China Electronic Components Sourcing — 中国电子元件采购

中国电子元件采购技能描述 此技能帮助国际电子元件买家导航中国电子元件制造业格局，预计到2026年将超过5.2万亿元的收入。它提供基于最新政府政策和行业报告的区域集群、供应链结构和行业趋势的数据支持智能。 关键能力 行业概述：获取中国电子元件行业规模和发展目标的总结。 供应链结构：了解从原材料到下游应用的整个行业链。 区域集群：识别不同元件类型（半导体、被动元件、PCB、连接器、传感器）的专业制造中心。 子行业洞察：访问关键子行业（半导体、被动元件、PCB、连接器、传感器等）的详细信息。 采购推荐：获取评估和选择供应商的实用指导，包括验证方法和沟通最佳实践。 如何使用 您可以使用自然语言与此技能交互。例如： “2026年中国电子元件行业的总体状况如何？” “显示电子元件的供应链结构” “哪些地区适合采购汽车级半导体？” “告诉我关于MLCC制造集群” “如何在中国评估PCB供应商？” “传感器供应商应该寻找哪些认证？” 数据来源 此技能聚合来自以下来源的数据： 工业和信息化部（MIIT）官方政策 中国国家统计局 中国电子元件协会（CECA）年度报告 行业研究出版物（更新至2026年第一季度） 实现 技能逻辑在do.py中实现，它从data.json中读取结构化数据。所有数据都是集群级别的智能，没有个别工厂联系信息。 API 参考 以下Python函数在do.py中可用于程序化访问： get_industry_overview() -> Dict 返回中国电子元件行业规模、目标和关键政策举措的概述。 示例：from do import get_industry_overview result = get_industry_overview() # 返回：行业规模、2026年目标、自动化率、关键驱动因素等 get_supply_chain_structure() -> Dict 返回电子元件的完整供应链结构（上游、中游、下游）。 示例：from do import get_supply_chain_structure result = get_supply_chain_structure() # 返回：原材料、制造、应用行业 get_regional_clusters(region: Optional[str] = None) -> Union[List[Dict], Dict] 返回所有区域集群或指定区域的集群详细信息。 如果region为None：返回所有集群的列表 如果region指定：返回该集群的详细信息 示例：from do import get_regional_clusters all_clusters = get_regional_clusters() yangtze = get_regional_clusters("Yangtze River Delta") find_clusters_by_specialization(specialization: str) -> List[Dict] 找到专门从事特定元件类型的集群。 示例：from do import find_clusters_by_specialization results = find_clusters_by_specialization("automotive semiconductors") get_subsector_info(subsector: str) -> Dict 返回关于特定电子元件子行业的详细信息。 示例：from do import get_subsector_info mlcc_info = get_subsector_info("MLCC") semiconductor_info = get_subsector_info("semiconductors") get_sourcing_guide() -> Dict 返回供应商评估和采购最佳实践。 示例：from do import get_sourcing_guide guide = get_sourcing_guide() # 返回：评估标准、验证方法、沟通提示 get_faq(question: Optional[str] = None) -> Union[List[Dict], Dict] 返回FAQ列表或特定问题的答案。 示例：from do import get_faq all_faqs = get_faq() moq_faq = get_faq("MOQ") get_glossary(term: Optional[str] = None) -> Union[Dict, str] 返回术语词典或特定术语的定义。 示例：from do import get_glossary all_terms = get_glossary() mlcc_def = get_glossary("MLCC") search_data(query: str) -> List[Dict] 在所有数据中简单搜索查询字符串。 示例：from do import search_data results = search_data("automotive") get_metadata() -> Dict 返回关于数据源和最后更新的元数据。 示例：from do import get_metadata meta = get_metadata()