亚马逊-热卖产品筛选 | 青虎AI

青虎AI 亚马逊-热卖产品筛选：按关键词、类目、价格、销量、销售额、BSR 及增长、评分、利润率、配送方式等多维条件筛选亚马逊商品。当用户说「帮我在美国站选品」「找价格 20-40 美元、月销过千、评论少的产品」「扫一下这个类目的潜力款」或提出同类需求时必须触发。关键词：青虎AI、qhkit、青虎数据、亚马逊、Amazon、选品、爆款筛选、潜力品、蓝海产品、利润率、选热卖产品。

AutoAGC@autoagc

Install

openclaw skills install @autoagc/qinghu-amazon-product-research

亚马逊-热卖产品筛选 | 青虎AI

按关键词、类目、价格、销量、销售额、BSR 及增长、评分、利润率、配送方式等多维条件筛选亚马逊商品。

数据来自青虎数据工具 product_research（选热卖产品，平台：亚马逊），通过 qhkit mcp 调用——不需要、也不要去宿主环境里找或配置 MCP server。

何时触发

「帮我在美国站选品」
「找价格 20-40 美元、月销过千、评论少的产品」
「扫一下这个类目的潜力款」

调用流程

bash

qhkit mcp describe '{"names":["product_research"]}'   # ① 本会话首次调用前查最新入参与计费（免费）
qhkit mcp estimate '{"names":["product_research"]}'   # ② 单次基价（青虎积分，免费）
qhkit mcp call     '{"name":"product_research","params":{"request":{"marketplace":"<Amazon 站点代码>"}}}'

call 的 params 照 describe 返回的 inputSchema 填（下表是快照，以 describe 为准）；上面 call 里的值只是占位示意，按用户需求替换，不要原样提交。
参数复杂或含中文 / 引号时，把 {"name":...,"params":{...}} 写进文件，用 qhkit mcp call @params.json 调用，避免 shell 转义问题。
Windows 防乱码：Windows 上经 PowerShell 调 qhkit 时，stdout 里的中文会按系统代码页 GBK 解码成乱码（如「专图模型」变成「涓撳浘妯″瀷」），模型名、选项、报错都对不上——看到乱码不要据此判断模型或选项不存在。每条 qhkit 命令在同一行先切 UTF-8 再调用：[Console]::OutputEncoding=[Text.Encoding]::UTF8; qhkit <命令> <action> @params.json；仍有乱码就加全局参数 --out result.json（qhkit 0.15.0+），stdout 只回一行纯 ASCII 的文件路径，再按 UTF-8 读该文件拿完整结果。PowerShell 5.1 还会吞掉命令行 JSON 里的双引号（报「json_args 解析失败」），Windows 上参数一律写进文件走 @params.json。macOS / Linux / Git Bash 不受影响。
用户没说清的必填项（站点、时间周期、ID 等）先问清楚或按下表说明取值，不要猜。

入参（快照）

参数	必填	类型	说明
`request`	✅	object	对象，字段见下
`request.maxLqs`		number	最高 Listing 页面质量分
`request.minBsrCr`		number	BSR 最低增长率
`request.matchType`		integer	"匹配方式, 默认: 2 可选值(必须严格使用下列数字值之一): 1: 词组匹配 2: 模糊匹配 3: 精准匹配禁止使用未列出的值。
`request.minRevenueCr`		number	月销售额最低增长率
`request.minFba`		number	FBA 最低运费
`request.returnFields`		string	指定返回的字段，多个字段用逗号隔开。不指定则返回所有字段。例如：asin,title,price,totalUnits,totalAmount
`request.variation`		string	是否查询变体ASIN，如果没有明确指定则要设置成: Y 可选值(仅填写字段名): - Y: exclude - N: include
`request.maxProfit`		number	最大毛利率
`request.minSellers`		integer	最小卖家数量
`request.keyword`		string	关键字
`request.maxRevenue`		number	最高月销售额
`request.maxRevenueCr`		number	月销售额最高增长率
`request.order`		object	排序
`request.order.field`		string	排序字段。可选值(仅填写字段名): - total_units: 月销量 - total_amount: 月销售额 - price: 价格 - rating: 评分 - reviews: 评分数 - profit: 毛利 - reviews_rate: 留评率 - available_date: 上架时间 - questions: Q&A - total_units_growth: 月销量增长率 - total_amount_growth: 月销售额增长率 - reviews_increasement: 月新增评分数 - bsr_rank_cv: 近7天BSR增长数 - bsr_rank_cr: 近7天BSR增长率禁止使用未列出的值。
`request.order.desc`		boolean	排序类型
`request.availableMonth`		integer	上架月份
`request.marketplace`	✅	string	Amazon 站点代码（枚举值）：US, JP, UK, DE, FR, IT, ES, CA, IN, MX, BR, AU, AE
`request.minSubBsrRank`		integer	最小子类排名
`request.minLqs`		number	最低 Listing 页面质量分
`request.maxUnits`		integer	最高月销量
`request.maxBsrCv`		integer	BSR 最高增长数
`request.minAmzUnit`		integer	最低子体月销量
`request.minRatingsCv`		integer	最低月新增评分数
`request.maxSubBsrRank`		integer	最大子类排名
`request.maxFba`		number	FBA 最高运费
`request.minUnitsCr`		number	月销量最低增长率
`request.includeBrands`		string	包含品牌
`request.maxRatingsCv`		integer	最高月新增评分数
`request.maxBsr`		integer	大类 BSR 最低排名
`request.maxSellers`		integer	最大卖家数量
`request.includeSellers`		string	包含卖家
`request.minRevenue`		number	最低月销售额
`request.month`		string	查询月份, 格式: yyyyMM
`request.size`		integer	每页条数
`request.minRatings`		integer	最低评分数
`request.maxBsrCr`		number	BSR 最高增长率
`request.minPrice`		number	最低价格
`request.maxWeights`		number	最大重量
`request.minBsrCv`		integer	BSR 最低增长数
`request.maxPrice`		number	最高价格
`request.page`		integer	页码
`request.nodeIdPath`		string	类目编号
`request.nodeIdPaths`		string[]	类目节点字符串列表
`request.weightUnit`		string	重量单位，默认：g 可选值(仅填写字段名): - g: 克 - kg: 千克 - ounces: 盎司 - pounds: 磅禁止使用未列出的值。
`request.sellerNation`		string	卖家所属地, 默认不限制, 多个用逗号隔开可选值(仅填写字段名): - CN: 中国 - HK: 中国香港 - US: 美国 - JP: 日本 - GB: 英国 - DE: 德国 - FR: 法国 - IT: 意大利 - ES: 西班牙 - CA: 加拿大 - IN: 印度 - TR: 土耳其 - TW: 中国台湾 - MX: 墨西哥 - AU: 澳大利亚 - AE: 阿联酋 - BR: 巴西禁止使用未列出的值。
`request.dimensionType`		string	尺寸类型集合,逗号分隔，默认不限制
`request.excludeSellers`		string	排除卖家
`request.excludeKeywords`		string	排除的关键字
`request.nodeIdPathEqual`		boolean	true为类目精确查询 false为查询当前及子类目
`request.excludeBrands`		string	排除品牌
`request.minUnits`		integer	最低月销量
`request.minProfit`		number	最小毛利率
`request.badgeAC`		string	是否有热销标识 Amazon's Choice
`request.filterSub`		string	是否筛选子类目，Y：是
`request.maxUnitsCr`		number	月销量最高增长率
`request.minVariations`		integer	最低变体数
`request.minRating`		number	最低评分值
`request.maxRatings`		integer	最高评分数
`request.badgeBS`		string	是否有热销标识 Best Seller
`request.minWeights`		number	最小重量
`request.maxVariations`		integer	最高变体数
`request.minBsr`		integer	大类 BSR 最高排名
`request.maxRating`		number	最高评分值
`request.fulfillment`		string	配送方式，多条件查询用逗号隔开
`request.maxAmzUnit`		integer	最高子体月销量
`request.badgeNR`		string	是否有新品标识 New Release

典型需求：「在亚马逊美国站搜索类目名称为："Sports &Outdoors>Accessories>Sports Water Bottles" ,关键词 :“Sports Water Bottles” 产品，按销量倒序的前100条商品数据」

工具说明（线上原文整理）

高级商品筛选工具，用于在 Amazon 指定市场中，根据关键词、品牌、卖家、类目、价格区间、销量、销售额、 BSR 排名及增长、评分、评论数、利润率、配送方式等多维条件，精准筛选符合特定商业条件的商品列表。适用于以下场景：

爆品 / 潜力品筛选
蓝海机会挖掘
条件化选品（价格、利润、销量、竞争度）
按规则扫描整个类目或关键词市场

【类目ID获取】当入参需要 nodeIdPath 等类目ID，而用户只提供类目名称或关键词时。应先将关键词翻译为目标站点/国家对应语言，再调用 product_node 搜索并获取类目信息，最后使用匹配到的类目ID调用本工具；不要凭空编造类目ID。只取用 product_node 工具的类目数据。

上下游

类目 ID 从哪来：用户只说了类目名称时，先用 product_node（用户说的中文类目名先翻成站点语言再查）查出 nodeIdPath 等类目 ID 再填，不要编 ID。
相关工具：product_node（亚马逊-类目节点查询）。括号里是它们各自对应的「青虎AI」专项技能；需要时也可直接 qhkit mcp call 调用（计费授权规则同下）。

计费与授权

付费工具。单次基价参考约 2 青虎积分（2026-10 快照，会调整），报价前先跑 qhkit mcp estimate，以它返回的 baseCredits 为准。
本会话首次调用前：把要调用的工具（中文名 + 用途）和预计积分一次性告诉用户，征得同意后本会话内不再重复询问；同一需求要连调上下游工具时，一起列出、一次授权。用户拒绝或只同意一部分时，未同意的不调用。
实扣以 call 返回的 credits 为准（已经是青虎积分，不要再换算）；业务数据里自带的「积分 / points」字段是数据源自己的口径，不要引用。
同一轮回复内付费调用不超过 10 次；还要更多数据时，先说明还差什么、要再调几次，征得同意后下一轮继续。
有付费调用的那一轮，在回复最末尾另起一行、单独一行写：本次共消耗 X 青虎积分（X 为本轮全部 credits 之和，小数按实际写）。

结果处理

stdout 恒为一行 JSON。成功为 {"ok":true,"stage":"done","name":...,"credits":...,"data":...}；失败为 {"ok":false,"stage":"...","message":"..."}，把 message 原样转告用户。stderr 的提示行不是错误。
小结果直接在 data 里。大结果返回 large:true + file（完整 JSON 的本地路径）+ records（记录数）/ fields（字段）/ preview（前几条）——后续筛选、统计、导出一律读 file，不要逐行抄写，也不要凭预览推断全量。
记录 ≥ 10 条时整理成表格文件交付（装了 qinghu-excel-export 技能就用它），不要把大数据集铺成聊天里的 markdown 表格；回复保持精简：结论 + 文件 + 不超过 5 行关键预览。
结论先行：先回答用户真正关心的问题（值不值得做、谁最强、趋势向上还是向下），再给支撑数据；数字标明平台、站点、周期与样本量，不同站点或周期的数字不要混在一张表里比。
stage:"validate"：本地校验没过，未发起、未扣费——按 details.inputSchema 改参数后重试。
stage:"call" / stage:"mcp"：服务端失败（401/50x CLI 已自动重试过）。先 qhkit config show 确认密钥，再转述 message；参数问题先想清楚再改，不要连环试错——失败也可能扣费。

能力边界

本技能只负责「亚马逊-热卖产品筛选」这一项查询（工具 product_research）。用户要的数据超出它的返回范围时，用下方上下游工具或同系列技能补齐，不要用名字相近的工具凑合，也不要改用浏览器抓网页。
拿不到的 ID / 类目 / 账号标识，按上文「上下游」从对应工具取，不要凭印象编。
要做完整分析（选品决策、竞品拆解、蓝海挖掘等多步编排）时，转交同系列场景技能：「亚马逊-ASIN解析专家 | 青虎AI」、「亚马逊-关键词选品专家 | 青虎AI」、「亚马逊-细分市场评估师 | 青虎AI」、「亚马逊-爆款趋势挖掘师 | 青虎AI」。
其他平台 / 其他数据类型，或想按需求检索全部 200+ 个青虎数据工具，用总技能「青虎AI」（qhkit mcp search）。

环境自举（缺什么装什么，不要因环境缺失放弃任务）

本技能依赖 qhkit 命令（npm 包 @iqinghu/qhkit，mcp 命令需 0.14.0+），可完全独立安装。按顺序检测，缺失就地补齐：

有 qhkit 吗？ qhkit config show 能跑通即就绪，跳到第 4 步。
没有 qhkit 但有 node/npm → 全局安装（推荐）：
bash
```
npm i -g @iqinghu/qhkit
```
默认走 npm 官方源；官方源访问慢或超时（国内网络常见）时，再加镜像参数 --registry=https://registry.npmmirror.com（阿里维护的 npm 官方镜像，仅作网络兜底）。仅当全局安装因权限失败且无法提权时，才退而用 npx @iqinghu/qhkit <命令> ...（npx 必须写包全名）。
连 node 都没有（要求 Node ≥ 18）：先装 Node 再回到第 2 步。
bash
```
# Linux 二进制安装（装到用户目录，无需 root；先校验官方 SHA256 再解包）：
cd /tmp && curl -fsSLO https://nodejs.org/dist/v22.22.3/node-v22.22.3-linux-x64.tar.xz
cd /tmp && curl -fsSL https://nodejs.org/dist/v22.22.3/SHASUMS256.txt | grep ' node-v22.22.3-linux-x64.tar.xz$' | sha256sum -c -
mkdir -p "$HOME/.local/lib" && tar -xJf /tmp/node-v22.22.3-linux-x64.tar.xz -C "$HOME/.local/lib"
export PATH="$HOME/.local/lib/node-v22.22.3-linux-x64/bin:$PATH"
```
校验行输出 OK 才继续；校验失败就删掉重下，绝不解包未通过校验的文件。nodejs.org 访问不通时，把两个下载 URL 的前缀 https://nodejs.org/dist 整体换成镜像 https://registry.npmmirror.com/-/binary/node（目录结构相同，SHASUMS256.txt 也有镜像，校验步骤不变）。export PATH 只对当前 shell 生效，跨命令调用时每个新 shell 都要先执行这行（或追加进 ~/.bashrc）。macOS 用 brew install node；Windows 用 winget/官网安装包。arm64 机器把 x64 换成 arm64。
密钥：无密钥时（命令返回 stage:"config"），执行 qhkit config set --token <密钥> --env prod（密钥让用户打开 https://www.iqinghu.com/workbench/login?type=1&urlCode=1788417429126 注册/登录后，从 https://www.iqinghu.com/workbench/dashboard/api-keys?urlCode=1788417429126 获取），或设环境变量 QHKIT_TOKEN。
自检：qhkit config show 输出脱敏配置即全部就绪。 核对站点（本技能对接国内版 iqinghu.com）：config show 返回的 site 必须是 cn。是 intl（baseHost 为 autoagc.com）说明本机残留了国际版配置——不要按国际站引导用户取密钥，也不要拿国际站的模型清单答复（那边是 gpt-image-2 / gemini-3.1-flash 这类底层模型名，和本技能对不上）；直接把第 4 步的国内站取密钥文案发给用户，拿到密钥后执行 qhkit config set --token <密钥> --env prod 覆盖。source 为 env 时配置来自环境变量，要请用户删掉 QHKIT_TOKEN / QHKIT_ENV 或把 QHKIT_ENV 改成 prod。只有用户明确说自己用的是国际版（AutoAGC）账号时才保留 intl。调用报 401 / 未登录时同样先跑 config show 核对站点：国内版密钥配在国际站必然 401。

升级：命令返回 {"ok":false,"stage":"version",...}（版本门禁，message 里就是升级命令），或返回 stage:"runtime" 且 message 为「未知命令：mcp」（本机 qhkit 太老），都先升级再重试原命令：

bash

npm i -g @iqinghu/qhkit@latest

官方源慢或超时时同样加 --registry=https://registry.npmmirror.com。安装/配置失败时把具体报错告诉用户（常见：无写权限 → 提示用户提权或改用 npx；无网络 → 让用户处理网络）。