agentleFS
limoaCatherinelimoaCatherine/game-studio-harness/skills/iap-catalog-check/SKILL.md

iap-catalog-check

Skill4 starsChanged 55 days agoMITView on GitHub

核对 IAP/礼包/通行证 SKU、价格档、内容物、限购与商店 ID 对照。触发:IAP 目录、SKU、礼包、通行证、商店后台、限购刷新。

The file

Files
SKILL.md

内购目录怎么核对

何时用

  • 新充值档/礼包上架前
  • 商店展示与实发权益不一致
  • 重复档或价格倒挂
  • 活动礼包冲击常驻目录

怎么做

1. 建目录主表

  1. 每条写:SKU ID、平台商品 ID、价格档、货币、是否订阅、上下架状态、展示位。
  2. 对齐商店后台与客户端配置主键;一侧缺失标断裂并分「缺后台/缺客户端」。
  3. 声明范围:常驻/活动/订阅;活动写起止与到期处理;订阅写续费与取消入口字段。
  4. 活动 SKU 与常驻分栏;与 liveops-calendar 窗交叉,避免无声重叠。
  5. 涉及产品表时走表沙盒编辑;晋升另开表 diff。
  6. 不合格:主键断裂或范围字段空 → 回本步补齐再核权益。

做到:主表 SKU/平台 ID/价格档齐全;断裂已分缺后台/缺客户端;活动窗与日历交叉。

2. 核对权益与展示

  1. 每 SKU 列权益:物品/货币/时长;对照直发或邮件通道字段。
  2. 展示卖点数字必须在实发列表找到对应项;限时/首充/返利写成给定/当/则。
  3. 同内容不同 SKU 标出并给合并/差异化选项。
  4. 实发走邮件时与 reward-mail-check 通道 ID 对齐。
  5. 内容物 id 须在物品表真实存在;幽灵 id 标红。
  6. 不合格:展示与实发不一致 → 回改正文案或权益列。

做到:展示数字均可在实发权益核对;邮件通道与 reward-mail 对齐;幽灵 id 已标红。

3. 扫描价格与档位问题

  1. 查价格倒挂、重复档、相对单买不可解释的「假折扣」。
  2. 限购与刷新含时区;通行证周期对齐赛季重置点。
  3. 与 monetization-kpi-pass 禁区交叉:碰战斗公平的条目升决策。
  4. 价值可解释句写入目录备注;无解释不进可上架集。
  5. 沙盒购发退路径列入检查:购买成功/取消/到账失败。
  6. 不合格:倒挂或禁区未裁 → 回改档位或升级决策。

做到:无未处理倒挂;限购刷新含时区;通行证对齐赛季;沙盒购发退路径已列。

4. 收口可上架集

  1. 输出可上架集 + 阻断清单 + SKU↔商店 ID 对照表。
  2. 埋点事件名清单给分析/程序;拉不出事件则阻塞上架。
  3. 回滚与下架执行人、配置版本写入文档仓。
  4. 命名与商店展示约束过 copy-pass 短句。
  5. 版本标签冻结后改价须记影响面(经济/活动/KPI)。
  6. 不合格:对照表缺行或埋点缺失 → 回步骤 1/3 补齐。

做到:可上架集+阻断清单+SKU↔商店 ID 对照入文档仓;埋点事件名齐全。

做到

  • SKU 与平台/客户端 ID 对照无断裂
  • 展示数字均可在实发权益中核对
  • 价格档无未处理倒挂;限购刷新含时区
  • 可上架集与阻断清单已入文档仓

失败回哪一步

  • 步骤1(建目录主表):主键断裂或范围字段空 → 回本步补齐再核权益。
  • 步骤2(核对权益与展示):展示与实发不一致 → 回改正文案或权益列。
  • 步骤3(扫描价格与档位问题):倒挂或禁区未裁 → 回改档位或升级决策。
  • 步骤4(收口可上架集):对照表缺行或埋点缺失 → 回步骤 1/3 补齐。

下一步常接:monetization-kpi-pass;monetization-designer;liveops-calendar;reward-mail-check;copy-pass。

工具锚

  • 运营日历 / 商品目录表 .xlsx
  • KPI 看板导出或快照 .json / .md
  • 变更记录落入 .harness/artifacts/

不在本文件

  • 支付通道工程实现
  • 经济通胀模型主责
  • 支柱终裁
  • 活动玩法全文
  • 具体商店商品名广告

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.