Pangolinfo Amazon Scraper: Products + Keywords + Reviews + Categories

Amazon 全域抓取 / Amazon Scraper (Product · Keyword · Category · Seller · Bestseller · Reviews)

跑前必读 / Read first: 本文件末尾《核心规则 / Core Rules》章节（鉴权、字段名、2 QPS 并发、双档时效、错误处理 R-9、R-11 先查 capabilities 再下结论）——已内联，自包含。 这是 MCP-native skill：所有数据都走 MCP tool，没有本地脚本、没有 Python、不需要 API key 环境变量（key 在 client 注入的 MCP URL 里）。

何时用 / When to use

✅ 触发场景 / Trigger:

• 抓单个 ASIN 的 PDP（标题/价格/评分/评论摘要/BSR）/ Fetch one ASIN's product detail page.
• 关键词搜出一页 ASIN 列表（价格、评分、月销、徽章）/ Keyword search → first-page ASIN list.
• 拉某类目 / 某卖家 / Best Sellers / New Releases 的在售商品 / List products by category, seller, bestsellers, or new releases.
• 批量抓评论做情感分析 / 痛点挖掘 / Bulk-scrape reviews for VOC / sentiment.

❌ 不要用 / Do NOT use:

• 完整选品 GTM 报告 → amazon-product-explorer。
• 类目遥测 / 利基筛选（按销量、退货率、点击份额过滤类目）→ pangolinfo-amazon-niche。
• 写 / 优化 Listing 标题与五点 → amazon-listing-optimization。
• 非 Amazon 平台（Walmart、Shopify、eBay 等）—— 本 skill 仅 Amazon。

工具映射 / Tool map（老 CLI parser → MCP tool）

从老 pangolinfo.py --parser ... 迁来的用户对照表。现在不再传 --parser，直接调对应 MCP tool：

默认站点 site="amz_us"，默认邮编 10041（见 R-1）。

用法 / Usage

1. ASIN 详情 / Product detail — get_amazon_product

{ "name": "get_amazon_product", "arguments": {
  "asin": "B0DYTF8L2W", "site": "amz_us", "format": "json"
}}

Extract: data.json[0].data.results[0] →

• title / price / star(平均评分 0-5) / rating(评分人数=评论计数) / brand / seller.name(Buy Box 卖家)
• features[](五点) / productDescription[](A+) / bestSellersRankItems[](BSR) / breadCrumbs(类目路径)
• aiReviewsSummary(后端预聚类优缺点) / reviews[](PDP 自带 ~5-10 条) / variantDetails[] 坑: 头部自营品（如 Echo Dot）有时 bestSellersRankItems=[] + brand=""，PDP 解析退化，缺字段如实说明（R-2）。

2. 关键词搜索 / Keyword search — search_amazon

{ "name": "search_amazon", "arguments": {
  "keyword": "wireless mouse", "site": "amz_us"
}}

Extract: data.json[0].data.results[]（~22 条/页）→ asin / title / price / star / rating / sales(月销字符串如 "1K+ bought in past month") / badge / sponsored / rank。 硬规则: 参数名是 keyword（单数，REQUIRED），不是 keywords。要 BSR/新品榜别用这个 → 用 list_bestsellers / list_new_releases。分页用 page，无 limit。只在用户明确要"更多 / Top-N(N>22) / 全部"时翻页。

3. 类目在售品 / Category listing — list_category_products

{ "name": "list_category_products", "arguments": {
  "nodeId": "172282", "site": "amz_us", "page": 1
}}

Extract: data.json[0].data.{results[], maxPage, nextPage, categoryName}（24 条/页，asin/title/price/star/rating/rank/img）。nodeId 从 search_categories（见 niche skill）或 get_category_children 拿。

4. 卖家店铺 / Seller storefront — list_seller_products

{ "name": "list_seller_products", "arguments": {
  "sellerId": "ATVPDKIKX0DER", "site": "amz_us", "pageCount": 1
}}

Extract: data.json[0].data.results[]。sellerId 从某 PDP 的 seller.id（"sold by" 链接）拿。pageCount 可一次累计前 N 页（≤3，跨页合并）；categoryId 可按类目过滤店铺商品。Amazon 自营 sellerId="ATVPDKIKX0DER"。

5. 热销榜 / Best Sellers — list_bestsellers

{ "name": "list_bestsellers", "arguments": {
  "categorySlug": "electronics", "site": "amz_us"
}}

Extract: data.json[0].data.recsList（是 JSON 字符串数组，需二次 parse）→ 每行 id(ASIN) + metadataMap.render.zg.rank + percentageChange + twentyFourHourOldSalesRank（24h 排名变动）。categorySlug 是 amazon.com/Best-Sellers URL 里的连字符英文 slug（electronics / home-garden / beauty）。

6. 新品榜 / New Releases — list_new_releases

{ "name": "list_new_releases", "arguments": {
  "categorySlug": "electronics", "site": "amz_us"
}}

Extract: 同 list_bestsellers（recsList 二次 parse）。实际返回 Top-50（后端硬上限），收录上市 30 天内的爆款。

7. 评论 / Reviews — get_amazon_reviews

⚠️ 预算告知（R-4d）：评论 5 积点/页。调用前在消息里说"将抓 X 页评论，约 5X 积点 / ~10s，是否继续？"。

{ "name": "get_amazon_reviews", "arguments": {
  "asin": "B08XXXXXXX", "site": "amz_us",
  "filterByStar": "critical", "sortBy": "helpful",
  "mediaType": "all_contents", "pageCount": 1
}}

Extract: data.json[0].data.results[]（~10 条/页）→ reviewId/date/star/title/content/author/helpful/imgs[]/purchased/vineVoice。 用法: 挖痛点用 filterByStar="critical"；抓正面卖点用 "positive"；带图高可信用 mediaType="media_reviews_only"。Fast 档禁用（贵）。

8. 自定义 URL / 价格 / 排序筛选 — scrape_url（逃生舱 / escape hatch）

当上面 7 个专用 tool 建不出目标 URL（如"只看 $25-50"、"按评论数排序"），用 scrape_url + 完整 URL（filter/sort/分页只能走 url 模式）：

{ "name": "scrape_url", "arguments": {
  "parserName": "amzKeyword",
  "url": "https://www.amazon.com/s?k=earbuds&low-price=25&high-price=50&s=review-rank"
}}

parserName 必须匹配页面类型（amzKeyword/amzProductDetail/amzProductOfCategory/amzProductOfSeller/amzBestSellers/amzNewReleases/amzReviewV2/amzFollowSeller/amzVariantAsin）。简单页且只有片段（关键词/ASIN/nodeId）可用 content 模式，但 content 模式不带筛选。

呈现规范 / Presentation（R-5）

• 绝不贴原始 JSON。列表 → 表格（每行一个 ASIN，列：ASIN/标题截断/价格/star/rating/sales/badge）。
• 单品 → 卡片：标识(ASIN/brand) / 价格 / 流量(BSR/sales/badge) / 评价(star/rating/aiReviewsSummary) / 卖家(seller.name)。
• 榜单 → 带 24h 排名变动的 Top-N 表。
• 报告语言与用户提问语言一致（中文问→中文答）。每个数字可回溯到 tool 名（R-2）。

反模式 / Anti-patterns（不要做）

• ❌ 用 keywords（复数）调 search_amazon —— 真实参数是 keyword（单数）。
• ❌ 一回合并发 3+ 个 scrapeApi 调用 —— 实测 3 并发触发业务码 9200 "no content"，最多 2 并发（R-4b）。
• ❌ 用 search_amazon 想拿 BSR / New Releases —— 用 list_bestsellers / list_new_releases。
• ❌ recsList 当普通数组用 —— 它是 JSON 字符串，要二次 JSON.parse。
• ❌ Fast 档调 get_amazon_reviews —— 5pt/页超预算（R-4a）。
• ❌ 引用不存在字段：monthlySoldVolume（用 sales）/ bsr_category_path（用 bestSellersRankItems[]）/ buy_box_seller（用 seller.name）/ bullet_points（用 features[]）。见 R-10。
• ❌ 抓非 Amazon 平台 —— 本 skill 仅 Amazon。
• ❌ 先凭直觉说"抓不到"再实测可查 —— 违反 R-11，先调 pangolinfo_capabilities。

🎯 示例 Prompt / Quick-start prompts

• "抓 'Electronics' 类目 Best Sellers 前 10，输出 CSV。" / "Fetch top 10 bestsellers in Electronics, format as CSV."
• "抓 ASIN B08XXXXXXX 的前 50 条差评，总结主要投诉。" / "Scrape top 50 critical reviews for B08XXXXXXX and summarize complaints."（注意预算告知）
• "搜 'wireless earbuds' 第一页，列出价格和评分。" / "Search 'wireless earbuds', list prices and ratings."

---

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。