Amazon Product Sourcing

Búsqueda de productos Amazon.es para afiliación

Flujo validado en Kit72h (85 productos → URLs verificadas). Castellano siempre, atribución a David Antizar.

Flujo

1. Extraer lista de productos desde la fuente (ej. data/kits.json) a un archivo de texto plano num|producto|precio_aprox — más fácil de delegar que JSON.
2. Delegar búsqueda por lotes (~17 productos/lote) con delegate_task en paralelo.
3. Cada lote escribe su resultado en un .txt propio (formato: num | producto | URL | precio | verificada: extraccion|busqueda|no).
4. Verificar que todos los ficheros existen y tienen las líneas esperadas (los subagentes pueden fallar en silencio: rate limit, cap de iteraciones). Relanzar solo los lotes incompletos.
5. Generar Excel con openpyxl (2 columnas de URL: la de Mastermind y la del usuario con su tag) y pasarlo al usuario.
6. Cuando el usuario devuelve el Excel con sus URLs de afiliado, inyectarlas en la fuente (kits.json) y verificar la web.

Método probado para scrapear Amazon.es (curl con cookies)

• curl -s -L -c cookies -b cookies -A 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/126 Safari/537.36' 'https://www.amazon.es/s?k=PRODUCTO+URL'
• curl directo SIN cookies → 503. Con cookie jar de sesión funciona.
• Si 503 persiste: nueva cookie jar o web_search 'site:amazon.es <producto>'.
• Extraer ASIN (dp/XXXXXXXXXX), título, precio, valoración. Filtrar: precio en rango, ≥4★, buybox activo.
• Verificación final: fetch directo de la ficha (HTTP 200) → marcar extraccion; si solo vino de búsqueda → busqueda (revisable).

Pitfalls

• Rate limit del proveedor con subagentes paralelos: 5 delegaciones simultáneas pueden agotar tokens/min (HTTP 429) y cortar lotes a mitad. Los lotes que fallen deben relanzarse tras leer su .txt — nunca asumir completado por el resumen del subagente.
• Subagentes con cap de iteraciones: su resumen puede llegar truncado; el fichero en disco es la verdad, no el summary.
• Productos sin sentido en Amazon (efectivo, mapas locales genéricos): marcar N/A — no aplica y proponer bloque de texto en la web en vez de enlace.
• NO inventar URLs nunca — cada ASIN debe venir de una búsqueda o fetch real.
• openpyxl no está en el venv de Hermes: usar el Python del sistema C:/Users/d_ant/AppData/Local/Programs/Python/Python312/python.exe.
• Límites de Amazon Afiliados: URLs requieren aprobación humana; mantener el flujo Excel → revisión usuario → inyección en la web.

Tag de afiliado (atajo sin Excel)

Cuando el usuario ya tiene su tag (Kit72h: nti0c8-21), NO hace falta el flujo Excel: inyectarlo directamente en las URLs verificadas con url.split('?')[0] + '?tag=nti0c8-21'.

Pitfall del placeholder compartido: si dos productos apuntan al mismo placeholder (ej. AMAZON-URL-FAJA usado por "faja portadocumentos" y por "efectivo en billetes"), el N/A de uno deja el otro sin enlace. Tras la inyección, auditar SIEMPRE todos los items afiliado=='' y recuperar los que sí son vendibles buscando su ASIN de nuevo.

Control de estado de enlaces (detección de roturas)

• Script scripts/comprobar-urls.py en el repo: lee data/kits.json, comprueba cada ficha con curl+cookie jar (200 + productTitle en HTML), y genera data/estado.json con ok / posible_rotura + búsqueda de alternativa.
• La web (js/estado.js) muestra badges ✅ disponible / ⚠️ posible rotura con enlace a búsqueda Amazon.
• Reintentos anti-503: dormir 3-6 s y repetir; 404 directo = rotura. Pausa de 1,5 s entre fichas.
• Programar revisión periódica con cronjob mensual que ejecuta el script y hace commit/push de estado.json.
• Ojo con URLs duplicadas entre kits: estado.json se indexa por URL única — al añadir productos nuevos, relanzar el script o rellenar sus entradas (verifica que total de estado.json == URLs únicas de kits.json).

Contenido adyacente de alto valor

Las webs de afiliación mejoran mucho con: sección de guías temáticas (huerto, autosuficiencia...) con productos propios buscados y verificados igual que el resto, y blog con 3-4 entradas SEO que enlazan a los kits. Para libros, comprobar si existe edición en castellano antes de enlazar la original.

Verificación

• Contar líneas de todos los .txt de lotes vs total de productos antes de generar el Excel.
• Comprobar que cada URL responde 200 y sigue patrón amazon.es/dp/ASIN (o slug largo con /dp/ al final).
• Tras inyectar el tag: contar items con tag=<usuario> vs total, y verificar el sitio en local (http.server + comprobaciones JS del DOM: badges, botones con tag, entradas de blog).