选品分析

选品分析：亚马逊/TikTok Shop/速卖通多平台 BSR、销量、价格、评论、利润与竞争度 AI 打分，筛选蓝海、规避红海与侵权风险。经 Yufluent 云端 Harness 执行。 Use for 选品、蓝海、BSR、备货决策、product research、选品分析.

metahuan@metahuan

Install

openclaw skills install @metahuan/yufluentcn-product-pick

选品分析

帮助老板与运营用数据做备货决策：多平台（Amazon / TikTok Shop / 速卖通）BSR、销量信号、价格、评论、利润与竞争度综合打分，输出 go / watch / no-go 与 IP 风险提示。

ClawHub / OpenClaw 云端模式 — Harness product_pick 在 Yufluent 服务端执行；本机只需 TOKENAPI_KEY（tk-*）与 requests。

⚠️ 合规 — 市场数据应来自 Browser Service 已授权页面提取、用户手动粘贴或已授权 API 导出；本技能不未授权爬取平台。

快速开始（3 步，60 秒）

注册获取 API 密钥 → https://claw.changzhiai.com/login
设置环境变量：export TOKENAPI_KEY=*** 或写入 .env
运行：见下方 Examples

OpenClaw 与 Yufluent（必读）

层	走哪里	干什么
OpenClaw 对话 + Browser	`browser_` 工具 + 同一 `tk-`	在授权页面提取 BSR/价格/评论，整理为结构化文本
选品正式报告	`POST /v1/skills/product-pick/run`	Harness → 蓝海打分与备货建议 JSON

Agent 硬性规则：

禁止用对话模型自行撰写完整选品决策报告。
必须通过 python scripts/run.py ...（或 POST /v1/skills/product-pick/run）获取输出。
推荐工作流（自动 Browser）：说「自动选品 / browser选品 / 选品分析 + 品类名」→ Agent 触发 workflow browser-to-product-pick（Amazon SERP → Listing 抓取 → 本技能打分）。已有数据时直接 run_skill(product-pick) 或 workflow 内提供 product_candidates 则跳过 Browser。
手动 Browser 工作流：browser_navigate → browser_extract → 将结果填入 --product-candidates → run.py。
对话模型仅用于：澄清选品方向、解释打分、建议补数据。
只需 TOKENAPI_KEY，不要要求用户另配厂商 LLM Key。

自动选品流程（Agent 编排）

workflow_id：browser-to-product-pick（manifest 内置，可 run_workflow 一键触发；等价于下方 Step 1–4 的自动化子集，默认抓 Top 5 Listing 详情）。
auto_discover：Agent 无现成 product_candidates 时，必须按下列步骤抓取后再 run.py，禁止跳过 Browser 直接编造数据。

触发词：自动选品 / browser选品 / 帮我选品 + 品类名 / 选品分析 + 品类名

Step	动作	说明
1	`browser_navigate` → Amazon SERP	URL：`https://www.amazon.com/s?k={niche}`；`browser_extract(schema=amazon_serp)`
2	对 SERP 中 Top 20 非 sponsored ASIN	逐个 `browser_navigate` → `browser_extract(schema=amazon_listing)`，取 BSR / 价格 / 评分 / 评论数
3	整理 `--product-candidates`	合并为 CSV/JSON，列建议：`platform,asin,title,bsr,price,rating,review_count,url`；写入 `working_notes`
4	必须调用 Harness	`python scripts/run.py --niche "{品类}" --product-candidates ./data.json --data-source browser_extract --lang zh`（或 `POST /v1/skills/product-pick/run`）
5	解读交付	向老板说明 `blue_ocean_score`、`competition_score`、`ip_risk`、`capital_impact`、`verdict`（go / watch / no-go）

快捷路径（已配置 Browser Service）：

text

run_workflow(workflow_id="browser-to-product-pick", payload={ "niche": "便携榨汁杯", "max_capital": "50000", "lang": "zh" })

若 payload 已含 product_candidates，workflow 跳过 Step 1–3，直接 Step 4。

Instructions（Agent 工作流）

澄清选品方向：--niche（细分品类 / 场景）。
采集市场数据（任选其一）：
- Browser：browser_navigate + browser_extract（amazon_listing / amazon_serp 等 schema）
- 用户粘贴多平台表格或 JSON
- 已授权 API 导出（--data-source api_snapshot）

调用（必须 — 云端）：

bash

python scripts/run.py \
  --niche "便携榨汁杯" \
  --product-candidates @market_data.txt \
  --platforms "amazon,tiktok,aliexpress" \
  --unit-cost "到岸 ¥35" \
  --target-margin "30%" \
  --max-capital "¥50000" \
  --lang zh

解读：向老板说明 blue_ocean_score、ip_risk、capital_impact 与 verdict。

与其他技能联动

需求	技能
单条竞品快照	`yufluentcn-comp-track`
批量竞品 CSV 对比	`yufluentcn-comp-scrape`
评论痛点深挖	`yufluentcn-review-intel`
关键词 / 搜索量	`yufluentcn-seo-pro`
备货与补货	`yufluentcn-inventory-pilot`
合规 / 认证	`yufluentcn-compliance-guard`

环境变量

变量	必填	说明
`TOKENAPI_KEY`	是	`tk-*`，Yufluent 控制台获取
`TOKENAPI_BASE_URL`	否	默认 `http://localhost:8080/v1`

触发词

"选品分析"
"蓝海选品"
"这个品类能不能做"
"BSR 选品"
"备货决策"
"自动选品"
"browser选品"
"product research"

Examples

CLI 自动发现（--discover，需 Browser Service）

bash

# Amazon 搜索 SERP → Top N Listing 详情 → Harness 打分
python scripts/run.py \
  --niche "便携榨汁杯" \
  --discover \
  --discover-source amazon_serp \
  --search-query "portable juicer" \
  --max-candidates 20 \
  --lang zh

# Amazon 畅销排序搜索
python scripts/run.py --niche "瑜伽垫" --discover --discover-source amazon_bs

# TikTok Shop 搜索页发现（依赖页面结构，可能回退为快照行）
python scripts/run.py --niche "手机支架" --discover --discover-source tiktok_trending

环境变量：BROWSER_SERVICE_URL（默认 http://127.0.0.1:9222）

Browser 提取后分析

bash

python scripts/run.py \
  --niche "宠物自动喂食器" \
  --product-candidates ./browser_extract.json \
  --data-source browser_extract \
  --platforms "amazon,tiktok" \
  --max-capital "80000" \
  --lang zh

手动粘贴多平台数据

bash

python scripts/run.py \
  --niche "瑜伽阻力带" \
  --product-candidates "platform,title,bsr,price,reviews,rating
amazon,Set A,#1200,\$19.99,850,4.3
tiktok,Set B,月销2k+,¥89,320,4.1" \
  --data-source manual \
  --unit-cost "¥12 到岸" \
  --target-margin "35%" \
  --lang zh

合规声明

仅分析用户提供或 Browser Service 已授权提取的数据
不指导绕过平台 ToS 的爬虫
利润与销量为估算，IP 风险须人工复核
不构成采购或投资建议

版本记录

版本	日期	变更
v1.0.2	2026-06-25	run.py 增加 --discover / --discover-source / --search-query / --max-candidates
v1.0.1	2026-06-25	增加「自动选品流程（Agent 编排）」与 auto_discover / browser-to-product-pick 说明
v1.0.0	2026-06-25	初始选品分析技能：多平台打分、蓝海/红海/IP/资金占用