wengshirui /
mcdindex
用麦当劳官方 MCP 扫了全国 337 个地级及以上行政区的 5,817 家门店，算出一个 0~100 的城市麦当劳指数。输入城市名或地址关键词，就能看到这座城市在同级城市中的排名，以及门店密度、核心区覆盖、得来速占比三个分项。项目含纯函数计算引擎、离线数据快照与自包含演示页，打开即用、不联网。 亮点 把接口限制变成产品定义，而不是硬刚：MCP 的门店接口单次固定只返回 5 家、无分页、经纬度恒为 0.0，拿不到门店总数。项目用同构关键…
产品配图
关于
用麦当劳官方 MCP 扫了全国 337 个地级及以上行政区的 5,817 家门店，算出一个 0~100 的城市麦当劳指数。输入城市名或地址关键词，就能看到这座城市在同级城市中的排名，以及门店密度、核心区覆盖、得来速占比三个分项。项目含纯函数计算引擎、离线数据快照与自包含演示页，打开即用、不联网。 亮点 把接口限制变成产品定义，而不是硬刚：MCP 的门店接口单次固定只返回 5 家、无分页、经纬度恒为 0.0，拿不到门店总数。项目用同构关键词采样（城市名 + 区县 + 通用道路 + 通用 POI）绕开上限，并把产品语义直接定义成「只做同级别比较」，同时在页面明写拿到的是采样下界。 一道「防假精度」护栏：给近乎无差异的指标算百分位，等于把噪声放大成排名差异。实测全国 117 个共有 SKU 的挂牌价篮子相对极差只有 0.285，低于设定的 0.30 阈值，于是价格维度被降级为「只展示、不计分」。 用公开数据反向校验自己：把采样门店数逐省与公开门店数对照，量化覆盖率，并写清偏差方向 —— 门店越密的城市越容易被低估（南京实测覆盖率仅约 59%）。 工程上可直接取用：计算引擎是纯函数、零 I/O 零第三方依赖；71 项三态自测（通过 / 失败 / 跳过，「跳过」不算通过）；演示页是单文件，打开即用，不联网也不调 MCP。
收录记录
- HelloGitHub·用户投稿
讨论这个产品