Pangolinfo AI SERP: AI Mode Output + AI Overviews

Google SERP + AI Overviews / AI SERP（含关键词趋势）

跑前必读 / Read first: 本文件末尾《核心规则 / Core Rules》章节（鉴权、双档时效 R-4、错误处理 R-9、R-11 先查 capabilities）——已内联，自包含。 MCP-native skill：无本地脚本、无 Python、无 API key 环境变量。老 pangolinfo.py --mode 用法已映射到 MCP tool。

何时用 / When to use

✅ 触发场景 / Trigger:

• 抓 Google AI Overview(SGE) 文本 + 精确引文来源 → 给 LLM 接地、消除幻觉 / Extract SGE text + exact citations.
• 标准 SERP 前 N 条自然结果（标题/URL/摘要）/ Standard organic SERP top-N.
• 多轮对话式深挖（AI Mode + followups）/ Multi-turn conversational search.
• 站外需求 / 舆情 / Reddit-Quora 痛点 / 文字商标显著冲突初筛 / Off-site demand, VOC, preliminary trademark scan.
• 关键词热度对比、季节性、地区分布、Breakout 上升词 / Keyword popularity, seasonality, geo, breakout terms.

❌ 不要用 / Do NOT use:

• Amazon 站内商品搜索 → search_amazon（pangolinfo-amazon-scraper）。
• 深爬目标网站内页 —— 本 skill 严格只做 Google 搜索结果页。
• Amazon 类目 / 利基遥测筛选 → pangolinfo-amazon-niche。

工具映射 / Tool map（老 CLI → MCP tool）

用法 / Usage

1. 标准 SERP + AI Overview / Standard SERP — ai_search (overview)

单次查询首选 overview（更便宜，~2 积点 / ~30s）：

{ "name": "ai_search", "arguments": {
  "query": "best AI agents 2026",
  "mode": "overview",
  "screenshot": false
}}

Extract: data.json.items[]，每个 item 带 type：

• type: "ai_overview" → items[].content[](AI 生成段落) + items[].references[]({title,url,domain} 引文来源)。
• type: "organic" → items[].{title,url,text}（自然结果）。
• type: "related_searches" → items[]（相关搜索词）。
• 顶层另有 data.results_num / data.ai_overview / data.screenshot（请求截图时）/ data.taskId。

坑: AI Overview 不是每个查询都触发。缺失时优雅降级到 organic 结果，别编造（R-2）。

2. AI Mode 多轮 / Conversational multi-turn — ai_search (ai_mode)

⚠️ 预算 + 时效告知（R-4a / R-4d）：ai_mode 慢（30-60s）。Fast 档禁用 ai_mode；只在用户明确要"深挖 / 多轮"时用，且先告知耗时。followups 强烈建议 ≤5，每多一个明显加时延。

{ "name": "ai_search", "arguments": {
  "query": "python web frameworks",
  "mode": "ai_mode",
  "followups": ["compare flask vs django", "which is better for beginners"]
}}

Extract: 同 overview 的 data.json.items[] 结构，按每轮 followup 分解返回。

3. 站外 Dork 调研 / Off-site dorking — ai_search (overview)

把 Google 高级搜索语法塞进 query 抓真实使用场景 / 痛点 / 商标冲突：

// 站外使用场景
{ "name": "ai_search", "arguments": {
  "query": "intitle:\"\" (\"best for\" OR \"used for\") -site:amazon.com",
  "mode": "overview"
}}
// 文字商标初筛（设计专利走 wipo_search USID，文字商标走这里）
{ "name": "ai_search", "arguments": {
  "query": "\"\" trademark (USPTO OR \"registered\" OR \"™\" OR \"®\")",
  "mode": "overview"
}}

Extract: AI Overview content[] + references[].url → 提炼 2-3 个站外信号。这是初步风险雷达，不是正式法律清关（R-8）。

4. 关键词热度趋势 / Keyword trends — keyword_trends

{ "name": "keyword_trends", "arguments": {
  "keywords": ["wireless earbuds", "bluetooth earbuds"],
  "timeRange": "today 12-m",
  "region": "US"
}}

Extract:

• data.json.timelineData[] → 时间序列（最新值 vs N 月前的相对变化）。
• data.json.keywordsGeoData[] → 地区热力（哪些州/国热度高）。
• data.json.keywordsRankData[].rankList[].rankedKeyword[] → 上升 / Breakout 相关词（可回喂 search_amazon 或 filter_niches 探新机会）。

硬规则: 一次最多 5 个 keywords；趋势是 0-100 相对值，不是绝对搜索量（绝对量去 filter_niches）。timeRange 常用 today 12-m(默认) / today 3-m / today 5-y / all；region 用 ISO 国家码或 WORLD。

呈现规范 / Presentation（R-5）

• AI Overview → 用要点复述 + 列出引文（[标题](url) 形式），不贴原始 JSON。
• SERP → 标题/URL 表格。
• 趋势 → 简短描述（"12 个月上升 ~12% / Q4 季节性明显 / 加州热度最高"）+ Breakout 词单列。
• 报告语言与用户提问语言一致。

反模式 / Anti-patterns（不要做）

• ❌ Fast 档调 ai_search mode=ai_mode —— 30-60s 超时效预算；Fast 档最多 1 次 overview（R-4a）。
• ❌ 把 AI Overview 当"每次都有" —— 没触发时别硬编；降级 organic。
• ❌ 用 keyword_trends 的 0-100 值当绝对搜索量汇报 —— 它是相对热度。
• ❌ 一次塞 >5 个 keywords 给 keyword_trends / >5 个 followups 给 ai_search —— 会拒/严重拖慢。
• ❌ 用本 skill 深爬某网站内页 —— 只做 Google SERP。
• ❌ 先凭直觉说"搜不到 AI Overview 引文"再实测 —— 违反 R-11，先调 pangolinfo_capabilities。

🎯 示例 Prompt / Quick-start prompts

• "Google 搜 'best AI agents 2026'，抽出 AI Overview 文本并列出引文。" / "Extract the SGE text and exact citations for 'best AI agents 2026'."
• "对比 stanley quencher / yeti rambler / hydro flask 近 12 个月热度趋势。" / "Compare 12-month trends for those three brands."
• "Reddit 上大家怎么吐槽 'standing desk'？" / "What do people complain about 'standing desk' on Reddit?"

---

核心规则 / Core Rules（本 skill 自包含，无需外部文件）

以下规则对所有 Pangolinfo skill 通用。本文件已内联，单独加载即生效。

R-1 鉴权与默认值

API Key（两套，别混）

Pangolinfo 有两套独立的 key 注入路径，对应两种运行形态：

• Skill 侧（本文件所在形态）：AI 从环境变量 PANGOLINFO_API_KEY 读取 key。这是 skill 默认的 key 来源——由用户在运行环境里设好，AI 直接读、不要反复追问用户。
• MCP server 侧：key 走 MCP 配置（CLI --api-key=pgl_xxx / 同名 env PANGOLINFO_API_KEY / ~/.pangolinfo/config.json / hosted URL ?api_key=pgl_xxx 或 HTTP 头 Authorization: Bearer pgl_xxx）。

两者互相独立：skill 侧改 env var 不会影响已连上的 MCP server，反之亦然。key 前缀均为 pgl_。

First-time setup（工具没注册 / 首次 AUTH 失败时）

若 pangolinfo_capabilities 探针发现工具未注册，或任一 tool 直接返回 AUTH，说明 key 尚未配好。此时停止跑 SOP，引导用户：

1. 到 https://www.pangolinfo.com 登录，复制 API Key（pgl_ 开头；新用户有免费额度）。
2. 配置 key：
   • Skill 形态 → 设环境变量 export PANGOLINFO_API_KEY="pgl_xxx"。
   • MCP 形态 → 写进 ~/.pangolinfo/config.json，或 MCP URL ?api_key=pgl_xxx，或头 Authorization: Bearer pgl_xxx。
3. 重启 / 重连（env var 与 MCP 配置都不热加载）。
4. 让用户配好后再来。AI 不能替用户改配置或重连。

默认值

• 默认市场：marketplaceId: "US" / site: "amz_us"；US 邮编默认 "10041"（纽约）。除非用户明示其他站点。
• 报告语言与用户提问语言一致；但 Listing 正文（Title / Bullets / Backend）始终用目标市场语言（默认英文）。

R-2 数据真实

• 只用 MCP 返回的硬数据。绝不编造搜索量、排名、月销、评论数、Buy Box 卖家等。
• 数据缺失时明确告知用户"该字段后端未返回"或"需手动补充"。不要尾随免责声明、不要写"约""大概"。
• 每个数字必须可回溯到具体 tool 调用与字段路径（如 get_amazon_product.data.json[0].data.results[0].star）。

R-3 调用前先看能力

第一次接入时调一次 pangolinfo_capabilities { detail: "summary" }（0 积点 / 2ms），拿到当前的 tool 清单 + workflows + tips。工具数量与名称会随版本变化，以本次返回为准，不要钉死数字、不要凭旧记忆调 tool。该调用同时是连接健康探针：工具未注册或返回 AUTH → 转 R-1 first-time setup。

R-4 时效性硬规则（最重要）

R-4a 双档模式

每个 SOP 强制提供两档：

跑 Fast 档时禁止调下列慢/贵 tool：

• ❌ get_amazon_reviews(5pt/页 + 10s/次)
• ❌ ai_search mode='ai_mode'（30-60s）
• ✅ ai_search mode='overview' 最多 1 次

跑 Full 档时各项上限：

• get_amazon_reviews ≤ 3 个 ASIN × pageCount=1
• ai_search ai_mode ≤ 1 次，overview ≤ 2 次
• wipo_search ≤ 3 次

R-4b 并行调用（最关键的加速手段）

独立的 tool 调用应在同一回合并发发送，但受 scrapeApi 速率限制约束。

后端速率：实测 2 QPS 稳定(3 QPS 会触发 9200 "no content")

• ✅ 同一回合最多并发 2 个 scrapeApi 调用（含 search_amazon / get_amazon_product / list_* / filter_* / search_categories / get_category_* / get_amazon_reviews / wipo_search / ai_search / keyword_trends / search_local_maps）— 2026-05-28 真实压测确认 3 并发会被后端拒
• ✅ pangolinfo_capabilities 不走后端，可任意并发
• ❌ 一次同时发 3 个 search_amazon 会有至少 1 个返回业务码 9200 "Scrape failed: no content returned"

推荐节奏

并行 vs 串行判定

• 不依赖上一步返回字段 → 并行(但不超 2)
• 依赖上一步字段 → 串行
• 同种 tool 的批量调用(如 2 个 ASIN 详情) → 一回合 2 并发;3+ ASIN 分批

遇到 RATE_LIMIT 怎么办

收到 [RATE_LIMIT] 错误：等 ~1s 重试该 1 个 tool（不要全部重试），其余已成功的别动。连续 2 次 RATE_LIMIT 或业务码 9200 说明 QPS 节流,降到每回合 1 并发(完全串行)。

R-4c 早返

任一步骤拿到"足够下结论"的数据后立即生成报告，不要为凑齐 SOP 强跑：

R-4d 慢操作前先打预算

调下列 tool 前必须在用户消息里报"将花 X 积点 / 约 Y 秒"，让用户有机会取消：

• get_amazon_reviews(5pt/页)
• 同一回合并发 ≥ 3 个 tool 调用(超过 2 并发的批次)
• ai_search ai_mode（30-60s）

R-5 不暴露原始 JSON

AI 的回答里不要贴原始 tool 返回。结构化呈现：

• 列表 → 表格（每行一个 ASIN/niche/类目）
• 单品 → 卡片（关键字段分组：标识 / 价格 / 流量 / 评价 / 卖家）
• 趋势 → 用简短描述（"上升 12% / 12 个月趋势平稳 / Q4 季节性")
• 报告 → 各 SKILL 自己的固定段落结构

R-6 单工具直通

用户问简单单步查询时不要强行跑完整 SOP，直接调对应单 tool 给结果：

R-7 不推荐外部工具

不主动提 Keepa / SellerSprite / Helium 10 / Jungle Scout 等竞品。用户问起再说"本工具不直接提供 X 能力，可考虑 ..."。

R-8 报告语气

• 中性，可执行
• 禁用"必跌""碾压""稳赚""绝对蓝海"等绝对化承诺词
• 禁用情绪词"令人震惊""惊喜"
• 每个建议带"为什么"（基于哪个数据）和"做什么"（具体动作）

R-9 错误处理

MCP server 已把每个错误渲染成结构化三行（[CODE] + 可否重试 + 用户动作）。AI 的职责是按 CODE 语义正确反应，别瞎重试、别原地打转。6 类错误：

总则：terminal 类（AUTH/QUOTA/BAD_INPUT）重试是浪费，直接停或修参数；transient 类（RATE_LIMIT/SERVER/NETWORK）才重试，且只重试失败的那一个、别全批重发。

R-10 字段名速查（最常踩的坑）

完整字段对照见 MCP 各 tool 的 Returns: 段落，或调 pangolinfo_capabilities { detail: "full" }。

R-11 不要凭直觉判定"做不到"

在告诉用户"这个数据拿不到""这个是付费功能""只能估算"之前,必须先调 pangolinfo_capabilities { detail: "summary" }(免费,0 积点)或翻看具体 tool 的 description / inputSchema 确认。Pangolinfo MCP 实际能筛/能返回的字段超出大多数 AI 训练时的常识范围,包括但不限于:

• 退货率: filter_niches.returnRateT360Max 筛选 + 返回字段 returnRateT360 (具体数值)
• GMV/月销额: filter_categories.netShippedGmsSum + niche 维度可用 unitSoldSum × avgPrice 推算
• 品牌集中度: top5ProductsClickShareT360 / top20BrandsClickShareT360
• 新品入场率: newBrandCountT90 / newProductsLaunchedT180
• 广告 CPC: avgAdSpendPerClick

凭直觉先说"做不到"再实际能查到 → 用户直接失去信任。先查 capabilities,再下结论。

R-12 通用防呆速查（跨 tool 硬护栏 — 调用前自检）

下面是所有 Pangolinfo MCP tool 的通用防呆清单，每条都对应一个真实会被后端拒/扣冤枉积点的坑。调任何 tool 前对照一遍。

R-12a 参数护栏（传错就被拒 / 扣冤枉积点）

R-12b 错误闭环（拿到返回先自检，别盲目往下走）

R-12c api_key 无效判断（别原地打转）

• key 来源两套:skill 侧读 env var PANGOLINFO_API_KEY;MCP 侧走 CLI/config/URL(?api_key=pgl_xxx 或 Authorization: Bearer pgl_xxx)。前缀均 pgl_。
• AUTH 是 terminal:同 key 重试一定再失败 → 绝不重试。坑:invalid key 在后端是 bizCode 1004(不是 HTTP 401),别因"不是 401"误判成 SERVER。
• 处理:停 SOP → 引导用户到 https://www.pangolinfo.com 拿 key → 写 env/config → 重启/重连(不热加载;agent 无法替用户改配置或重连)。详见 R-1 / R-9。

R-12d 路由防呆（别用错 skill / 用错 tool）

• 单步查询走单 tool,别强跑整 SOP(R-6):查 ASIN→get_amazon_product;类目榜→list_bestsellers;趋势→keyword_trends;差评→get_amazon_reviews filterByStar=critical。
• tool 间别越界:要 BSR/新品榜别用 search_amazon(用 list_bestsellers/list_new_releases);要 niche 别用 filter_categories(用 filter_niches);要具体商品别用 filter 系列(用 list_category_products/search_amazon)。
• skill 间别越界:选品→amazon-product-explorer;日常监控→amazon-daily-competitor-radar;写 Listing→amazon-listing-optimization;站内抓取→pangolinfo-amazon-scraper;Google/SGE→pangolinfo-ai-serp;类目利基→pangolinfo-amazon-niche。