跳到正文

正在自动登录…

← 返回项目列表

lklbar666/mcd-saver-checkup

差价审计凑单检测习惯审计

基于麦当劳中国MCP的省钱审计Skill,通过枚举所有买法并用calculate-price复算,报告差额、归因与凑单临界点,帮助用户发现已发生的亏损。

AI 中文解读 · 根据仓库描述与 README 生成 · 2026/10/21 22:06:56 · 查看原文

值得看Python提示词与 Skills兼有 资源合集
累计 Stars
79
当前热度
未达当前门槛
仓库创建时间
打开 GitHub ↗项目网站 ↗

选用指南

AI 根据 README 整理 · 2026/10/21 22:06:56

适用场景

适用于每周吃2次以上麦当劳、习惯固定点法的人,公司团餐或拼单发起人,以及被满减劝着多买过的人。

查看 README 依据
scripts/load_menu.py 把 MCP 实时菜单/套餐/可领券转成引擎格式 scripts/mcd_mcp.py MCP 客户端(JSON-RPC over streamable HTTP) data/mock_menu.json 离线演示数据(假数据,非真实价目) data/menu-1950564.json 某门店的真实快照(2026-10-21,会过期) (在线版) https://ima.qq.com/skill?shareId=9e1fecab05fd48e299b7df116d884c0a examples/ 用法示例 MCP_INTEGRATION.md 用到的 MCP 工具、调用链与业务价值 CONTEST_DECLARATION.md 参赛声明(官方原文,未改动) ``` ## 目标用户 - 每周吃 2 次以上麦当劳、习惯固定点法的人 - 公司团餐/拼单的发起人 - 被「满减」劝着多买过一次、事后后悔的人 ## 限制 - 价格、库存、券的可领状态**以麦当劳官方渠道实时结果为准**;本项目只做比价,不承诺长期价格。 - `data/mock_menu.json` 是**演示用假数据**,不是真实价目。
使用方式

可通过ima在线体验,也可使用命令行离线演示,无需Token。

查看 README 依据
帮我体检一下:我平时点麦辣鸡腿汉堡 + 薯条 + 可乐 ``` ``` 满 60 减 12,我想吃麦乐鸡 10 块,值得凑吗? ``` > 在线版与命令行版共用同一套逻辑;命令行版可换门店、换时段、批量跑,适合核对与复现。 ## 安装 1. 申请麦当劳 MCP Token:<https://open.mcd.cn/mcp> → 登录 → 控制台 → 激活 → 复制 2. 在 WorkBuddy 中:左侧【专家·技能·连接器】→【连接器】→ 右上【自定义连接器】→【配置 MCP】,填入: ```json { "mcpServers": { "mcd-mcp": { "type": "streamablehttp", "url": "https://mcp.mcd.cn", "headers": { "Authorization": "Bearer YOUR_MCP_TOKEN" } } } } ``` 3. 回到【自定义连接器】把 `mcd-mcp` 启用。 ## 使用 ``` 帮我体检一下:我平时点巨无霸 + 中薯条 + 中可乐 ``` ``` 看看我最近 10 单,有没有买贵 ``` ``` 我想吃麦乐鸡 10 块,现在有满 60 减 12,值得凑吗? ```
**命令行(离线演示,不需要 Token)**: ```bash python scripts/audit.py --demo python scripts/audit.py --basket "巨无霸,中薯条,可口可乐" python scripts/audit.py --list ``` ## 工作原理 1. 从 MCP 取菜单、套餐组成、可用券、当前满减(`query-meals` / `query-meal-detail` / `query-store-coupons` / `available-coupons`) 2. **枚举**所有可行买法:单点 / 任意套餐组合 + 补单点 3. 先判定满减,再判定券;**默认满减与券二选一**(除非数据标明可叠加)——宁可保守,不给出违规方案 4. 每笔价格用 `calculate-price` 复算,报出差额与归因 5. 对每个满减门槛做「加购临界」计算:加购金额 < 优惠金额才划算 **为什么可信**:引擎不自己编价格,只做枚举与比价;所有金额来自官方接口,用户可逐笔核对。 ## 目录 ``` SKILL.md WorkBuddy Skill 入口 scripts/audit.py 差价引擎(纯标准库,可离线跑)
部署要求

使用在线版需申请麦当劳MCP Token并在WorkBuddy中配置MCP连接器;命令行离线演示不需要Token。

查看 README 依据
帮我体检一下:我平时点麦辣鸡腿汉堡 + 薯条 + 可乐 ``` ``` 满 60 减 12,我想吃麦乐鸡 10 块,值得凑吗? ``` > 在线版与命令行版共用同一套逻辑;命令行版可换门店、换时段、批量跑,适合核对与复现。 ## 安装 1. 申请麦当劳 MCP Token:<https://open.mcd.cn/mcp> → 登录 → 控制台 → 激活 → 复制 2. 在 WorkBuddy 中:左侧【专家·技能·连接器】→【连接器】→ 右上【自定义连接器】→【配置 MCP】,填入: ```json { "mcpServers": { "mcd-mcp": { "type": "streamablehttp", "url": "https://mcp.mcd.cn", "headers": { "Authorization": "Bearer YOUR_MCP_TOKEN" } } } } ``` 3. 回到【自定义连接器】把 `mcd-mcp` 启用。 ## 使用 ``` 帮我体检一下:我平时点巨无霸 + 中薯条 + 中可乐 ``` ``` 看看我最近 10 单,有没有买贵 ``` ``` 我想吃麦乐鸡 10 块,现在有满 60 减 12,值得凑吗? ```
**命令行(离线演示,不需要 Token)**: ```bash python scripts/audit.py --demo python scripts/audit.py --basket "巨无霸,中薯条,可口可乐" python scripts/audit.py --list ``` ## 工作原理 1. 从 MCP 取菜单、套餐组成、可用券、当前满减(`query-meals` / `query-meal-detail` / `query-store-coupons` / `available-coupons`) 2. **枚举**所有可行买法:单点 / 任意套餐组合 + 补单点 3. 先判定满减,再判定券;**默认满减与券二选一**(除非数据标明可叠加)——宁可保守,不给出违规方案 4. 每笔价格用 `calculate-price` 复算,报出差额与归因 5. 对每个满减门槛做「加购临界」计算:加购金额 < 优惠金额才划算 **为什么可信**:引擎不自己编价格,只做枚举与比价;所有金额来自官方接口,用户可逐笔核对。 ## 目录 ``` SKILL.md WorkBuddy Skill 入口 scripts/audit.py 差价引擎(纯标准库,可离线跑)
已知限制

价格、库存、券的可领状态以官方实时结果为准;mock_menu.json是演示用假数据;满减与券默认按不可叠加计算;本项目为参赛作品,非官方产品。

查看 README 依据
scripts/load_menu.py 把 MCP 实时菜单/套餐/可领券转成引擎格式 scripts/mcd_mcp.py MCP 客户端(JSON-RPC over streamable HTTP) data/mock_menu.json 离线演示数据(假数据,非真实价目) data/menu-1950564.json 某门店的真实快照(2026-10-21,会过期) (在线版) https://ima.qq.com/skill?shareId=9e1fecab05fd48e299b7df116d884c0a examples/ 用法示例 MCP_INTEGRATION.md 用到的 MCP 工具、调用链与业务价值 CONTEST_DECLARATION.md 参赛声明(官方原文,未改动) ``` ## 目标用户 - 每周吃 2 次以上麦当劳、习惯固定点法的人 - 公司团餐/拼单的发起人 - 被「满减」劝着多买过一次、事后后悔的人 ## 限制 - 价格、库存、券的可领状态**以麦当劳官方渠道实时结果为准**;本项目只做比价,不承诺长期价格。 - `data/mock_menu.json` 是**演示用假数据**,不是真实价目。
- 满减与券的叠加规则因活动而异,默认按「不可叠加」保守计算;如官方允许叠加,在数据里把 `stackable` 置为 `true`。 - 本项目为参赛作品,非麦当劳官方产品。 ## 许可 MIT。参赛声明见 [CONTEST_DECLARATION.md](./CONTEST_DECLARATION.md)。

README

正在加载 README…

收录信息

仓库创建时间
2026/10/21 11:28:42
首次达标收录
2026/10/21 22:01:47
统计更新时间
2026/10/22 19:01:10

按创建时长与累计 Stars 判断等级。首次达标收录后,即使未达当前门槛仍保留;累计 Stars 和仓库状态会定期更新。确认只有 README 及辅助文件的仓库会停止公开。

模型评估

值得看加权总分 3.9 / 5

新颖度
3.8
实用价值
4.1
成熟度
4.0
实质含量
3.8

由 Jev 模型根据仓库描述与 README 评估,2026/10/21 22:01:47 生成。评分仅供参考,不是代码、安全或许可证审查;热度等级另按创建时长与累计 Stars 计算。

仓库信息

最近推送
2026/10/22 14:20:11
许可证标识
MIT
Fork 数
8
当前状态
未归档

收录记录

按创建时长与累计 Stars 首次收录:小火
首次发现项目