Install
openclaw skills install @pangolinfo/pangolinfo-amazon-listing-optimizationUse when: user says "写/优化 Listing" / "改我的标题" / "我的五点不行" / "Search Terms 怎么写" / "竞品文案怎么抄" / "rewrite my listing" / "我的转化率差" / "VOC 分析". Covers: 5-step Listing optimization — VOC 痛点挖掘 (来自 reviews) → 标题/五点/Backend 写作 → IP 合规自动筛查 → 文案可直接复制上架。 NOT for: 选品 (use amazon-product-explorer) / 日常监控 (use amazon-
Amazon Listing 优化 SOP
跑前必读：本文件末尾《核心规则 / Core Rules》章节（已内联，自包含）。 来源标记硬规则：本 Skill 发起的每次 MCP tool 调用，都必须在
arguments顶层加入"clientSource":"skill"，不得省略。 角色：资深 Amazon 运营 + 文案专家。所有输出可直接复制到 Seller Central。
用户触发与档位
Fast 档（默认 ≤90s）：
- "帮我写个 Listing for wireless earbuds"
- "我的标题怎么改"
- "Backend Search Terms 怎么填"
Full 档（用户明示 ≤4min）：
- "完整重写 Listing 包括 A+ 文案"
- "深度 VOC 分析后再写"
- "包括 IP 合规筛查"
单工具直通：
- "查 X 的差评" →
get_amazon_reviews filterByStar=critical pageCount=1 - "X 词在美国注册商标了吗" →
wipo_search source=USID hol=X
Fast 档 SOP(4 回合 ≤ 90s)
只用 PDP 自带的 aiReviewsSummary + 1 次 critical reviews,不调 ai_search(30s 太慢)。
回合 1 (5s) search_amazon ← 找 Top 3 标杆 ASIN
回合 2 (5s) get_amazon_product(A1) | get_amazon_product(A2) ← 2 并发
回合 3 (5s) get_amazon_product(A3) | get_amazon_reviews(最优 ASIN) ← 2 并发(reviews 5pt)
回合 4 (5s) get_category_paths (可选,验证类目锚定) ← 单发
LLM 整合 (~30s)
总耗时:~30s tool + 30s LLM ≈ 60-75s 总成本:~8 积点(reviews 5pt + 3 个 PDP 各 1pt) 总调用:5-6 次 tool
并发硬上限: 2(实测 2026-05-28:3 并发会触发后端业务码 9200 "no content")。
R1 — 找 Top 标杆 ASIN
{ "name": "search_amazon",
"arguments": { "keyword": "<core_keyword>", "site": "amz_us" }}
Extract: data.json[0].data.results[] 取前 3 个非赞助（sponsored="0"）ASIN，按 rank 升序。
Skip rule: 用户已给了 3 个对标 ASIN → 跳过 R1。
R2 — 2 并发拉标杆 PDP (A1 + A2)
{ "name": "get_amazon_product", "arguments": { "asin": "<A1>", "site": "amz_us" }}
{ "name": "get_amazon_product", "arguments": { "asin": "<A2>", "site": "amz_us" }}
Data Ingestion Guard (any-field-empty): 对每个 ASIN,检查 4 个核心字段:
title(string)features(array,至少 3 条)aiReviewsSummary(object)bestSellersRankItems(array,至少 1 条)
如果全部为 null → 输出 🔴 Abort Maneuver: Target ASIN data body is completely empty. 停止。
如果任一为 null(其他有数据) → 继续,但在 Section "Data Completeness Warnings" 里列出缺失字段 + 标明该分支用了 fallback。
Extract per ASIN:
title:分析竞品标题结构features[]:竞品的"五点描述"(这是 features,不是不存在的 bullet_points)productDescription[]:A+ 模块(不是 a_plus_modules)bestSellersRankItems[]:用于 Category ID 解析(见下方"Category ID Resolution Rule")breadCrumbs:free-text 面包屑字符串,仅作上下文展示用,不要尝试解析数字 ID(实际是 UTF-8›分隔的明文 + HTML entity,但不含数字 ID)price+star+rating:判定是哪一档对手。注意star是 0-5 分数,rating是评分人数(评论计数)aiReviewsSummary.items[]:⭐ 关键 — 这里已经有 LLM 总结好的优缺点摘要,直接用,不需要再调 reviews
Category ID Resolution Rule (BSR scan)
解析叶节点 numeric ID 时:
-
主路径:遍历
bestSellersRankItems[],对每条.link字段 apply regex/(\d{5,})/,取最深 index 命中的 numeric ID(注意:[0]通常是 slug-only URL,如/Best-Sellers-Home-Garden/,数字 ID 在[1]或更后)。不要直接取[0],实测 [0] 通常拿不到数字 ID。注意有些老类目 ID 仅 5 位(如172282Electronics),所以是\d{5,}不是\d{6,}。 -
不要用
breadCrumbs作为 ID 来源:free-text 字符串,不含数字 ID。 -
三级 fallback:如果
bestSellersRankItems[]全空(罕见,头部 Amazon 自营品可能这样),改用顶层category_id字段作为 leaf ID。 -
双失败兜底:BSR 和 category_id 都不可用时,跳过类目验证,在最终报告 "Category Node Status" 注入
⚠️ Category Node Audit Unavailable: ASIN 无 BSR 也无 category_id,不阻塞后续 phase。 -
拿到 ID 后,可选调
get_category_paths(categoryIds=[<id>], site="amz_us")验证类目路径。jsonc { "name": "get_category_paths", "arguments": { "categoryIds": ["<leaf id>"], "site": "amz_us" }}前提:
categoryIds是字符串数组,ID 来自上面bestSellersRankItems[].link解析或顶层category_id。 Extract:data.items[]→categoryId/categoryName(Cn) /browseNodeNamePaths[](完整面包屑,如 "Electronics > Headphones > Over-Ear")。用这条 path 校验 Listing 关键词的类目相关性、确认 backend search terms 对齐正确叶子类目。
消耗品/复购筛查(R2 提取后,本地判定,不耗 tool)
判断 leaf category / 产品类型是否落在周期性复购赛道(Supplements / Beauty / Pet Food / Cartridges / Filters / Grocery 等)。命中则在五点 BULLET 4 走 LTV 分支,系统性扫 Title / features / 后端里的复购向量:
- 明确容量(count / oz / ml / days of supply)
- 消耗节奏说明(daily dose / replacement frequency)
- Subscribe & Save (S&S) 转化触发器 未命中 → BULLET 4 走标准场景化品牌文案。判定结果写进 CORE OPERATING REMINDERS 第 2 条。
R3 — 2 并发 (A3 + 最优 ASIN 差评)
2 并发拉 A3 + 最优 ASIN 的差评(挑评论数 rating 最大的 ASIN):
{ "name": "get_amazon_product", "arguments": { "asin": "<A3>", "site": "amz_us" }}
{ "name": "get_amazon_reviews", "arguments": {
"asin": "<top_competitor_asin>",
"site": "amz_us",
"pageCount": 1,
"filterByStar": "critical",
"sortBy": "helpful"
}}
Extract reviews: data.json[0].data.results[] 前 5 条;记 title+content+star+helpful。
Skip rule: A1 + A2 的 aiReviewsSummary 已含明确负面信号 → 跳过 reviews 调用,省 5 积点。但仍然要拉 A3 的 PDP。
get_amazon_reviews 费率: 实测 5 积点/页(后端 2026-05 实测口径,旧文档"10/页"已过时)。
Fast 整合：输出 5 段 Listing 草稿
1. 痛点反转分析（来自 R3 + aiReviewsSummary）
- 痛点 1: "材质太软" → 卖点反转: "Reinforced TPU shell"
- 痛点 2: "续航虚标" → 卖点反转: "Verified 8h playback (in-house tested)"
2. 标题（直接可复制）
<Brand> + <核心词1> + <型号/规格> + <主卖点1> + <适配场景> + <核心词2> + <Pack of N>
实例:
SoundMax Wireless Earbuds, Bluetooth 5.4 with 8H Battery, ANC for iPhone/Android, IPX7 Sport Headphones, Pack of 1
✓ 200 字符以内 ✓ 首 80 字含核心词 ✓ 无 ！?$ Best #1 Amazon 等违规词
3. 五点描述（5 条固定语义角色，每条 180-250 字符；每条 = ALL CAPS 摘要 + Benefit + Feature）
1) 【核心反击 CORE ATTACK】反转 aiReviewsSummary 里最高频的差评(如"材质软"→"Reinforced TPU shell")
2) 【AI 助手拦截 AI INTERCEPT】直接回答 Rufus 引导问题(Full 档 R3.8 实时取;Fast 档无 Rufus → 从 aiReviewsSummary 正向高频意图派生,并标"派生")
3) 【社媒渴望 SOCIAL DESIRE】承接 off-site Reddit/TikTok 趋势卖点(Full 档 ai_search 取;Fast 档无 → 用品类通用生活场景)
4) 【复购 & LTV / 场景化】消耗品命中 → 周期(如 "60-Day Supply" / "Replace Every 3 Months")+ 用量说明 + S&S 经济钩子;非消耗品 → 标准生活场景品牌化
5) 【防御性品质 DEFENSIVE QUALITY】保住 aiReviewsSummary 里产品原生的正向资产,别在改写中弄丢
4. Backend Search Terms（249 字节硬上限）
long-tail-1 long-tail-2 misspelling spanish-variant ...
5. 待 Full 档处理
- ⏭ Rufus AI 助手意图拦截(BULLET 2 升级为实时数据)
- ⏭ IP 合规筛查（标题里有 X / Y / Z 三个潜在风险词，含文字商标）
- ⏭ 多页 VOC 深度挖掘 + 站外趋势
Full 档 SOP（在 Fast 基础上 +2-3 回合 ≤ 4min）
仅在用户明示"完整 / 深度 / 包括 IP / 包括外部 VOC"时触发。
R3.8 — on-site Rufus 意图拦截 (search_amazon_alexa) — 升级 BULLET 2
Fast 档的 BULLET 2 是从 aiReviewsSummary 派生的;Full 档用 Rufus 实时数据把它升级成"直接回答买家在 PDP 上问 AI 助手的问题"。
⏱ 这是长响应接口 —— 调用前必读:
search_amazon_alexa是 Rufus 实时生成,单 prompt 通常 60–90s,最大可达 ~200s;计费 6 积点/prompt。- 强制只传 1 个 prompt: 多 prompt 线性叠加(N prompt ≈ N×6 积点 + N×响应时间),极易超 200s。永远
prompts只放 1 条。 - 调用前在用户消息里报:"将查 1 次 Rufus 引导问题,约 6 积点 / 最长 ~200 秒,是否继续?"
{ "name": "search_amazon_alexa", "arguments": {
"prompts": ["<核心品类名词 + 最主导的 1 个使用场景词,组成 1 条干净复合短语,如 'wireless earbuds for running'>"]
}}
不要传
marketplaceId(固定 amz_us,只接受prompts+ 可选screenshot)。NO-URL 速度模式: 只传干净复合名词短语,严禁塞原始 URL 或整段对话。
双 502 resilience: 502 / 超时 → retry 1 次(2s backoff)。仍失败 → 不中断核心流程,平滑降级:BULLET 2 改从 aiReviewsSummary 的正向高频意图派生,并在 BULLET 2 + CORE OPERATING REMINDERS 第 3 条注入 [Partial Report: AI 助手数据因上游超时暂不可用],明确标为派生而非 Rufus 实时文本。
R4/R5 — 2 并发拉 A2+A3 差评 + 单发 ai_search 外部 VOC
⚠️ "将多抓 2 个 ASIN 各 1 页差评 + AI 搜该品类用户抱怨,约 13 积点 / ~40 秒,是否继续?"(reviews 5pt × 2 + ai_search 2pt = 12pt + buffer = 13pt)
回合 1 (5pt):
{ "name": "get_amazon_reviews", "arguments": {
"asin": "<A2>", "pageCount": 1, "filterByStar": "critical", "sortBy": "helpful"
}}
{ "name": "get_amazon_reviews", "arguments": {
"asin": "<A3>", "pageCount": 1, "filterByStar": "critical", "sortBy": "helpful"
}}
回合 2 (单发):
{ "name": "ai_search", "arguments": {
"query": "what do people complain about <product_category>",
"mode": "overview"
}}
注意: ai_search 必填参数是 query: string(0.3.0 新名;旧名 google_ai_search 已废,不再可用)。可选 mode: 'overview' | 'ai_mode'(默认 'overview')。
Extract:
- 两个 ASIN 各 5 条差评 → 痛点池扩容
- ai_search AI Overview 的
references[].url→ 外部抱怨真实来源
Cluster: LLM 本地聚类 3 个 ASIN + 外部 = 12 条痛点 → Top 5 主题。
R6 — 2 并发 wipo_search(最多 3 个高风险词)
从 R1-R5 形成的标题草稿里抽 3 个潜在风险词(如 Velcro / Kevlar / Teflon / 拟用品牌名)。分批 2 并发:
// 第一批
{ "name": "wipo_search", "arguments": { "source": "USID", "prod": "<word1>", "num": 5 }}
{ "name": "wipo_search", "arguments": { "source": "USID", "prod": "<word2>", "num": 5 }}
第二批(如有):
{ "name": "wipo_search", "arguments": { "source": "USID", "prod": "<word3>", "num": 5 }}
⚠️ 严禁 source="USTM" — 后端不支持文字商标(text trademark)枚举。文字商标排查走下方 R6b 的 ai_search。
判定:
- 🔴 status='ACT' 且 hol 是大公司 → 必须替换
- 🟡 status='ACT' 但 hol 是小公司 → 建议替换
- 🟢 0 hits 或 status='EXP' → 安全
Image 引用: IMG_DATA[].filename 是相对路径(如 26/06/D0992606-0001.1-th.jpg),不能直接 paste 当 URL。最终报告引用专利图时,贴 DETAIL_URL 字段(完整 WIPO 记录 URL),IMG filename 作 supporting evidence。
R6b — 文字商标预筛 (ai_search brand legal dork,单发)
wipo USID 只覆盖外观;标题/Backend 里的文字词商标要用 ai_search 单独扫,把拟用词映射到真实法律实体并查公开注册冲突:
{ "name": "ai_search", "arguments": {
"query": "\"<拟用词/品牌词>\" trademark (USPTO OR \"registered\" OR \"™\" OR \"®\")",
"mode": "overview"
}}
Extract: 命中的已注册竞品文字词 → 列入禁用词,从公开文案 + Backend 剔除。初步风险雷达,非正式法律清关。
Full 报告（在 Fast 5 段基础上扩 2 段）
6. 完整 VOC 矩阵
Top 5 痛点 + 来源 (Amazon ASIN X / Google AI Overview / Reddit ref) + 反转卖点
(BULLET 2 若走了 Rufus 双 502 派生 fallback,这里注明)
7. IP 合规报告(分两类来源)
🎨 设计专利(wipo USID):
| 拟用词 | WIPO 状态 | 持有人 | 风险等级 | 替代词 |
| Velcro | ACT | Velcro Companies | 🔴 | Hook and loop fastener |
🔤 文字商标(ai_search legal dork): 命中的已注册文字词 → 禁用词清单 + 替代建议
⚠️ 免责：AI 不构成法律意见。开模/大批量备货前请咨询专业 IP 律师。
文案硬规则（不管 Fast/Full 都遵守）
标题位段公式
[品牌 4-15] + [核心词1 12-25] + [型号/规格 5-15] + [主卖点 15-30]
+ [适配场景 10-20] + [核心词2 10-20] + [包装/数量 5-10]
标题禁令
- ❌ ！ ? $ Best #1 Amazon
- ❌ 重复关键词
- ❌ Three-Pack（应写 "3 Pack"）
- ❌ 80 字断点处截断核心词
- ⚠️ 200 字符硬上限
五点描述
- 每条 180-250 字符，硬上限 500
- 结构：
[ALL CAPS 摘要] + Benefit + Feature - 5 条覆盖 5 个不同长尾词；单词出现 ≤ 3 次
Backend Search Terms
- 249 字节硬上限
- 去重 + 零侵权词
- 含长尾、拼写变体、西语词（US 市场）
与其他 SKILL 的协同
- 🔄 用户问"我该做哪个品" → 引导
amazon-product-explorer - 🔄 用户问"竞品有动作吗" → 引导
amazon-daily-competitor-radar - 🔄 IP 风险细查 → 引导
ip-clearance - 🔄 外部 SERP 调研 → 引导
google-research
反模式
- ❌ 引用不存在字段:
negative_reviews_top5/positive_reviews_top5/backend_keywords/bullet_points/a_plus_modules/monthlySoldVolume/bsr_category_path(真实是features[]/productDescription[]/sales/bestSellersRankItems[]/ 评论用get_amazon_reviews) - ❌ Fast 档调
ai_search— 30s 太慢 - ❌ 用
google_ai_search/google_trends— 已在 0.3.0 改名为ai_search/keyword_trends,旧名直接 ToolNotFound - ❌ 一回合 ≥ 3 个 scrapeApi 并发 → 实测会被业务码 9200 拒
- ❌ 同时跑 3 个 ASIN 的 reviews → 15 积点,必须先告知预算
- ❌ Title 用 Velcro / Kevlar / Teflon 等已知商标词不查 WIPO
- ❌ Category ID 直接取
bestSellersRankItems[0].link→[0]通常是 slug-only URL,必须遍历整个数组,取最深 index 含/(\d{5,})/命中的那个 - ❌ 尝试从
breadCrumbs解析数字 ID → 这是 free-text 字符串,不含数字 ID;只作上下文展示用 - ❌
wipo_search(source="USTM")→ 后端不支持文字商标,只USID设计专利;文字查询走ai_search - ❌
search_amazon_alexa传marketplaceId→ 此工具固定 amz_us,只接受prompts+ 可选screenshot - ❌
search_amazon_alexa一次传多个 prompt → 长响应接口(单 prompt 60–90s,最大 ~200s),多 prompt 线性叠加易超时;永远只传 1 条 - ❌ Fast 档调
search_amazon_alexa→ 长响应 + 6 积点,只在 Full 档 R3.8 调;Fast 档 BULLET 2 从 aiReviewsSummary 派生 - ❌ 用
keywords(复数)调 search_amazon → 真实参数keyword(单数,REQUIRED) - ❌
marketplaceId="ATVPDKIKX0DER"→ 这是 Amazon merchant ID,不是 filter_niches/filter_categories 入参;后者要 ISO 站点码"US"/"UK"/"DE" - ❌ Phase 1 abort 条件用"全部字段空"才 abort → 改用 any-field-empty 规则,任一核心字段为空就在最终报告标
⚠️ Partial Data Warning,只在 4 个核心字段全空才完全 abort - ❌ 先凭直觉说"做不到"再实测可查 → 违反 R-11,先调
pangolinfo_capabilities再下结论
核心规则 / Core Rules（本 skill 自包含，无需外部文件）
以下规则对所有 Pangolinfo skill 通用。本文件已内联，单独加载即生效。
R-1 鉴权与默认值
API Key（两套，别混）
Pangolinfo 有两套独立的 key 注入路径，对应两种运行形态：
- Skill 侧（本文件所在形态）：AI 从环境变量
PANGOLINFO_API_KEY读取 key。这是 skill 默认的 key 来源——由用户在运行环境里设好，AI 直接读、不要反复追问用户。 - MCP server 侧：key 走 MCP 配置（CLI
--api-key=<key>/ 同名 envPANGOLINFO_API_KEY/~/.pangolinfo/config.json/ hosted URL?api_key=<key>或 HTTP 头Authorization: Bearer <key>）。
两者互相独立：skill 侧改 env var 不会影响已连上的 MCP server，反之亦然。key 是 JWT 格式（eyJhbGci... 三段式、点分隔），不是 pgl_ 前缀——从官网控制台复制出来长什么样就照原样用，别因为不是 pgl_ 开头就判成无效。
First-time setup（工具没注册 / 首次 AUTH 失败时）
若 pangolinfo_capabilities 探针发现工具未注册，或任一 tool 直接返回 AUTH，说明 key 尚未配好。此时停止跑 SOP，引导用户：
- 到 https://www.pangolinfo.com 登录，复制 API Key（JWT 格式，
eyJhbGci...开头；新用户有免费额度）。 - 配置 key：
- Skill 形态 → 设环境变量
export PANGOLINFO_API_KEY="eyJhbGci..."。 - MCP 形态 → 写进
~/.pangolinfo/config.json，或 MCP URL?api_key=eyJhbGci...，或头Authorization: Bearer eyJhbGci...。
- Skill 形态 → 设环境变量
- 重启 / 重连（env var 与 MCP 配置都不热加载）。
- 让用户配好后再来。AI 不能替用户改配置或重连。
默认值
- 默认市场：
marketplaceId: "US"/site: "amz_us"；US 邮编默认"10041"（纽约）。除非用户明示其他站点。 - 报告语言与用户提问语言一致；但 Listing 正文（Title / Bullets / Backend）始终用目标市场语言（默认英文）。
R-2 数据真实
- 只用 MCP 返回的硬数据。绝不编造搜索量、排名、月销、评论数、Buy Box 卖家等。
- 数据缺失时明确告知用户"该字段后端未返回"或"需手动补充"。不要尾随免责声明、不要写"约""大概"。
- 每个数字必须可回溯到具体 tool 调用与字段路径（如
get_amazon_product.data.json[0].data.results[0].star）。
R-3 调用前先看能力
第一次接入时调一次 pangolinfo_capabilities { detail: "summary" }（0 积点 / 2ms），拿到当前的 tool 清单 + workflows + tips。工具数量与名称会随版本变化，以本次返回为准，不要钉死数字、不要凭旧记忆调 tool。该调用同时是连接健康探针：工具未注册或返回 AUTH → 转 R-1 first-time setup。
R-4 时效性硬规则（最重要）
R-4a 双档模式
每个 SOP 强制提供两档：
| 档位 | 触发条件 | 总耗时 | 总积点 | 总 tool 调用次数 |
|---|---|---|---|---|
| Fast | 默认 / 用户没明说"详细/深度/完整报告" | ≤ 90 秒 | ≤ 8 积点 | ≤ 6 次 |
| Full | 用户明说"详细 / 完整 / 深度 / 全面" | ≤ 5 分钟 | ≤ 30 积点 | ≤ 15 次 |
跑 Fast 档时禁止调下列慢/贵 tool：
- ❌
get_amazon_reviews(5pt/页 + 10s/次) - ❌
ai_searchmode='ai_mode'（30-60s） - ✅
ai_searchmode='overview' 最多 1 次
跑 Full 档时各项上限：
get_amazon_reviews≤ 3 个 ASIN × pageCount=1ai_searchai_mode ≤ 1 次，overview ≤ 2 次wipo_search≤ 3 次
R-4b 并行调用（最关键的加速手段）
独立的 tool 调用应在同一回合并发发送，但受 scrapeApi 速率限制约束。
后端速率：实测 2 QPS 稳定(3 QPS 会触发 9200 "no content")
- ✅ 同一回合最多并发 2 个 scrapeApi 调用（含 search_amazon / get_amazon_product / list_* / filter_* / search_categories / get_category_* / get_amazon_reviews / wipo_search / ai_search / keyword_trends / search_local_maps）— 2026-05-28 真实压测确认 3 并发会被后端拒
- ✅
pangolinfo_capabilities不走后端，可任意并发 - ❌ 一次同时发 3 个
search_amazon会有至少 1 个返回业务码9200 "Scrape failed: no content returned"
推荐节奏
| 总调用数 N | 节奏 |
|---|---|
| N ≤ 2 | 一回合 2 并发 |
| 3 ≤ N ≤ 6 | 分多回合：每回合 2 并发,回合之间间隔 ~1s |
| N ≥ 7 | 重新设计 SOP，先早返再决定是否继续 |
并行 vs 串行判定
- 不依赖上一步返回字段 → 并行(但不超 2)
- 依赖上一步字段 → 串行
- 同种 tool 的批量调用(如 2 个 ASIN 详情) → 一回合 2 并发;3+ ASIN 分批
遇到 RATE_LIMIT 怎么办
收到 [RATE_LIMIT] 错误：等 ~1s 重试该 1 个 tool（不要全部重试），其余已成功的别动。连续 2 次 RATE_LIMIT 或业务码 9200 说明 QPS 节流,降到每回合 1 并发(完全串行)。
R-4c 早返
任一步骤拿到"足够下结论"的数据后立即生成报告，不要为凑齐 SOP 强跑：
| 触发 | 立即返回 |
|---|---|
filter_niches 返回 0 条 | "无符合条件的 niche，建议放宽 X、Y 参数" + 给出参数建议清单 |
wipo_search 命中红线（status='ACT' 且 hol 是大公司） | 该方向淘汰，跳过后续单品深拆 |
| 用户主 ASIN 在 SERP Top 3 + 无新 BSR 异动 | 给"健康"判定，跳过评论挖掘 |
get_amazon_product upstream 404 ("url not found") | 告知 ASIN 失效，跳过后续 |
R-4d 慢操作前先打预算
调下列 tool 前必须在用户消息里报"将花 X 积点 / 约 Y 秒"，让用户有机会取消：
get_amazon_reviews(5pt/页)- 同一回合并发 ≥ 3 个 tool 调用(超过 2 并发的批次)
ai_searchai_mode（30-60s）
R-5 不暴露原始 JSON
AI 的回答里不要贴原始 tool 返回。结构化呈现：
- 列表 → 表格（每行一个 ASIN/niche/类目）
- 单品 → 卡片（关键字段分组：标识 / 价格 / 流量 / 评价 / 卖家）
- 趋势 → 用简短描述（"上升 12% / 12 个月趋势平稳 / Q4 季节性")
- 报告 → 各 SKILL 自己的固定段落结构
R-6 单工具直通
用户问简单单步查询时不要强行跑完整 SOP，直接调对应单 tool 给结果：
| 用户说 | 直接调 | 不要跑 SOP |
|---|---|---|
| "查 ASIN B0XXX" | get_amazon_product | ❌ product-discovery |
| "X 类目 best sellers" | list_bestsellers | ❌ |
| "Apple 在美国的专利" | wipo_search source=USID hol='Apple' | ❌ ip-clearance SOP |
| "wireless earbuds 热度趋势" | keyword_trends | ❌ |
| "B0XXX 的差评" | get_amazon_reviews filterByStar=critical pageCount=1 | ❌ amazon-listing-optimization |
R-7 不推荐外部工具
不主动提 Keepa / SellerSprite / Helium 10 / Jungle Scout 等竞品。用户问起再说"本工具不直接提供 X 能力，可考虑 ..."。
R-8 报告语气
- 中性，可执行
- 禁用"必跌""碾压""稳赚""绝对蓝海"等绝对化承诺词
- 禁用情绪词"令人震惊""惊喜"
- 每个建议带"为什么"（基于哪个数据）和"做什么"（具体动作）
R-9 错误处理
MCP server 已把每个错误渲染成结构化三行（[CODE] + 可否重试 + 用户动作）。AI 的职责是按 CODE 语义正确反应，别瞎重试、别原地打转。6 类错误：
| Code | 可否重试 | 处理 |
|---|---|---|
AUTH | ❌ terminal | key 无效/缺失/过期。用同一个 key 重试一定还失败 → 绝不重试。停止 SOP，按 R-1 first-time setup 引导用户：复制正确 key（https://www.pangolinfo.com）→ 写进 env PANGOLINFO_API_KEY 或 MCP 配置 → 重启/重连（不热加载）。AI 无法替用户改配置或重连。⚠️ 坑：invalid key 在后端是 bizCode 1004（不是 HTTP 401），别因为"不是 401"就误判成别的错。 |
QUOTA | ❌ terminal | 积分不足 / 套餐过期，重试无用。提示用户去 https://www.pangolinfo.com 充值或升级，停止本次 SOP。 |
BAD_INPUT | ❌ terminal | 参数有误，重试相同参数无用。检查参数名/值（marketplaceId 非 marketplace_id、ASIN、zipcode、parserName 等，见 R-10），修正后才重试。 |
RATE_LIMIT | ✅ 临时 | 含业务码 9200("no content")/4029/4030。等 ~1-5s 重试该一个请求；同时降回合并发到 1。连续 2 次仍失败则跳过本步。 |
SERVER | ✅ 临时 | 服务端临时错误（含 9100/9101）。重试 1 次；仍失败告知用户跳过本步，继续 SOP。 |
NETWORK | ✅ 临时 | 网络异常。提示用户检查到 www.pangolinfo.com 的连接后重试。 |
总则：terminal 类（AUTH/QUOTA/BAD_INPUT）重试是浪费，直接停或修参数；transient 类（RATE_LIMIT/SERVER/NETWORK）才重试，且只重试失败的那一个、别全批重发。
R-10 字段名速查（最常踩的坑）
| ❌ 错（直觉常写的） | ✅ 对（真实字段） |
|---|---|
marketplace_id | marketplaceId (值是 ISO 站点码 "US"/"UK"/"DE",不是 Amazon merchant ID ATVPDKIKX0DER) |
niche_title | nicheTitle |
search_volume_t90_min | searchVolumeT90Min |
top5_brands_click_share_max | top5ProductsClickShareT360Max（products 不是 brands） |
return_rate_t360_max | returnRateT360Max |
monthly_sales_min | （不存在）→ 用 minimumUnitsSoldT360 |
opportunity_score | （不存在）→ 自己算 |
category_id | browseNodeId（amzscope 系列） |
categories[] | data.items.data[] |
products[].organic_rank | results[].rank |
products[].sp_rank | results[].sponsored |
negative_reviews_top5 | 不存在 → 用 get_amazon_reviews filterByStar='critical' |
positive_reviews_top5 | 不存在 → 用 get_amazon_reviews filterByStar='positive' |
bullet_points | features[] |
a_plus_modules | productDescription[] |
selling_rank | bestSellersRankItems[] |
category_path | breadCrumbs |
buy_box_seller | seller.name |
search_amazon 抓 BSR | ❌ → 用 list_bestsellers |
search_amazon 抓 New Releases | ❌ → 用 list_new_releases |
search_amazon 传 limit | ❌ 没有，分页用 page |
search_amazon_alexa 传 marketplaceId | ❌ 不支持,固定 amz_us;只接受 prompts: string[] + 可选 screenshot |
bsr_category_path | ❌ 不存在;用 bestSellersRankItems[] 数组 + category_id 顶层字段 |
monthlySoldVolume | ❌ 不存在;search_amazon 用 sales 字段(live 月销字符串) |
完整字段对照见 MCP 各 tool 的 Returns: 段落，或调 pangolinfo_capabilities { detail: "full" }。
R-11 不要凭直觉判定"做不到"
在告诉用户"这个数据拿不到""这个是付费功能""只能估算"之前,必须先调 pangolinfo_capabilities { detail: "summary" }(免费,0 积点)或翻看具体 tool 的 description / inputSchema 确认。Pangolinfo MCP 实际能筛/能返回的字段超出大多数 AI 训练时的常识范围,包括但不限于:
- 退货率:
filter_niches.returnRateT360Max筛选 + 返回字段returnRateT360(具体数值) - GMV/月销额:
filter_categories.netShippedGmsSum+ niche 维度可用unitSoldSum × avgPrice推算 - 品牌集中度:
top5ProductsClickShareT360/top20BrandsClickShareT360 - 新品入场率:
newBrandCountT90/newProductsLaunchedT180 - 广告 CPC:
avgAdSpendPerClick
凭直觉先说"做不到"再实际能查到 → 用户直接失去信任。先查 capabilities,再下结论。
R-12 通用防呆速查（跨 tool 硬护栏 — 调用前自检）
下面是所有 Pangolinfo MCP tool 的通用防呆清单，每条都对应一个真实会被后端拒/扣冤枉积点的坑。调任何 tool 前对照一遍。
R-12a 参数护栏（传错就被拒 / 扣冤枉积点）
| 坑 | ❌ 错 | ✅ 对 |
|---|---|---|
| 市场码 | marketplaceId="ATVPDKIKX0DER"(merchant id) | ISO 站点码 "US"/"UK"/"DE" |
| 邮编跨国 | amz_jp + 美国邮编 10001 | 邮编必须匹配 site 国家(amz_us→美国邮编 / amz_jp→日本邮编);不确定就别传,后端按国家随机挑 |
| 关键词参数 | keywords(复数) | search_amazon.keyword(单数,REQUIRED) |
| 分页 | search_amazon 传 limit | 用 page(无 limit 参数) |
| filter 系列 size | size: 50 | filter_categories/filter_niches 的 size/page 后端硬上限 10(filter_niches 默认 3),超出被截 |
| filter 必填 | filter_categories 漏 timeRange/sampleScope | 二者必填(常用 l7d + all_asin);filter_niches 必填 marketplaceId |
| filter_niches 入参 | 传 categoryId | 只认 nicheId/nicheTitle;0-1 小数字段(top5ProductsClickShareT360Max/returnRateT360Max)别传整数 |
| alexa | search_amazon_alexa 传 marketplaceId | 固定 amz_us,只接受 prompts: string[] + 可选 screenshot;强制每次 1 条 prompt(6 积点/条,60-90s,多条线性叠加可能 >200s) |
| scrape_url | 同时传 / 都不传 content 和 url | 二选一(互斥);筛选/排序/翻页只能走 url 模式;parserName 必须匹配页面类型 |
| wipo_search | source="USTM" 查文字商标 / 漏 source | source 必填;文字商标走 ai_search,设计专利用 source="USID";CNID + hol/prod 模糊查必须再配 id/rd/status/lcs 之一(否则后端拒全表扫);USID 无 status 字段 |
| ai_search | 一次塞 >5 个 followups | query 必填(min 1);followups ≤5;Fast 档禁 ai_mode(30-60s) |
| keyword_trends | 把 0-100 当绝对搜索量 / 传 1 个词 | 那是相对热度;一次 ≤5 词;绝对量去 filter_niches |
R-12b 错误闭环（拿到返回先自检，别盲目往下走）
| 返回情形 | 防呆动作 |
|---|---|
results=[] / recsList 空 / niche 0 条 | 空结果不一定扣积点但 search 系列扣;按各 SOP 早返(剥词重试 / 放宽筛选 / 换站点),别空手编数据(R-2) |
业务码 9200 "no content"(含 Akamai 挑战) | 归 SERVER/RATE_LIMIT,可重试:等 1-5s 重试该一个,降并发到 1;连续 2 次失败跳过本步 |
recsList(bestsellers/new_releases) | 它是 JSON 字符串数组,必须二次 JSON.parse,别当普通数组用 |
get_amazon_product 头部自营品 PDP 退化 | bestSellersRankItems=[]+brand=""+category_id="" → 不阻塞,从 search_amazon 的 title/price/star/rating/sales/badge 兜底 |
twentyFourHourOldSalesRank/percentageChange 空串 | 后端没抓到 24h delta,不可依赖,改看 BSR 绝对值 |
| AI Overview 未触发 | SGE 不是每次都有,缺失时降级 organic 结果,别硬编引文 |
| upstream 404 / "url not found" | ASIN/页面失效,告知用户跳过,别重试 |
R-12c api_key 无效判断（别原地打转）
- key 来源两套:skill 侧读 env var
PANGOLINFO_API_KEY;MCP 侧走 CLI/config/URL(?api_key=<key>或Authorization: Bearer <key>)。key 是 JWT(eyJhbGci...),不是pgl_前缀。 - AUTH 是 terminal:同 key 重试一定再失败 → 绝不重试。坑:invalid key 在后端是 bizCode 1004(不是 HTTP 401),别因"不是 401"误判成 SERVER。
- 处理:停 SOP → 引导用户到
https://www.pangolinfo.com拿 key → 写 env/config → 重启/重连(不热加载;agent 无法替用户改配置或重连)。详见 R-1 / R-9。
R-12d 路由防呆（别用错 skill / 用错 tool）
- 单步查询走单 tool,别强跑整 SOP(R-6):查 ASIN→
get_amazon_product;类目榜→list_bestsellers;趋势→keyword_trends;差评→get_amazon_reviews filterByStar=critical。 - tool 间别越界:要 BSR/新品榜别用
search_amazon(用list_bestsellers/list_new_releases);要 niche 别用filter_categories(用filter_niches);要具体商品别用 filter 系列(用list_category_products/search_amazon)。 - skill 间别越界:选品→
amazon-product-explorer;日常监控→amazon-daily-competitor-radar;写 Listing→amazon-listing-optimization;站内抓取→pangolinfo-amazon-scraper;Google/SGE→pangolinfo-ai-serp;类目利基→pangolinfo-amazon-niche。
Related skills
- Downloads
- Security audit
- Review
- Last updated
- 1w ago
- Current version
- v4.0.0
- License
- MIT-0