泄露风险。
隐私零侵扰：不收集用户位置、消费习惯等任何个人信息，不访问环境变量，符合 GDPR/CCPA 标准，适合隐私敏感型用户。
场景覆盖广：整合 88 个活动，横跨外卖、打车、酒店、电影、咖啡、超市零售等 15+ 高频消费场景，一站式满足日常省钱需求。
响应即时性：本地查询毫秒级响应，无需等待网络请求，弱网环境下依然可用。
链接可信度：所有推广链接均来自美团、饿了么、滴滴、京东等头部平台官方域名，非个人不明来源链接。
潜在缺点与局限性
数据时效性瓶颈：优惠券数据为静态 JSON 文件，依赖人工维护更新。若维护不及时，用户可能获取到已过期或名额已满的活动，产生"空欢喜"体验。
无实时验证机制：技能本身不主动访问链接验证有效性，无法实时反馈"活动是否结束""名额是否充足"等动态信息。
第三方链接风险：虽然链接域名可信，但跳转后由平台方控制页面内容和后续流程，存在平台自身活动规则变更、附加条件未明示等问题。
匹配精度依赖关键词：模糊匹配对口语化、方言化表达可能识别不准，复杂需求（如"周六晚上看电影+吃饭组合优惠"）难以精准满足。
地域限制未过滤：部分优惠券存在城市限制，但技能返回时未做用户地域匹配，可能导致领取后无法使用。
适合的目标群体
- 价格敏感型消费者：学生、年轻白领等日常高频使用外卖、打车、电影等服务，追求极致性价比的群体。
- 隐私意识强烈用户：不愿授权位置信息、消费数据给各类比价 App 的用户。
- 轻量级需求用户：不想安装多个平台 App 逐个查找优惠，希望一句话获取信息的效率型用户。
- 线下场景决策者：临时决定"附近吃点什么""今晚住哪"时，快速了解当前可选优惠。
使用风险与注意事项
链接跳转风险：用户点击链接后将离开当前环境进入第三方平台页面，需自行承担平台活动规则理解、个人信息填写等后续风险。建议 Skill 在返回结果中前置风险提示语。
数据新鲜度风险：建议用户在实际使用前确认活动是否仍在进行，尤其是限时限量类优惠。
平台规则变更：各平台优惠活动的参与门槛、叠加规则可能随时调整，以实际页面展示为准。
性能与维护依赖：该技能价值高度依赖数据文件维护频率，长期无人维护将导致实用性下降。