https://www.woyaofei.cn/168.html阅读路径:这是整条线的起点,只讲「为什么值得自动化」和「Skill 到底是个什么东西」,没有工程细节。第一组看痛点与工具选型的取舍;第二组是全场唯一可复用的资产——把几十份选品模板归成的四个模块;第三组是 Skill 的定义与目录结构,后面 257 / 322 / 465 都在给这一组加血肉;第四组只回答一个问题:为什么交付物是 HTML 而不是 Markdown。五分钟足以;真要动手,只看第二组和第三组。
一句话结论:报告不稳定的根因不是模型不够聪明,是每次都在让模型从零决定读什么数据、按什么顺序、输出成什么样子;把「模板 → 数据 → 加工 → 交付」四段钉死,模型只负责中间那段语义判断,报告才开始可复现。
他描述的场景很具体:选品流程里有一套沿用了很多年的标准模板(Excel、飞书文档或 PPT),做法是人工在卖家精灵、Sorftime、飞鱼、Sif 之间来回切换,复制数据、截图表、粘进模板。重点款式还要逐个点开 ASIN、读 Listing、肉眼归纳。
三个问题随之而来:费时、费力、容易漏关键信息。注意他没有说「人会判断错」——他质疑的是采集与整理这段的可靠性,判断那一段他后来一直主张留给人。
RPA 是被明确否掉的方案:迭代成本高、容错率低。这判断在跨境场景里成立——页面结构一改、类目字段一变,RPA 的脚本就得重录一遍;而选品工具本身也在频繁改版。
他给出的替代是 MCP / CLI 这类「对 Agent 更友好」的接口层:模型不需要模拟人点页面,而是拿到结构化的数据能力。
| 位置 | 他的选择 | 理由 |
|---|---|---|
| 推理 | GPT-5.5 xhigh(主力),Claude / DeepSeek 亦可 | 额度充足、封号风险低 |
| 取数 | 卖家精灵 CLI 或 Sorftime CLI,明确偏好 CLI | 显式调用,能精准控频次、调输入输出,把「额度被打满」的风险摁住 |
| 开发 | Codex(主力),Trae / Cursor 亦可 | 代码上下文理解与脚本编写顺手 |
这一组的价值是把「AI 做调研」从演示拉回成本结构:真正贵的不是那一次生成,是每天重复执行时的不确定性。他选 CLI 的理由也不是「更先进」,而是「可计量、可调试」——这两个词后面在 257 和 343 里被反复展开。
你的 report_html.py 现在是「一个脚本干四件事」,取数、渲染、浮卡、发送混在一起。这篇给的是一个切分口径:推理/取数/开发三个位置分开看。落到你身上——取数(行情、K 线、基金净值)属于「要计量」的一类,应该独立成一层并记账;渲染与发送属于确定性代码,不该让模型参与。
| 模块 | 回答什么问题 | 常见字段 |
|---|---|---|
| 市场大盘 | 天花板多高、赛道健不健康 | 类目规模、增长、集中度、季节曲线 |
| 产品形态 | 产品长什么样、还能往哪迭代 | 功能、规格、材质、差评指向的缺陷 |
| 竞品分析 | 头部玩家的护城河在哪 | 价格带、评论量、Listing 质量、流量词 |
| 利润测算 | 这事到底能不能赚钱 | 售价、FBA 费、头程、广告占比、毛利 |
拿到四个方向之后,他抛出的问题不是「用什么工具」,而是:怎么把这四个模糊需求拆成确定性、可被 AI 完整执行的任务。这个转换动作,是后面所有 Skill 的原型——先有「报告该有什么」,再反推「要哪些数据」,最后才是「调哪个接口」。
四模块本身不新鲜(做跨境的都见过类似模板),新鲜的是顺序:从读者要看什么倒推数据。他后面在 257 里把这条写成一句操作纪律——「先定报告目录,再定接口」,并且明确说了为什么:目录是给人看的,接口是给机器看的,反了就会变成「我拿到什么字段就展示什么」。
你的晨报/午报已经是模板化产物,但「标的深度分析」还是每次现写结构,两次结论没法对比。直接套这四个模块改一版:大盘与行业 → 公司在链条里的位置 → 财务与估值 → 关键变量与反方 → 结论与触发条件。结构固定之后,「这次和上次判断差在哪」才看得出来——这也是 reports/calls.md 能算准确率的前提。
他引了 OpenAI Developers 对 Codex Agent Skills 的说明:Skill 把「指令、资源、可选脚本」打包,让 Codex 能可靠地按某个工作流执行;Skills 是可复用工作流的创作格式。
他自己的翻译更直白:Skill 就是一个高阶版提示词,本质是 AI 版本的 SOP。
| 目录/文件 | 必需 | 作用 |
|---|---|---|
SKILL.md | 必需 | 元数据(name、description)+ 执行指令 |
scripts/ | 可选 | 实际执行的代码,比如调 CLI 的程序 |
references/ | 可选 | 业务背景、口径文档 |
agents/ | 可选 | 外观定义与依赖 |
| 项 | 内容 | 缺了会怎样 |
|---|---|---|
| What | 这次要解决什么问题 | 模型自己扩写需求,越做越散 |
| How | 分几步走 | 每次步骤不同,结果不可比 |
| Tools | 调哪些本地脚本 | 模型开始「想办法」,绕过既有管道 |
| Deliverables | 最终吐出什么格式 | 今天是列表、明天是卡片 |
他还点了一个容易被忽略的机制:按需加载——Skill 平时躺在目录里不占上下文,被点名或匹配到任务时才出来干活。这正是它能替代「每次粘贴一大段提示词」的原因。
这一组是全篇最像「规范」的部分,但它解决的是一个很实际的问题:为什么同一个提示词第一次惊艳、第三次就跑偏。答案在结构上——提示词约束的是一次生成,Skill 约束的是每次生成。
你 ~/.agent-autoloop 有三十多个脚本,但没有一个 SKILL.md 式的入口说明——所以我每次接手都要先读代码才知道怎么调。挑三个高频的(晨报、午报、知识库发布)各写一份:What(什么时候用)、How(几步、每步产物)、Tools(哪些脚本、哪些凭据)、Deliverables(HTML 落哪、发哪、怎么验)。这一步做完,「换一个 agent 接手」的成本会掉一大截。
报告里最值钱的是数据,而数据最好的载体是图表。但过去的做法是截图贴进 Excel/飞书文档,于是有三个问题:开会时图片一放大就糊;想看具体数字得回原软件翻;一份报告发出去就死了,没法筛选和切换维度。
| 能力 | 具体表现 | 对应场景 |
|---|---|---|
| 排版与层级 | 目录固定、章节可跳 | 开会时直接跳到某个模块 |
| 交互 | 悬停看精确值、点击过滤 | 主讲人自己控节奏,不被截图打乱 |
| 体积 | 单文件、离线可开 | 丢群里、发给客户都能看 |
| 可归档 | 文件即快照 | 半年后还能翻回当时的数据 |
他给了一句很好用的分工:Markdown 适合写过程,HTML 更适合交付。
这一组常被当成「排版偏好」,其实是个交付判断:报告是给人做决策用的,所以阅读顺序(先结论、再证据、再行动)和交互能力本身就是报告的一部分。这条在 257 里被推进一步——HTML 模板必须固定,否则「AI 报告不稳定」的锅会被错怪到分析上。
你已经在做这件事(晨报午报都是单文件 HTML),但有一处没做到他说的「交付」:浮卡在手机上点不出来,等于把交互优势丢了一半。另外你的 HTML 没有「接口审计」区块——按他 257 的做法,报告底部应该有一段「本次调用了哪些源、几次、命中缓存没有」,这是团队(或三个月后的你)敢不敢信这份报告的关键。
| 这篇里的什么 | 对应你手上的什么 | 具体怎么用 |
|---|---|---|
| 显式调用、可计量 | 行情/K线/净值三类取数混在 report_html.py | 抽成独立取数层,每次调用记账(源、耗时、命中缓存) |
| 四模块倒推数据 | 标的深度分析每次现写结构 | 固化成五段模板(大盘 / 位置 / 财务估值 / 变量与反方 / 结论) |
| Skill = AI 版 SOP | 三十多个脚本无入口说明 | 给晨报、午报、发布三个高频流程各写一份 SKILL.md |
| What/How/Tools/Deliverables | CONTEXT.md 只有原则没有流程契约 | 每个流程补齐这四项,缺 Deliverables 的一律算没写完 |
| 按需加载 | 每次对话都靠我记你的偏好 | 把口径写进 SKILL.md,让它在需要时被加载,而不是靠我记 |
| Markdown 写过程、HTML 交付 | 已在做 | 补「接口审计」区块 + 修手机端浮卡 |
原文:Jax丰哥《如何利用 MCP/CLI 与大模型实现全自动市场调研?》,2026-05-30,约 2.3 千字。
本篇依据:原文全文(短,逐段核对)。四模块表里的常见字段是我按原文模块名补的行业通例,原文只给了模块名与一句话解释,已在这张表下不作引用依据。
更正与边界:原文第五节标着「当前工具:Sorftime MCP」,与他第二节「更倾向 CLI」的表述不一致——那是他早期演示用的形态,到 2026-07 的 343 那篇已经明确改成「MCP 探索、CLI 主干」。读这篇时不要把 MCP 当成他的最终选择。另外全文没有给出任何一次真实运行的产物,属方法论预告。
定位:中文深蒸馏,不是译稿也不是逐字摘要。标「对你的实际应用」的部分是我的分析,与原文分开;引用原文处标「原文在说什么」。