Amazon Product Search

Amazon 产品搜索 → 飞书多维表格 + 仪表盘

触发条件

当用户请求以下任务时，Agent 应主动使用本 Skill：

1. 搜索亚马逊产品并生成飞书报表
2. 亚马逊选品分析 / 市场调研并输出到飞书
3. 查询亚马逊某关键词/品类的产品数据并创建多维表格
4. 对亚马逊产品数据进行可视化分析

新手安装教程（从零开始）

本 Skill 依赖三个工具，请按顺序安装：

1. 安装 Claude Code

Claude Code 是 Anthropic 官方的 AI 编程助手 CLI，本 Skill 在其中运行。

前提条件： 需要先安装 Node.js（v18+）。

# 检查 Node.js 是否已安装
node --version   # 需要 v18 或更高版本

# 如果未安装 Node.js，请先安装：
# macOS:   brew install node
# Windows: 从 https://nodejs.org 下载安装包
# Linux:   sudo apt install nodejs npm

安装 Claude Code：

npm install -g @anthropic-ai/claude-code

验证安装：

claude --version

首次使用需要登录 Anthropic 账号：

claude
# 按提示完成 OAuth 登录

更多详情请参考官方文档：https://docs.anthropic.com/en/docs/claude-code

2. 配置 Sorftime MCP Server

Sorftime 提供亚马逊产品数据 API，通过 MCP (Model Context Protocol) 接入 Claude Code。

第一步 — 获取 Sorftime API Key：

1. 访问 Sorftime 官网 注册账号
2. 进入控制台获取 API Key

第二步 — 在 Claude Code 中添加 MCP Server：

在 Claude Code 中执行以下命令添加 Sorftime MCP：

claude mcp add sorftime -- npx -y @anthropic-ai/mcp-remote@latest https://mcp.sorftime.com/mcp?key=你的API_KEY

或者手动编辑配置文件 ~/.claude/claude_desktop_config.json（全局）或项目目录下的 .mcp.json：

{
  "mcpServers": {
    "sorftime": {
      "command": "npx",
      "args": [
        "-y",
        "@anthropic-ai/mcp-remote@latest",
        "https://mcp.sorftime.com/mcp?key=你的API_KEY"
      ]
    }
  }
}

验证配置： 在 Claude Code 对话中输入：

帮我查一下 wireless earbuds 在美国亚马逊的搜索量

如果返回了搜索量数据，说明 Sorftime MCP 配置成功。

3. 安装和配置飞书 lark-cli

lark-cli 是飞书开放平台的命令行工具，用于创建多维表格和仪表盘。

安装 lark-cli：

npm install -g @nicepkg/lark-cli

验证安装：

lark-cli --version

初始化飞书应用配置：

lark-cli config init

按提示输入飞书应用的 App ID 和 App Secret。

如何获取飞书应用凭证：

1. 访问 飞书开放平台 → 创建企业自建应用
2. 在应用的「凭证与基础信息」中获取 App ID 和 App Secret
3. 在「权限管理」中添加以下权限：
   • bitable:app — 多维表格读写
   • bitable:app:readonly — 多维表格只读
   • drive:drive — 云空间读写（用于创建 Base）
4. 发布应用并确保审批通过

登录认证：

lark-cli auth login

按提示完成浏览器 OAuth 认证。

4. 安装本 Skill

方法一：手动安装（推荐）

将本仓库的 SKILL.md 和 _meta.json 复制到 Claude Code 的 skills 目录：

# 创建 skill 目录
mkdir -p ~/.claude/skills/amazon-product-search

# 克隆仓库
git clone https://github.com/luotwo/amazon-product-search.git /tmp/amazon-product-search

# 复制文件
cp /tmp/amazon-product-search/SKILL.md ~/.claude/skills/amazon-product-search/
cp /tmp/amazon-product-search/_meta.json ~/.claude/skills/amazon-product-search/

方法二：直接在项目中使用

# 克隆到任意目录
git clone https://github.com/luotwo/amazon-product-search.git
cd amazon-product-search

# 在该目录中启动 Claude Code，Skill 会自动加载
claude

5. 验证全部安装

在 Claude Code 中输入以下提示词，如果成功生成飞书多维表格，说明全部配置正确：

帮我搜索亚马逊上 wireless earbuds 的热销产品，生成飞书多维表格和仪表盘

预期结果：

• Sorftime MCP 返回约 50 条产品数据
• 飞书自动创建一个多维表格（含产品数据表）
• 自动创建仪表盘（含统计卡片和图表）
• 返回飞书多维表格的访问链接

常见安装问题

入门提示词（直接复制使用）

如果你是新手，不知道怎么开始，直接复制下面任意一句发给 Agent 即可：

最简单 — 一句话搞定

帮我搜索亚马逊上 wireless earbuds 的热销产品，生成飞书多维表格和仪表盘

带价格和销量筛选

搜索美国亚马逊上 yoga mat 相关产品，价格在 20-50 美元之间，月销量大于 1000，帮我把数据写入飞书多维表格，并创建一个可视化仪表盘

分析指定品牌

帮我分析亚马逊上 Anker 品牌的充电宝产品，生成飞书报表和仪表盘，我想看各产品的销量、价格和评分对比

搜索其他国家站点

搜索日本亚马逊上保温杯的产品数据，生成飞书多维表格和分析仪表盘

完整选品调研

我想做亚马逊选品调研，请帮我：

1. 搜索 phone case 关键词的热销产品（前50个）
2. 把产品数据写入飞书多维表格（包含名称、价格、销量、评分、品牌等）
3. 创建仪表盘，展示品牌销量对比、价格分布、配送方式占比

提示：把上面加粗/关键词部分替换成你自己想调研的产品即可。支持的站点：US(美国)、GB(英国)、DE(德国)、FR(法国)、JP(日本)、CA(加拿大)、ES(西班牙)、IT(意大利)、MX(墨西哥)、AE(阿联酋)、AU(澳大利亚)、BR(巴西)、SA(沙特)、IN(印度)。

完整工作流

第一步：通过 Sorftime MCP 采集数据

根据用户需求选择合适的 MCP 工具组合。默认站点为 US（美国站），用户可指定其他站点(GB/DE/FR/JP/CA 等)。

主要数据采集工具

典型调用示例

按关键词搜索产品（最常用）：

mcp__sorftime__product_search(
  searchName="wireless earbuds",
  amzSite="US",
  page=1
)

可选筛选参数：

• price_min / price_max — 价格范围
• month_sales_volume_min / month_sales_volume_max — 月销量范围
• ratings_min / ratings_max — 星级范围
• ratings_count_min / ratings_count_max — 评论数范围
• brand — 品牌筛选
• delivery_type — FBA / FBM 筛选

Sorftime 实际返回的字段名（中文键名）及映射关系：

关键注意事项：

• Sorftime 返回的是中文键名，不是驼峰英文
• 发货方式 的值可能是 FBA、AmzFBA 或 FBM，写入多维表格时需将 AmzFBA 统一映射为 FBA
• 所属细分类目 是一段文本（如 所属细分类目：Earbud Headphones（排名:3）），需要用正则提取排名数字
• 每页返回约 50 条数据，如需更多可翻页 page=2, 3...

第二步：创建飞书多维表格

2.1 创建 Base

lark-cli base +base-create --name "Amazon产品分析-{keyword}-{date}"

记录返回的 base_token 和 URL。

2.2 创建数据表（含字段定义）

踩坑经验： +table-create 的 --fields 中 不支持 property 字段（会报 Unrecognized key 'property' 错误），number 精度等属性需要后续通过 +field-create 单独设置。single_select 在 +table-create 里也不被支持，需改用 +field-create 创建。

推荐做法：先用 +table-create 创建基础 text/number 字段，再用 +field-create 补充 select 等特殊类型字段。

Step 1 — 创建表（基础字段）：

lark-cli base +table-create \
  --base-token {base_token} \
  --name "产品数据" \
  --fields '[
    {"name":"产品名称","type":"text"},
    {"name":"ASIN","type":"text"},
    {"name":"品牌","type":"text"},
    {"name":"价格(USD)","type":"number"},
    {"name":"月销量","type":"number"},
    {"name":"月销额(USD)","type":"number"},
    {"name":"评分","type":"number"},
    {"name":"评论数","type":"number"},
    {"name":"上架时间","type":"text"},
    {"name":"类目排名","type":"number"},
    {"name":"卖家","type":"text"}
  ]'

Step 2 — 补充 select 字段：

lark-cli base +field-create \
  --base-token {base_token} \
  --table-id {table_id} \
  --json '{"name":"配送方式","type":"select","multiple":false,"options":[{"name":"FBA"},{"name":"FBM"}]}'

字段说明：--fields 数组的第一个元素会替换系统默认的首列，后续元素为新增字段。如果表名已存在会报错，此时直接用 +field-list 获取已有 table_id 即可。

2.3 写入产品数据

对每条产品数据调用 +record-upsert 写入记录：

lark-cli base +record-upsert \
  --base-token {base_token} \
  --table-id {table_id} \
  --json '{
    "产品名称": "Sony WF-1000XM5",
    "ASIN": "B0C8Z7XXXX",
    "品牌": "Sony",
    "价格(USD)": 279.99,
    "月销量": 12000,
    "月销额(USD)": 3359880,
    "评分": 4.5,
    "评论数": 8234,
    "上架时间": "2023-07-01",
    "配送方式": "FBA",
    "类目排名": 3,
    "卖家": "Sony Official"
  }'

批量写入规则：

• 每批最多 500 条记录
• 批次间间隔 0.5-1 秒
• 不要写入 read-only 字段（formula / lookup / auto_number / created_at 等）

批量写入实战经验：

• 直接在 bash shell 中用 heredoc 写大量 JSON 会因单引号嵌套导致 unexpected EOF 错误
• 推荐做法：生成一个临时 Python 脚本，用 subprocess.run() 逐条调用 lark-cli
• Windows 环境下 subprocess 找不到 lark-cli，需使用完整路径（如 C:/Users/{user}/AppData/Roaming/npm/lark-cli.cmd），可通过 which lark-cli 获取
• Python 脚本示例结构：

import subprocess, json, time
for product in products:
    j = json.dumps(product, ensure_ascii=False)
    cmd = ["lark-cli.cmd完整路径", "base", "+record-upsert",
           "--base-token", BASE_TOKEN, "--table-id", TABLE_ID, "--json", j]
    subprocess.run(cmd, capture_output=True, text=True, encoding="utf-8")
    time.sleep(0.5)

第三步：创建仪表盘

3.1 创建 Dashboard

lark-cli base +dashboard-create \
  --base-token {base_token} \
  --name "产品分析仪表盘" \
  --theme-style SimpleBlue

记录返回的 dashboard_id。

3.2 添加统计卡片（KPI）

产品总数：

lark-cli base +dashboard-block-create \
  --base-token {base_token} \
  --dashboard-id {dashboard_id} \
  --name "产品总数" \
  --type statistics \
  --data-config '{"table_name":"产品数据","count_all":true}'

平均价格：

lark-cli base +dashboard-block-create \
  --base-token {base_token} \
  --dashboard-id {dashboard_id} \
  --name "平均价格" \
  --type statistics \
  --data-config '{"table_name":"产品数据","series":[{"field_name":"价格(USD)","rollup":"AVERAGE"}]}'

总月销量：

lark-cli base +dashboard-block-create \
  --base-token {base_token} \
  --dashboard-id {dashboard_id} \
  --name "总月销量" \
  --type statistics \
  --data-config '{"table_name":"产品数据","series":[{"field_name":"月销量","rollup":"SUM"}]}'

3.3 添加图表

品牌月销量柱状图：

lark-cli base +dashboard-block-create \
  --base-token {base_token} \
  --dashboard-id {dashboard_id} \
  --name "各品牌月销量对比" \
  --type column \
  --data-config '{"table_name":"产品数据","series":[{"field_name":"月销量","rollup":"SUM"}],"group_by":[{"field_name":"品牌","mode":"integrated"}]}'

配送方式分布饼图：

lark-cli base +dashboard-block-create \
  --base-token {base_token} \
  --dashboard-id {dashboard_id} \
  --name "配送方式分布" \
  --type pie \
  --data-config '{"table_name":"产品数据","count_all":true,"group_by":[{"field_name":"配送方式","mode":"integrated"}]}'

价格 vs 评论数散点图：

lark-cli base +dashboard-block-create \
  --base-token {base_token} \
  --dashboard-id {dashboard_id} \
  --name "价格与评论数关系" \
  --type scatter \
  --data-config '{"table_name":"产品数据","series":[{"field_name":"评论数","rollup":"SUM"}],"group_by":[{"field_name":"价格(USD)","mode":"integrated"}]}'

第四步：返回结果

向用户输出：

1. 飞书多维表格的访问链接
2. 采集到的产品数量摘要
3. 仪表盘已包含的图表说明

示例输出：

已完成！共采集 50 条产品数据，已写入飞书多维表格。

• 多维表格链接：{base_url}
• 仪表盘包含：产品总数、平均价格、总月销量统计卡片 + 品牌销量柱状图 + 配送方式饼图 + 价格评论散点图

可选扩展能力

根据用户进一步需求，Agent 可追加以下操作：

错误处理与踩坑记录

1. Sorftime MCP 返回空数据：提示用户换关键词或调整筛选条件
2. lark-cli 权限不足：提示用户检查飞书应用权限配置，参考 lark-shared skill
3. 记录写入失败：检查字段类型是否匹配，确保不写入 read-only 字段
4. 仪表盘图表创建失败：确认 table_name 与实际创建的表名一致，field_name 与实际字段名一致
5. +table-create 报 Unrecognized key 'property'：--fields 不支持 property，number 字段直接用 {"type":"number"} 不带 precision；select 字段改用 +field-create 单独创建
6. +table-create 报 validation_error 表名重复：说明表已创建（可能上一次部分成功），用 +field-list 获取已有 table_id 继续操作，再用 +field-create 补充缺失字段
7. Bash heredoc 单引号嵌套导致 EOF 错误：大量 JSON 数据不要用 shell heredoc 写入，改用 Python 脚本调用 subprocess
8. Windows 下 subprocess 找不到 lark-cli：需使用 .cmd 后缀的完整路径，如 C:/Users/xxx/AppData/Roaming/npm/lark-cli.cmd
9. Sorftime 发货方式 字段值不统一：FBA、AmzFBA 都表示亚马逊配送，写入多维表格前统一映射为 FBA