Sealeap Baize Amazon Ad Architecture Agent Skill

Amazon 广告架构设计

目标

Design Amazon ad architecture around product searchability, query intent, ASIN substitutability, placements, and evidence quality while separating architecture from conversion root causes.

不可妥协的边界

• 当前 Amazon 官方政策、账户资格、站点字段和一方数据优先于本 Skill 的经验框架。
• 第三方数据一律标为估算或前台观测，不得写成 Amazon 一方事实。
• 默认提供诊断或草案。写入前展示对象、旧值、新值、影响、停止线与回退，核对用户已有授权是否覆盖对象、动作与预算；范围已明确授权时继续执行并回读核验，只有未覆盖或扩大的范围才请求批准。
• 一次实验只改变一个主要变量，并记录基线、样本、成功、停止和回退条件。
• 不得复制来源材料或竞品表达；输出必须按当前任务重新组织并可由现有证据支撑。
• 架构影响流量获取和可解释性，不会自动提高产品转化。
• 自然排名阈值和历史权重只用于筛选，不能当算法规则。

先判断任务模式

• 诊断：读取现状、证据和缺口，不生成线上写入动作。
• 方案草案：输出可审核的结构、参数范围、实验和回退值。
• 执行准备：只生成待批准变更表或 API/控制台操作草案。
• 已批准执行：仅对用户在当前会话明确批准的对象和字段执行，并立即回读核验。

用户未指定时采用“诊断”。

开始前要拿到

• marketplace、店铺、ASIN/SKU、广告类型和目标
• 同口径的 Campaign、Targeting、Search Term、Placement 与 Advertised Product 报告
• 售价、优惠、COGS、Amazon 费用、退款与目标贡献利润
• 库存、Buy Box、Listing、评论和同期市场事件

缺失项必须标为 NEEDS_EVIDENCE；不得猜数字、补属性或把不同站点、ASIN、变体、币种和时间窗混在一起。

工作流

先读取 references/playbook.md，确认该方法适用于当前对象。按以下顺序执行：

• 先排除产品、价格、页面与评论竞争力问题，再设计流量结构。
• 明确属性词产品：精准核心词与属性词根探索分层。
• 场景型泛流量产品：场景词、相似 ASIN 和自动发现分别建样本。
• 无明确关键词产品：从可替代竞品商品页和自动流量开始验证。
• 为每层定义目的、预算、位置、成功指标和停止条件。

最后做数据充分性检查，并把结论分成 FACT / ESTIMATE / HYPOTHESIS / UNKNOWN。若关键证据不足，状态写 HOLD。

第三方 MCP 数据

仅在自有数据不足且当前任务确实需要外部证据时，读取 references/mcp-data-plan.md，再使用 scripts/mcp_research.py。本 Skill 的外部取数目的：获取关键词、场景、相似 ASIN 和自然可见度代理数据。

• 先 doctor，再 search-tools 和 describe；工具名及参数以实时 tools/list 与 inputSchema 为准。
• Token 只从环境变量读取。不得写入命令参数、URL、Skill、报告、日志或 Git。
• tools/call 或 Actor 可能计费；先展示 Provider、工具、无密钥业务参数、预计成本与输出位置，核对已有授权覆盖后才加 --allow-cost；该标志不是费用上限。

必须交付的结果

• 流量类型诊断
• 分层架构图
• 每层实验契约
• 转化问题排除表
• 数据范围、来源、采集时间、样本与限制。
• 关键假设、待补证据、风险和不可确定项。
• 若有动作：对象、旧值、新值、预期、停止条件、回退值与审批状态。

方案状态使用 READY FOR REVIEW / DRAFT / HOLD / STOP；如已执行，另行记录实际结果及回读证据。未得到明确批准时，不得声称已修改线上对象。