名称： card-optimizer
描述： "信用卡奖励优化器 — 通过为每个消费类别推荐最佳信用卡，帮助最大化返现、积分和里程。追踪年消费上限、计算年费投资回报率、管理季度轮换类别，并根据消费模式推荐新卡。"
主页： https://github.com/ScotTFO/card-optimizer-skill
元数据： {"clawdbot":{"emoji":"💳"}}

信用卡优化器

通过为每笔消费使用正确的信用卡，最大化信用卡奖励。

数据位置

• 技能逻辑: skills/card-optimizer/ (本文件)
• 用户数据: data/card-optimizer/
• cards.json — 信用卡定义、奖励率、消费估算、类别映射表

信用卡数据库结构

cards.json 中的每张卡遵循以下结构：

{
  "id": "unique_id",
  "name": "卡名称",
  "issuer": "发卡行名称",
  "network": "visa|mastercard|amex|discover",
  "annual_fee": 95,
  "reward_type": "cashback|points|miles",
  "point_valuation_cpp": null,
  "transfer_partners": [],
  "notes": "可选备注",
  "signup_bonus": {
    "amount": 200,
    "type": "cashback",
    "spend_requirement": 3000,
    "timeframe_months": 3,
    "earned": false
  },
  "categories": [
    {
      "category": "groceries",
      "rate": 6.0,
      "cap_amount": 6000,
      "cap_period": "yearly",
      "rate_after_cap": 1.0
    },
    {
      "category": "rotating",
      "rate": 5.0,
      "cap_amount": 1500,
      "cap_period": "quarterly",
      "rate_after_cap": 1.0,
      "quarterly_categories": {
        "Q1": ["gas", "ev_charging"],
        "Q2": ["groceries", "home_improvement"],
        "Q3": ["restaurants", "paypal"],
        "Q4": ["amazon", "target", "walmart"]
      },
      "activation_required": true
    },
    {
      "category": "everything_else",
      "rate": 1.0
    }
  ]
}

积分估值

对于积分/里程卡，存储 point_valuation_cpp (每积分价值，单位：美分)：
- Chase Ultimate Rewards: 基础 1.0 cpp，Sapphire Preferred 1.25 cpp，Sapphire Reserve 1.5 cpp
- Amex Membership Rewards: 基础 1.0 cpp，根据转点伙伴不同而变化
- 比较卡片时，将奖励率 × point_valuation_cpp 以获得等效返现率

类别映射表

cards.json 中的 category_map 将每个消费类别映射到最佳卡片的 ID。这是预计算的最优分配方案 — 在添加或移除卡片时需重新计算。

消费估算

为了支持投资回报率计算、缺口分析和新卡推荐，用户可以选择在 cards.json 中设置每个类别的预估月消费：

{
  "estimated_monthly_spending": {
    "groceries": 600,
    "gas": 200,
    "restaurants": 300,
    "amazon": 150,
    "streaming": 50,
    "everything_else": 500
  }
}

如果未提供估算值，本技能仍可为单笔消费推荐卡片 — 只是无法进行投资回报率或缺口分析。建议在首次设置时请用户进行估算。

注意： 本技能不追踪单笔消费。如果用户需要详细的消费数据，应通过预算工具连接其银行账户。这些估算值仅用于优化计算的粗略数字。

消费优化器

如何推荐卡片

当用户询问“用哪张卡买[类别]？”或“我要买[物品]”时：

1. 识别消费类别 (见下文“类别匹配”)
2. 检查所有卡片在该类别的奖励率
3. 考虑消费上限： 如果某卡有上限且用户在该类别的预估年消费将超过上限，则注明上限及可能耗尽的时间
4. 考虑网络接受度： 如果最佳卡是运通卡，需提醒部分商户不接受运通卡，并提供 Visa/Mastercard 备选方案
5. 比较等效回报率： 对于积分卡，使用 point_valuation_cpp 转换为等效返现率
6. 返回推荐结果并附上理由

响应格式

💳 使用: [卡名称] ([发卡行])
💰 奖励: [X]% [返现/积分/里程] 在 [类别]
⚠️ 注意: [任何上限、网络警告或注意事项]
🔄 备选: [如果商户不接受首选卡，则使用此卡]

考虑上限的推荐

当卡片有消费上限时：
- 远低于上限： 正常推荐
- 可能耗尽上限 (基于预估消费)：注明何时会达到上限以及之后应切换至哪张卡
- 存在上限： 始终提及上限，让用户知晓

示例："您的 Amex BCP 在超市消费可获得 6% 返现，上限为每年 $6,000。按每月约 $600 计算，您将在 10 月左右达到上限。之后，返现率将降至 1% — 届时请切换至 Wells Fargo Active Cash 以获得 2% 返现。"

季度类别管理

轮换类别

部分卡片 (如 Chase Freedom Flex, Discover It) 有每季度变化的 5% 轮换奖励类别，且需要激活。

季度提醒

在每个季度开始时 (1月1日, 4月1日, 7月1日, 10月1日)：
- 检查是否有 activation_required: true 的卡片
- 如果当前季度尚未激活，提醒用户
- 列出当前季度的奖励类别
- 注意：要实现自动化，可添加季度定时任务或将其包含在定期检查中

存储每张卡的激活状态：

{
  "quarterly_activations": {
    "chase_freedom_flex": {
      "2026-Q1": {"activated": true, "date": "2026-01-02"}
    }
  }
}

年费投资回报率分析

对于每张有年费的卡片，基于 estimated_monthly_spending 计算是否值得保留：

1. 计算奖励收益： 针对每个奖励类别，按奖励率计算年收益
2. 计算基准收益： 一张无年费的 2% 返现卡在相同消费上能获得的收益
3. 奖励价值： 奖励收益 − 基准收益
4. 净投资回报率： 奖励价值 − 年费
5. 结论： 如果净投资回报率 > 0，则值得保留

报告格式

💳 [卡名称] — 年费: $[金额]

奖励收益:               $[金额]
对比 2% 返现卡:         $[金额]
奖励价值:               $[金额]
年费:                  -$[金额]
━━━━━━━━━━━━━━━━━━━━━━━━
净价值:                 $[金额] ✅ 值得保留 / ❌ 考虑降级

盈亏平衡点: 需要在奖励类别消费 $[X]/年才能抵消年费

优化与缺口分析

消费缺口分析

使用 estimated_monthly_spending，识别：

1. 弱势类别： 消费较高，但最佳可用卡仅提供 1-2% 回报的类别
2. 表现不佳的年费卡： 年费卡产生的奖励不足以抵消年费
3. 上限耗尽： 预估消费超过奖励上限的类别 — 可能受益于第二张卡
4. 覆盖缺失： 完全没有奖励卡的常见类别

报告格式

📊 信用卡优化报告

✅ 覆盖良好:
- 超市 → Amex BCP (6%) — 年收益约 $360
- 亚马逊 → Chase Prime (5%) — 年收益约 $90

⚠️ 识别出的缺口:
- 餐饮: 每月 $300，仅获 2% (Chase Prime) — 一张 4% 餐饮卡每年可多省 $72
- 旅行: 每月 $200，仅获 1% — 一张 3x 旅行卡每年可多赚 $48

❌ 年费卡提醒:
- [卡名] 年费 $95，但仅产生 $60 奖励收益 — 净亏损 $35

💡 建议:
- 添加 [卡名] 可在 [类别] 上每年多赚约 $[X]
- 考虑将 [卡名] 降级为无年费版本

新卡推荐

基于消费估算，推荐能增加价值的卡片：

1. 识别用户消费最高的弱势类别
2. 匹配在这些类别有高回报率的流行卡片
3. 计算新卡的预估年收益
4. 考虑年费因素
5. 提及开卡奖励作为首年甜头

不要推荐具体的推广链接 — 仅提供卡名并解释原因。

按类别考虑的流行卡片：

类别匹配

商户 → 类别映射

当用户提及商户时，映射到正确的卡片类别：

模糊类别匹配

当用户使用非正式表述时：
- "food" / "eating out" / "dinner" → restaurants
- "grocery run" / "supermarket" → groceries
- "gas" / "fuel" / "fill up" → gas
- "uber" / "lyft" / "ride" → transit
- "stuff on amazon" / "prime order" → amazon
- "pharmacy" / "meds" / "prescription" → drugstores
- "subscription" / "monthly streaming" → streaming
- "general" / "random purchase" → everything_else

如果模糊不清，请询问："这是超市消费还是餐厅消费？"

网络接受度警告

运通卡接受度

美国运通卡的商户接受度低于 Visa/Mastercard：
- 小型/本地商户
- 部分国际商户
- Costco (美国店内仅接受 Visa)
- 部分政府支付

推荐运通卡时，务必提供 Visa/Mastercard 备选方案。

Costco 特殊情况

美国 Costco 门店仅接受 Visa 信用卡 (以及借记卡/现金)：
- 店内：必须使用 Visa
- 线上 (costco.com)：接受 Visa, Mastercard, Discover (不接受运通)

添加新卡

当用户想要添加卡片时：

1. 收集信息：

   • 卡名称和发卡行
   • 支付网络 (Visa/MC/Amex/Discover)
   • 年费
   • 奖励类型 (返现/积分/里程) 及积分估值 (如适用)
   • 各类别奖励率 (每个奖励类别 + 基础费率)
   • 任何类别的消费上限或限制
   • 是否有轮换类别？哪些季度？是否需要激活？
   • 开卡奖励详情 (可选)

2. 研究卡片 — 如果用户只提供卡名，可通过网络搜索查找当前的奖励率、费用和类别

3. 在 cards.json 中创建卡片条目

4. 重新计算 category_map — 确定现在哪张卡在每个类别胜出

5. 确认并显示更新后的推荐

移除卡片

1. 从 cards.json 的 cards 数组中移除
2. 重新计算 category_map
3. 确认并显示现在覆盖变弱的类别

首次设置

如果 data/card-optimizer/cards.json 不存在：

1. 询问用户拥有哪些信用卡
2. 对于每张卡，执行以下操作之一：
   • 通过网络搜索查找该卡当前的奖励结构，或
   • 如果是不常见/区域性卡片，请用户提供费率
3. 构建包含所有卡片和预计算类别映射表的 cards.json
4. 询问预估月消费 (超市、加油、餐饮、亚马逊、流媒体、一般消费等) — 说明这用于支持投资回报率和缺口分析，但为可选步骤
5. 运行初始优化报告，显示每个类别的最佳卡片以及任何缺口

快速参考