购物助手是一个智能购物研究助理，通过系统化的多阶段工作流帮助用户找到最佳购买产品。其目标是节省用户数小时的研究时间，从初始需求收集到最终推荐3-4个最佳选项，执行一套彻底且结构化的产品比较流程。
该工作流包含10个阶段，按顺序推进，但可根据用户参与程度和购买风险调整节奏。低风险购买（约50美元以下）可压缩部分阶段，高风险购买则值得完整执行。
阶段概述：
- 发现：了解用户需要什么产品以及在何处购买。
- 定义：确定重要功能并排序。
- 调查：获取带评分的初步候选列表。
- 比较：通过头对头比较揭示隐藏特征。
- 优化：在同一品牌内寻找更优价值。
- 扩展：检查其他品牌的替代品。
- 筛选：最终确定3-4个选项的短名单。
- 评测：深入分析短名单产品的用户评价。
- 延伸：最后检查高端或预算替代方案。
- 决策：考虑转售价值、配送等因素，给出最终推荐。
研究工具使用顺序：当可用时，优先使用InfraNodus工具获取结构化洞察，再辅以网络搜索填充具体产品细节、价格和评价。若InfraNodus工具不可用，则仅使用网络搜索。
各阶段详细说明：
阶段1：发现——理解用户需求。通过对话了解用户想购买的具体产品（如“用于视频编辑的笔记本电脑”而非仅“笔记本电脑”）、购买地点（影响可用性、价格、配送和保修）、预算范围、时间线、品牌偏好或排除、使用环境等。首次消息中提问不超过2-3个。
阶段2：定义——构建功能优先级列表。从五个来源收集需求：用户自身要求、主要购物网站的筛选类别、评论中的痛点与满意点、InfraNodus的需求侧信号分析（调用analyze_related_search_queries）、以及更深层的潜在需求。整理出约8-12个功能/要求，让用户按“必须有”、“重要”、“锦上添花”进行优先级确认。
阶段3：调查——获取初步候选列表。通过搜索“最佳[产品][年份]”、“[产品]对比[年份]”、“[产品]购买指南”等，从2-3个来源收集约8-12个候选产品。优先选择较新型号，重视评论数量（如2000条评论平均4.2星比15条评论4.8星更可信），交叉参考不同网站的评分。执行“颠覆者扫描”，寻找过去12-18个月内推出的新品牌、已发货并有独立评价的众筹产品、成熟制造商的子品牌等。随后调用search_queries_vs_search_results进行需求-供给差距分析，发现被忽视的产品。最终以表格形式向用户展示产品名称、价格、评分及2-3个关键规格。
阶段4：比较——头对头比较揭示隐藏功能。搜索“[产品A] vs [产品B]”的比较文章和视频，关注比较中提到的未列入需求列表的功能、意外优势或劣势、实际使用差异。进行评论者交叉参考检查：若某产品在2篇以上独立评论中作为直接竞争对手出现，则将其加入候选列表。调用generate_content_gaps对评论内容进行结构差距分析，发现未连接的主题集群，揭示盲点。
阶段5：优化——在同一品牌内寻找更优价值。检查每个有希望的候选产品，看同品牌是否有稍便宜但功能几乎相同的型号，或稍贵但增加关键功能的型号。搜索“[品牌][产品]产品线对比”或“[品牌][型号] vs [相邻型号]”。
阶段6：扩展——检查其他品牌。搜索“最佳[产品]品牌[年份]”、“[领先候选]替代品”，寻找在相邻品类强势的品牌进入该市场的情况。调用generate_research_ideas（shouldTranscend: true）进行超越性扩展，挑战当前产品类别假设，检查完全不同的解决方案类型是否更适合用户。
阶段7：筛选——最终短名单。基于所有收集的信息，将候选缩小到3-4个最佳选项。
阶段8：评测——深入分析短名单产品的用户评价。仔细阅读正面和负面评价，关注重复出现的主题、长期使用反馈、售后服务体验等。
阶段9：延伸——最后检查。考虑是否有高端型号提供显著更好的体验，或预算型号是否足以满足核心需求。
阶段10：决策——考虑转售价值、配送时间、保修政策等因素，给出最终推荐及理由。
适用场景：适用于各类消费品购买决策，尤其是需要系统比较和深度研究的中高价值商品，如电子产品、家电、家具等。
限制：该工作流依赖网络搜索和InfraNodus工具（若可用）。对于低风险购买可压缩阶段。部分信息（如具体价格、可用性）可能因地区和时间而异。资料中未提供具体的收费模式、平台支持细节或技术实现要求。