核心用法
家庭消费意图识别技能是一款纯本地运行的 NLP 工具，旨在从家庭成员的日常对话文本中智能识别潜在的消费购买意向。用户可通过命令行直接调用 Python 脚本，或启动本地 Flask API 服务接收 HTTP 请求。输入任意中文聊天文本后，系统将返回结构化的 JSON 结果，包含是否存在意图、商品类别、意图阶段（awareness/consideration/purchase）、意图强度（low/medium/high）、触发关键词及判断理由等字段。该技能覆盖餐饮、家电、数码产品、汽车、教育培训等 15 个主流消费品类，适用于家庭记账自动化、智能购物提醒、消费分析报表等多种场景。
显著优点
本地化安全架构是该技能的核心优势。所有识别逻辑基于规则引擎在本地执行，无需调用外部 API 或上传数据至云端，从根本上杜绝了隐私泄露风险。代码结构简洁清晰，零第三方依赖（仅依赖 Python 标准库与 Flask），部署成本极低，单文件即可运行。意图分层设计科学，将消费决策过程细化为兴趣、考虑、购买三个阶段，并量化强度等级，便于下游系统做差异化响应。此外，技能完全开源（MIT-0 协议），可自由二次开发与定制规则。
潜在缺点与局限性
作为规则驱动型工具，其识别能力高度依赖预设关键词库，对语义模糊的表达、口语化变体、新兴网络用语的覆盖存在盲区，可能出现漏检或误判。例如"这手机真香""种草了"等隐含意图的表达难以捕捉。同时，技能不具备上下文记忆能力，单次对话的连贯性分析受限。15 个预设品类虽覆盖主流场景，但垂直细分品类（如潮玩、宠物智能设备）需要手动扩展规则。Flask 服务的 0.0.0.0 绑定配置在默认情况下存在网络暴露风险，需用户自行加固。
适合的目标群体
该技能最适合家庭智能助手开发者、个人记账工具作者、私域运营从业者以及关注数据隐私的极客用户。对于希望为家庭场景搭建轻量级消费分析管道的开发者，或需要将聊天数据转化为结构化消费记录的技术爱好者，这款工具提供了零成本、高可控的解决方案。同时适合作为教学案例，帮助初学者理解规则引擎与意图识别的基础原理。
使用风险
性能风险：规则引擎在处理超长文本时可能存在线性复杂度瓶颈，建议对输入长度做前置限制。依赖风险：Flask 版本未锁定，未来版本升级可能引入兼容性变更。部署风险：本地 API 若部署于共享网络环境且未配置防火墙，家庭聊天内容可能被同网络下的其他设备访问。误检风险：关键词匹配机制可能将非消费语境的词汇（如"电脑坏了"仅为报修而非购买）误判为意图，需结合 reason 字段人工复核。