1688商品运营

1688 商品运营

职责边界

本技能采用「MCP 工具调用 + Python 后处理」模式：

• 账号鉴权、Token 刷新、OAuth 授权全部由 MCP 连接器 ali1688-seller 管理。
• Agent 不处理 AK，不读取/保存 AK，不调用 configure、get_ak、change_ak、authorize 等授权命令。
• 远程 API 调用全部通过 MCP 工具完成，禁止通过 Python 脚本直接调用 HTTP API。
• Python 脚本仅负责原有后处理逻辑：图片压缩、响应解析、标题长度校验、状态保存、prompt 拼装、主图位次合并、上下架成功态兼容、错误文案翻译和用户输出格式化。
• MCP 返回后的复杂处理必须调用 post_process_action，不得完全交给 AI 自行推断。

MCP 连接器

• 连接器名称：ali1688-seller
• 协议：Streamable HTTP
• 本技能使用工具：
  • 发品链路：image_bank_upload_picture、ai_publish_by_imageurl、ai_publish_save_tair
  • 标题链路：cbu_offer_query_tool、cbu_image_analyse_tool、cbu_skill_change_subject
  • 主图链路：cbu_offer_query_tool、cbu_image_analyse_tool、cbu_image_generation_and_editing_tool、image_bank_change_url_for_offer、cbu_skill_change_main_image
  • 上下架：product_cancel_offer、product_repost_offer

本地后处理脚本

• 脚本入口：python3 {baseDir}/cli.py post_process_action --input-file <payload.json>
• 输入：包含 action 和相关 MCP 返回/参数的 JSON
• 输出：标准 JSON：{"success": bool, "markdown": str, "data": {...}}
• 用户可见内容：优先直接使用输出中的 markdown

示例：

{
  "action": "offer_operation_result",
  "operation": "cancel",
  "offerIds": ["123456"],
  "mcp_result": {}
}

支持的 action：

严格禁止 (NEVER DO)

• 不得执行越权高风险操作：商品删除、店铺主体变更、资金提现、绕风控、侵权/违禁发布等。
• 不得编造任何 MCP/API 结果字段，如 categoryId、sameItemId、taskId、relativeUrl、success。
• 不得泄露内部敏感字段：sameItemId、tkItemIds、categoryId、userId、aigcTime、relativeUrl 等。
• 不得在用户可见内容中输出内部状态文件路径、脚本源码路径、内部接口路径。
• 不得调用旧 Python 业务命令通过 HTTP 拉取或修改数据，如 product_publish、ai_title_modify、ai_image_improve、product_cancel_offer、product_repost_offer。
• 不得调用 AK/OAuth 管理命令；鉴权异常只提示用户检查 ali1688-seller 连接器授权状态。

意图判断

触发本技能

• 发布商品/批量发品：发品、上新、图片发品、以图发品、批量上新。
• 标题优化：改标题、优化标题、批量改标题、AI 标题。
• 主图优化：改主图、优化主图、AI 主图。
• 上下架：上架、下架、恢复销售、停售。

不触发本技能

• 选品找货、同款搜索、比价，应走 1688-product-find。
• 店铺经营分析、健康诊断，应走 1688-shop-operate。
• 下单、支付、物流、售后、库存价格管理。

核心工作流

1. AI 智能发品

支持三种模式：

单图发品流程

（本地：压缩 → 上传图片银行）→ AI识图 → 保存上下文 → ⏸ 等商家选品 → 保存选品 → 生成发品链接 → ⛔ 流程结束

步骤 1 — 获取图片 URL

• 本地图片：先调用 Python 后处理 compress_image（输入 image_path），再把 data.imageName / data.base64Str 传给 MCP image_bank_upload_picture，从返回中取图片 URL。
• 图片链接：直接使用用户提供的 URL。
• ✅ 图片只能上传至图片银行（cbu01.alicdn.com），对外 URL 须确保来源为图片银行或合法公开 URL。

步骤 2 — AI 识图 + 保存上下文

• 调用 MCP ai_publish_by_imageurl(picUrl)。
• 把返回交给 Python 后处理 publish_candidates：解析 dataJson，提取 categoryId/categoryName/tkItemIds/effectiveItemIds，过滤展示字段并写入状态文件 .publish_state.json。
• 无同款时直接返回默认发品页引导，不再保存上下文，流程终止。
• ⛔ 有同款时必须进入步骤 3 展示候选并等待商家选择，严禁自动选品或跳过。

步骤 3 — 展示同款，等待商家选择（⛔ 必须停下）

• 用 Python 输出的 markdown 展示同款，使用序号（1、2、3...）。
• ✅ 标题、卖点必须展示；主图视对话空间决定，若展示须用 ![同款N](url) 渲染。
• ⛔ 即使只有 1 个候选，也必须等商家明确选择后才能继续，严禁 Agent 自行选品。
• ✅ 正确做法：展示候选后在对话中等待商家回复（如"选第 2 个"），收到明确选择后才进入步骤 4。
• ❌ 错误做法：识图后不展示候选直接调用 ai_publish_save_tair，或自动选第一个，或以"之前已处理过"为由跳过展示。

步骤 4 — 保存选品

• Agent 调用 MCP ai_publish_save_tair，参数取自 .publish_state.json 中商家选定的同款。
• 把返回交给 publish_save_result，Python 解析 aigcSelectCategoryTime 并拼接发品跳转链接。

步骤 5 — 输出链接（流程结束）

• 渲染发品跳转链接，提示「补充信息后自行发布」。
• ⛔ 链接展示后流程立即结束，不得轮询发布结果。
• 同时提示：发布后可用「AI 标题优化 / AI 主图优化」继续提升商品质量。

单张发品工作流示例

❌ 错误流程（跳过选品确认）：

Agent: 上传图片 → 调用 ai_publish_by_imageurl → 获得候选
Agent: 不展示给用户，直接调用 ai_publish_save_tair（默认选第 1 个）→ 输出链接

✅ 正确流程（必须等待用户选择）：

Agent: 上传图片 → 调用 ai_publish_by_imageurl → 获得候选
Agent: 展示所有候选（序号 + 标题 + 属性 + 主图），请用户选择
用户: "我选第 2 个"
Agent: 基于用户选择调用 ai_publish_save_tair → 输出链接

批量发品流程

逐张获取URL → 逐张AI识图 → 紧凑展示同款 → ⏸ 等商家选方式 → 批量保存选品 → 生成发品链接清单 → ⛔ 流程结束

• 多图逐张走「步骤 1 + 步骤 2」，识图结果统一汇总到 .batch_publish_state.json。
• 单张失败不中断；无同款 / 识图失败图片不得进入可选集合，也不展示。
• 紧凑展示时每张图只展示首选同款（第 1 个候选），并标注「同款数：N」。
• ⛔ 必须等商家选择「全部默认第一个」或「逐图指定序号」，严禁自行决策。
• 批量保存后由 Python 统一生成发品链接清单（含跳转链接、过期时间提示）。

状态文件生命周期

模块特定禁止事项

模块特定异常处理

2. AI 标题优化

基于「商品原标题 + 首图解析结果」由 LLM 生成新标题，支持单商品和批量两种模式。

流程总览

拉取上下文 → Agent生成标题 → 暂存AI标题 → ⏸ 商家确认 → 应用标题（AI / 自定义）
                                              （⛔ 必须停下）

单商品流程（三阶段）

阶段 1 — 拉取上下文

1. MCP cbu_offer_query_tool(offerId) 获取原标题和主图。
2. 仅对首图调用 MCP cbu_image_analyse_tool(type="ecommerce_content_parsing", imageUrlList=[首图])，提交后通过 MCP 轮询 taskId。⛔ 严禁多图解析，多图必超时。
3. 把商品查询结果 + 解析结果交给 Python 后处理 title_context，写入 .title_state.json。
4. 解析结果只采纳以下完成字段：text_region_summary、selling_points_visible、composition_summary。

阶段 2 — 暂存 AI 标题

1. Agent 基于上下文生成新标题。若原标题与图片偏差过大，必须彻底抛弃原标题，以图片解析为准。
2. 调用 Python 后处理 title_suggest，由 Python 校验长度并暂存到 .title_state.json。
3. 把 Python 返回的 markdown 展示给商家。

阶段 3 — ⏸ 商家确认 → 应用标题

展示 AI 推荐标题，给出两个选项：

1. 直接使用 AI 标题 → MCP cbu_skill_change_subject(offerId, subject=AI标题)，返回交给 title_apply_result。
2. 自定义标题 → 同样调用 MCP cbu_skill_change_subject，subject 为商家自定义文案。

⛔ 必须停下等商家明确回复，严禁未经确认自行应用标题。

Python 按 data.success（优先）/ 顶层 success 判定结果。

批量流程

1. 批量上下文：逐个调用 MCP 查询 + 解析（建议每批 ≤ 10），失败项标记后跳过，不中断整体。结果汇总到 .batch_title_state.json。
2. 批量暂存：Agent 调用 Python 后处理 batch_title_suggest，超长标题进入 skipped，不阻塞其他标题。
3. ⏸ 表格化展示批量 AI 标题给商家，给出三个选项：
   • 全部应用 AI 标题
   • 部分调整（AI + 自定义混合）
   • 重新生成
4. 应用：逐个调用 MCP cbu_skill_change_subject，最终交给 batch_title_apply_result 汇总成功/失败表。

⛔ 严禁未经确认自行批量应用标题。

标题长度规则（突出）

• 上限：30 字符。
• 计算：中文/全角符号 = 1，ASCII（英文/数字/半角符号）= 0.5。
• 要求：尽量写满 30 字符，不得包含重复词语。
• 校验时机：title_suggest / batch_title_suggest 暂存阶段自动校验。
• 超限行为：单商品直接报错；批量模式超长项进入 skipped，其余继续。

状态文件生命周期

模块特定禁止事项

模块特定异常处理

3. AI 主图优化

对商品 1~5 张主图做 AI 背景/场景优化，逐张独立，单图失败不影响其他。size 仅支持 1:1 / 3:4。

四阶段流程图

prepare → customize → ⏸ 等商家确认 → generate → ⏸ 等商家确认 → apply → ⛔ 流程结束
         （Agent推荐场景）  （回合②）              （回合③）        （回合④）

回合 ① prepare + customize（连续执行，不停顿）

1. prepare：MCP cbu_offer_query_tool(offerId) 取主图列表 → MCP cbu_image_analyse_tool 逐张解析 → Python 后处理 image_prepare 初始化每张图默认配置（size=1:1、text_selling_points=""、scene=""，默认 prompt 为 做一张1688商品电商的主图,1:1比例）。
2. customize：Agent 为每张图推荐具象场景（⛔ 禁止「简约背景」等空泛描述），通过 --customize 的 background 字段注入。
3. 调用 Python 后处理 image_customize：
   • 字段白名单仅 size / background / text_selling_points，其他字段（prompt、selling_points 等）直接报错。
   • prompt 由 Python 按规则拼装，不接受完整 prompt 注入。
4. 聊天框输出推荐 prompt 表（含 prompt / 文字卖点 / 场景列）。
5. 立即进入回合 ②，不等待。

prompt 拼装规则：

回合 ② 询问商家确认（⛔ 必须停下）

输出两个选项：

1. 接受推荐，执行生成。
2. 调整某些图的 比例 / 文字卖点 / 场景。

• 商家选 1 → 进入回合 ③。
• 商家选 2 → 用商家给的参数重跑 image_customize → 重新渲染 prompt 表 → 回到回合 ②。

⛔ 无论何种情况（哪怕只有 1 张图、场景已合理），都必须停下等商家。严禁自行 generate。

回合 ③ generate（⛔ 必须停下）

1. Agent 按 image_customize 输出的 prompt 逐图调用 MCP cbu_image_generation_and_editing_tool。
2. 把生成结果交给 Python 后处理 image_generate_result，保存生成态并按原图位次输出成功/失败表。
3. 渲染原图/优化图对照（![alt](url) 格式），输出三选项：
   1. 全部应用
   2. 部分应用
   3. 不应用

⛔ 立即停下等商家回复，严禁自行 apply。

回合 ④ apply（流程结束）

1. 调用 Python 后处理 image_apply_plan：根据商家选择计算待转换序号集合（忽略失败序号），输出待转换图片 URL 列表。
2. Agent 调用 MCP image_bank_change_url_for_offer 转换 URL。
3. 把转换结果交给 image_apply_result：若仅返回最终 images，Agent 继续调用 MCP cbu_skill_change_main_image(offerId, images)。
4. 把主图修改结果再次交给 image_apply_result 的 change_result，Python 按原位次合并主图（未选中位次保留原图，顺序不变），输出最终主图表（![alt](url) 格式）。

模块特定禁止事项

模块特定异常处理

4. 商品上下架

流程

Python 输入示例：

{
  "action": "offer_operation_result",
  "operation": "cancel",
  "offerIds": ["123456"],
  "mcp_result": {}
}

成功态判定（按优先级）

1. data.success
2. 兼容拼写错误 data.successs
3. 回退顶层 success

错误翻译映射表

模块特定禁止事项

通用错误处理

参数补齐引导话术

你可以直接给我商品ID、图片或链接；批量场景可一次提供多个ID/图片。
如果是标题或主图优化，我会先给你 AI 建议，再由你确认应用。

免责声明

1. 技能输出可能受模型能力与上下文影响，请对关键内容自行核验。
2. 请妥善保管账号与授权信息，避免泄露风险。
3. 不得将本技能用于违规经营、侵权或绕过平台风控。
4. 平台不保证输出绝对准确、真实、时效，请谨慎使用。