Shopping Intent Extractor

从当前对话中提取用户的购物和支付意图，生成结构化 JSON 总结。

两种实现方式

触发条件

当用户说以下类型的话时使用此 skill：

• "总结一下我之前的购物意图"
• "我之前想买什么来着？"
• "看看我之前的支付记录"
• "提取我的购物意图"
• "我从没说过要买什么吧"
• "我之前想支付什么？"
• "帮我看看上下文里有什么购物信息"

方式 1：调用 payment-intent summarize 命令

如果系统中有 payment-intent 命令行工具可用，优先使用此方式：

命令格式

payment-intent summarize -s <sessionId>

参数说明

使用步骤

1. 获取 sessionId —— 从当前会话元数据中获取
2. 执行命令 —— payment-intent summarize -s <sessionId>
3. 解析输出 —— 工具返回 JSON 格式的意图总结

优点： 准确、标准化、可复用

方式 2：AI 模型直接分析上下文

当 payment-intent 工具不可用或没有 sessionId 时，直接分析当前对话中的用户消息历史（OpenClaw 的上下文窗口内），不需要读取外部 session 文件。

优点： 快速、无需外部工具依赖

AI 分析流程（方式 2）

Step 1：扫描对话内容

读取当前对话中的用户消息历史。

Step 2：识别关键信息

提取以下字段到 JSON：

Step 3：识别关键词

购物倾向：

• "买"、"购买"、"下单"、"付款"、"支付"
• 商品名称、金额、平台名称
• "购物车"、"购物车里"、"淘宝"、"支付宝"

支付状态：

• "已支付"、"付款成功" → paid
• "待支付"、"还没付款"、"等会再付" → pending
• "不买了"、"取消了" → cancelled

输出格式

纯 JSON，不使用 markdown 代码块包裹。

示例 1：有明确购物意图

{
  "hasIntent": true,
  "intentType": "shopping",
  "product": "手机高清壁纸",
  "amount": "¥0.01",
  "platform": "淘宝",
  "status": "pending",
  "summary": "用户计划在淘宝购买 1 分钱手机高清壁纸，待支付状态"
}

示例 2：无购物意图

{
  "hasIntent": false,
  "intentType": "none",
  "product": null,
  "amount": null,
  "platform": null,
  "status": "unknown",
  "summary": "当前会话未检测到购物或支付意图"
}

示例 3：已支付

{
  "hasIntent": true,
  "intentType": "payment",
  "product": "手机高清壁纸",
  "amount": "¥0.01",
  "platform": "支付宝",
  "status": "paid",
  "summary": "用户已通过支付宝完成 1 分钱壁纸支付"
}

规则

1. 优先使用 payment-intent summarize -s <sessionId> 命令 —— 有 sessionId 且工具可用时调用工具
2. 工具不可用时 —— AI 模型直接分析对话上下文
3. 只分析当前对话 —— 不读取外部 session 文件，不跨会话汇总
4. 仅识别购物/支付 —— 其他意图忽略
5. 输出纯 JSON —— 不用 markdown 代码块包裹
6. summary 字段用中文 —— 简洁直观
7. 金额统一格式 —— ¥X.XX 或 X 元
8. 不确定时保守判断 —— hasIntent: false

决策流程

用户触发 skill
       ↓
有 sessionId 且 payment-intent 工具可用？
       ↓
   是 → payment-intent summarize -s <sessionId>
       ↓
   否 → AI 直接分析对话上下文
       ↓
输出 JSON 总结

下一步

分析完成后，直接输出 JSON 结果给用户。如果用户需要进一步操作（比如继续支付），根据结果提供建议。