Lululemon 澳大利亚产品查找器

概述

本技能可根据用户模糊的产品描述，定位 Lululemon Australia 的对应商品，并返回结构化的变体（variant）数据。该技能专为实时目录查询场景优化：当直接使用 curl 类型抓取或全新浏览器自动化可能被拦截时，它能优雅降级（gracefully degrade），而非硬性失败。

核心规则

• 将所有目录信息视为实时数据。在作答前，须验证其是否与当前页面一致。
• 工作范围限定于 lululemon.com.au，通常位于路径 /en-au/p/ 下。
• 优先采用搜索引擎发现目标页面，而非依赖 Lululemon 站内搜索功能。
• 优先选取商品详情页（product detail page），而非分类页、促销页或搜索结果页。
• 以 product slug 为单位对变体进行分组，再跨多个变体 URL 合并数据。
• 当仅能访问到单个变体页面时，需明确报告不确定性。
• 在回退至文本片段（snippet）或间接证据时，须保留各字段的来源信息（provenance）。

工作流程

1. 规范化请求

从用户描述中提取最具辨识度的商品关键词：

• 商品系列（product family）：Define Jacket、Swiftly Tech、ABC Pant
• 面料或产品线（fabric or line）：Nulu、Luon、Warpstreme
• 版型或长度（fit or length）：cropped、hip length、5 inch
• 适用人群（audience，若存在）：women、men

保留有意义的限定词，剔除填充类虚词。

构建 2–4 个搜索查询，例如：

• site:lululemon.com.au/en-au/p "define jacket nulu"
• site:lululemon.com.au/en-au/p "swiftly tech long sleeve 2.0"
• site:lululemon.com.au/en-au/p "abc trouser warpstreme"

2. 发现候选商品页面

优先使用网络搜索引擎，切勿直接请求站点自身的搜索页（如含 ?q= 或 ?search= 的页面）。

优质候选页包括：

• URL 路径位于 https://www.lululemon.com.au/en-au/p/... 下
• 搜索结果标题与所请求商品名称高度匹配

除非别无选择，否则应避免以下类型页面：

• 位于 /c/ 下的分类页（category pages）
• 促销落地页（sale landing pages）
• 仅因无关营销参数（如 utm_*）而不同的 URL

当搜索结果接近但存在歧义时，打开排名靠前的若干候选页，对比以下要素：

• 页面标题（page title）
• 主商品标题（main product heading）
• 版型/面料说明文字（fit/fabric text）
• 价格区间 vs 单一价格（price range vs single price）

3. 确定商品并收集变体

将 /p/ 后的 slug 视为商品系列（product family）的唯一标识键。

示例：

• .../p/define-jacket-nulu/154826268.html
• .../p/define-jacket-nulu/149502742.html

上述 URL 通常代表同一商品系列的不同颜色变体，有时也反映不同促销状态。

合并规则：

• 将具有相同 slug 的 URL 合并为一条商品记录
• 各变体的价格与尺码信息须独立保留
• 不可假设某一页已展示全部颜色名称
• 不可仅凭色块图片（swatch images）推断颜色名称

如需进一步了解经验证的发现策略及常见失败模式，请参阅 anti-bot-and-sources.md。

3A. 反机器人回退阶梯（Anti-Bot Fallback Ladder）

若商品页面被屏蔽或仅部分可读，不应立即中止。请按如下顺序依次回退：

1. 打开另一条指向相同 slug 的搜索结果
2. 打开同一 slug 下的其他变体 URL
3. 利用搜索结果中的摘要片段（snippet），该片段须明确指向官方 lululemon.com.au 商品 URL
4. 借助 lululemon.com.au 上的分类页或系列页（collection pages），确认商品系列归属及当前价格区间
5. 若运行环境支持真实浏览器会话（real browser session），则优先复用现有会话，而非新建自动化会话
6. 仅在上述所有官方站点回退方式均已穷尽后，才向用户索取直接官方 URL、页面 HTML 或截图

各类回退方式允许回答的字段范围如下：

• 商品名称（product name）：商品页、搜索片段、分类卡片（category card）
• 官方 URL：商品页、搜索结果
• 颜色（color）：商品页（首选）、搜索片段（次选）、同 slug 兄弟页面（third）
• 尺码（sizes）：商品页（首选）、搜索片段（次选）
• 当前价格（current price）：商品页（首选）、搜索片段或分类卡片（次选）
• 原价或促销状态（original price or sale state）：商品页（首选）、搜索片段（次选）

禁止使用非官方转售商（unofficial reseller）页面填充任何官方目录字段。

4. 从各变体页面提取字段

针对每个可访问的变体页面，提取以下字段：

• product_name
• url
• color
• price.current
• price.original（当页面明确显示常规售价时）
• price.sale
• sizes
• 可选标志位（flags），例如 low_stock、notify_only、online_only

常见页面锚点（anchor）位置：

• 页面顶部附近的主标题（main heading）
• Colour :
• Select US Size (AU Size)
• A$...
• Sale Price ... Regular Price ...

标准化规则：

• 货币单位默认为 AUD，除非页面明确显示其他币种
• 将价格字符串（如 A$169）转换为数值型 169
• 保留网站原始尺码标签，例如 0 (AU 4)
• 若商品名称跨行显示，则合并为单个字符串

5. 合并数据并返回结构化输出

返回一个商品对象（product object），包含以下字段：

• 规范化的商品名称（canonical product name）
• product slug
• currency
• all_colors：所有已观测变体颜色的并集（union）
• variants：以 URL 为粒度的观测结果数组
• confidence
• field_sources
• coverage
• sources

默认采用如下 JSON 结构：

{
  "query": "define jacket nulu",
  "product_name": "Define Jacket Nulu",
  "product_slug": "define-jacket-nulu",
  "currency": "AUD",
  "all_colors": ["Black", "Espresso"],
  "variants": [
    {
      "url": "https://www.lululemon.com.au/en-au/p/define-jacket-nulu/154826268.html",
      "color": "Black",
      "price": {
        "current": 169,
        "original": 169,
        "sale": false
      },
      "sizes": ["0 (AU 4)", "2 (AU 6)", "4 (AU 8)"],
      "field_sources": {
        "color": "product_page",
        "price.current": "product_page",
        "sizes": "product_page"
      }
    }
  ],
  "confidence": "medium",
  "coverage": {
    "variant_count_observed": 1,
    "all_colors_complete": false,
    "sizes_complete": true
  },
  "sources": [
    "https://www.lululemon.com.au/en-au/p/define-jacket-nulu/154826268.html"
  ]
}

反机器人策略（Anti-Bot Policy）

默认执行顺序如下：

1. 通过网络搜索引擎发现商品 URL。
2. 打开商品详情页，提取页面可见的结构化文本。
3. 对同一 slug 的多个变体 URL 进行合并。
4. 若商品页被屏蔽，则回退至官方站点的搜索摘要片段及相关官方页面。
5. 若运行环境支持真实浏览器会话，应优先复用已有会话，而非新建无头浏览器（headless browser）会话。
6. 仅在此之后，才向用户索取直接商品 URL、页面 HTML 或截图。

以下方式不得作为主要路径使用：

• 直接对首页或商品页发起原始 curl 或 requests 请求
• 使用默认自动化指纹（default automation fingerprints）新建无头浏览器会话
• 通过 ?q= 或 ?search= 访问站内搜索页

若用户明确要求提供可脚本化的爬虫（scriptable crawler），请说明：当前稳定默认方案并非原始 HTTP 抓取器（raw HTTP scraper），而是一套围绕搜索引擎索引 + 商品详情页构建的“发现-提取”工作流（discovery-and-extraction workflow）；仅当运行环境支持真实用户会话时，才可选择性复用浏览器状态（browser-state reuse）。

若必须基于回退方式作答，须下调置信度（confidence），并在 field_sources 中明确标注每个回退所得字段的来源。

失败处理（Failure Handling）

• 若多个商品均符合描述，返回排名靠前的匹配项，并说明匹配歧义原因。
• 若仅能访问单个变体页面，须注明 all_colors 可能不完整。
• 若页面仅展示图片而未提供机器可读的颜色名称，禁止从像素中推断颜色名。
• 若页面被屏蔽，应直白说明，并继续执行回退阶梯流程。
• 若所有官方页面均被屏蔽，但官方搜索摘要片段仍可用，则返回部分答案（partial answer），而非硬性失败。
• 若答案为部分结果，须精确说明哪些字段经商品页验证，哪些来自摘要片段或同 slug 兄弟变体。

何时返回部分结果（When To Return Partial Results）

当以下任一信息可通过官方渠道确认时，即可返回部分结构化输出：

• 一个有效的官方商品 URL
• 一个可靠的商品名称匹配结果
• 颜色、尺码或当前价格三者中至少一项

对于部分结果，应满足：

• 未知字段设为 null 或空数组
• confidence 设为 low 或 medium
• coverage.all_colors_complete 设为 false（除非已验证多个活跃变体）
• 附上简短说明，指出具体受阻环节（blocking point）