Sealeap Xiezhi Amazon Product Knowledge Map Building Agent Skill

Amazon 产品认知地图训练

目标

先扩大对海外产品、人物和场景的认知，再把陌生商品转化为可继续研究的需求线索，而不是立即判断做或不做。

适用任务

• 建立每日产品认知训练。
• 从陌生或反常商品发现人群与场景。
• 把零散观察连接成品类和需求地图。

开始前要拿到

• 目标站点与一个易理解的大类目。
• 可浏览的商品样本及标题、图片、评论和类目路径。
• 当前已知产品/人群/场景词库。
• 每日可投入的观察与记录时间。

缺少字段时列出证据缺口，并把相关结论标为 FACT、ESTIMATE、ASSUMPTION 或 UNKNOWN；不要补造数据。

不可妥协的边界

• 第三方数据均为估算或代理证据；Amazon 一方报告、后台实时字段和产品事实优先。
• 经验阈值只能作为可调起点，必须展示敏感性分析，不能写成 Amazon 官方规则。
• 不得捏造销量、搜索量、CPC、CVR、成本、认证、产品属性或消费者需求。
• 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。
• 不输出或保存素材来源身份、账号、链接、作品编号、互动数据、原始话术或其他可反查来源的线索。
• 不得从单个陌生商品直接跳到采购结论。
• 不得复制受保护的造型、图案、文字或品牌表达。

工作流

1. 宽口径取样

选择一个大类目，用宽松价格、销量和评论条件暴露更多陌生、小众或结构特殊的商品。

2. 延迟判断

先回答产品是什么、谁在用、何时使用、解决什么问题，不在第一眼用价格、体积或陌生度直接淘汰。

3. 拆解差异

记录功能、结构、材质、尺寸、数量、组合、对象、场景、节日和文化元素中的异常点。

4. 向外延伸

从单品扩展到垂直品类、相邻需求、更高价格带、低评论链接和可迁移元素。

5. 维护地图

按产品—人群—场景—问题—关键词建立节点，每次观察增加连接并标注证据强度。

判断标准

• 每天认识约 20 个陌生产品可作训练节奏，不是产出 KPI。
• 训练目标是增加可解释的市场连接，不是每天强行选出若干可做产品。
• 奇特外观只是探索触发器，不能单独证明需求或差异化价值。

第三方 MCP 数据

需要外部关键词、竞品、评论或公开网页证据时，读取 references/mcp-data-plan.md，并使用 scripts/mcp_research.py。

• 先动态执行 tools/list、search-tools 和 describe，依据实时 inputSchema 构造参数。
• 凭证只从环境变量读取，不进入参数、URL、Skill、终端输出或 Git。
• 可能计费的 tools/call 先展示 Provider、工具、无密钥参数、预计成本与输出位置，核对已有授权；仅在授权覆盖本次范围时使用 --allow-cost，该标志不是费用上限。
• 脱敏结果用 --output 写入 Skill 包之外的任务私有目录；不假设安装位置受仓库 .gitignore 保护。第三方数据标为估算或代理证据。
• 失败一次后记录缺口，不以重复付费重试掩盖不可用状态。

必须交付的结果

• 产品认知卡
• 人群与场景词库
• 需求关系图
• 待验证方向池
• 每日学习复盘

结尾列出站点、数据窗口、证据来源、关键假设、缺口、风险、下一步和所有待批准动作。证据不足时写 HOLD，不得包装成可直接执行。

执行细节、证据字段和质量检查见 references/playbook.md。