深蒸馏 · 亚马逊运营 × Codex

用 Codex 打造跨境情报 Skill · 深蒸馏(420)

图文原件 | 2026-07-22 | 已深蒸馏 5 / 9 | 4 组 · 4 表 · 一次读完
来源:原文 | Jax丰哥 | 2026-07-22 | 1.09 万字
直链(在飞书/企微预览里点击可能被拦截,复制到浏览器打开):https://www.woyaofei.cn/420.html
阅读路径:这篇是整站「工程纪律」最严的一篇,亮点不在功能,在自我约束。第一组看它把资讯切成六个决策维度;第二组是采集层怎么做到确定性(不调模型、不绕验证码);第三组是主 Agent 与子 Agent 的合同;第四组最关键:关门校验、能力边界声明、以及他为什么明确反对用 cron 当主路径。
一句话结论:情报系统的价值不在「抓得多」,在每条结论都能追到 sourceUrl、每份报告都经过一道 gate;确定性采集与 Agent 判断必须物理隔离,否则定时抓取会变成「未审计的结论 + 不可控的模型费用」。

第一组 · 六个维度,而不是一个信息流

卖家要的是可验证的变化

1.1 三个现状问题

跨境卖家真正需要的不是更多资讯,而是能影响经营决策、可验证的变化:政策何时生效、FBA 费用是否变、广告能力是否更新、有没有合规风险、物流或竞品平台有没有新机会。人工浏览有三个毛病:

问题具体表现
时效与覆盖难兼顾高价值信息散在多个站点,固定巡检容易漏
结论难复核二次转述丢原文、发布日期、适用范围,导致误判费用或截止日
资讯与动作脱节标题和摘要回答不了「影响谁、影响什么、该关注什么」
1.2 六个决策维度

钱、货、号、流量、效率、竞争。

十个一级分类覆盖:Amazon 政策、FBA、费用税务、广告流量、Listing/VOC、合规/IP、物流、竞品平台、AI 工具、社区信号。每篇相关文章必须选 1 个主分类 + 1~3 个影响维度,并给出事实、影响、建议关注事项和原文证据。

原文在说什么

这一组做的是「降噪」的标准动作:先定义决策维度,再定义分类,最后才谈抓取。顺序反过来的系统会变成「抓到什么推什么」,用户第二天就关掉通知。

关键概念
对你的实际应用

你的晨报「消息面」现在是三行摘要,没有维度、没有影响判断、没有证据链。照这个结构改:每条消息给 维度(持仓/政策/行业/公司)、事实一句、影响一句、来源链接。四列一填,你就不会再出现「这条新闻跟我有什么关系」的疑问。

第二组 · 采集层:确定性优先

不调模型、不绕验证码

2.1 架构

Python 负责采集、正文提取、规范化、去重、存储;DuckDB 单文件做审计库;Codex 主 Agent 与子 Agent 只做受约束的业务解读与报告关门验证。

2.2 七项基础能力
能力具体做法
配置校验采集前校验 YAML、时区、信源 ID、公开 URL、采集参数、分类提示;拒绝未知字段与非法正则
公开信源采集RSS/Atom、普通 HTML 列表、Sitemap,加 Amazon 全球开店、Amazon Ads、AMZ123 三个专用适配器
合规抓取单域名限速、超时、有限重试;遇 401/403/登录页/验证码不绕过、不重试规避
正文提取标题、作者、发布时间、canonical URL、正文、HTML,保留原始响应
幂等去重canonical URL + 正文哈希;正文改了存为新版本,便于追溯修订
本地审计runs / sources / fetches / articles 四表统一落库
结构化输出机器可读 JSON:runId、阶段计数、警告、导出信息
2.3 六张表
表存什么
sources信源配置快照、启用状态、采集断点
runs每次运行的时间窗口、状态、统计、结构化事件
fetches每个候选的 URL、响应状态、响应头、原始响应、哈希、耗时、错误
articles提取后的 canonical URL、标题、正文、发布时间、正文哈希、事件键
analyses子 Agent 的结构化分析、输入输出审计、模型、版本、证据、状态
reports报告草稿、版本、引用文章、关门结果、最终 JSON/Markdown
原文在说什么

这一组最值得抄的不是适配器,是「校验先于采集」和「拒绝绕过」两条。前者把错误挡在花钱之前,后者把合规做成硬约束而不是提示语——遇到 401 就当终止信号,不当待解决问题。

关键概念
对你的实际应用

你的抓取脚本是「失败就重试三次,然后跳过」。按他这条,应该先分类型:401/403/验证码 → 直接终止并告警(说明凭据失效,重试只会加深风控);超时/5xx → 有限重试。这个区分做出来,企微那次权限过期导致丢件的问题就会在第一次失败时暴露,而不是悄悄跳过。

第三组 · 主 Agent 与子 Agent 的合同

防止自然语言直接当系统输入

3.1 任务载荷

为每篇文章生成最小化任务载荷:只带必要字段(标题、正文、时间、来源),不带原始响应。子 Agent 只接受符合 Pydantic 合同的 JSON,返回也必须是 JSON。

3.2 五步处理顺序
步动作约束
1从库里读取待分析文章只读
2生成子 Agent 任务载荷最小字段集
3子 Agent 只依据正文返回 JSON不许编分类,无关文章只返回排除原因
4主 Agent 用 schema 校验后入库校验不过不入库
5构建报告草稿 → 关门校验 → 只导出 passedrejected 留在审计库
3.3 三条硬约束

子 Agent 不直接写库、不直接发布;事实、影响判断、建议关注必须分离;未通过关门的报告只能留在审计库。

原文在说什么

这一组把「多 Agent」从架构图变成了责任划分:子 Agent 是无状态的判断单元,主 Agent 是唯一的写入者。这样出问题时能定位到「是判断错了还是入库逻辑错了」,而不是一团糊涂账。

关键概念
对你的实际应用

你现在是「一个 agent 从头做到尾」:抓数、判断、渲染、发送都在同一次对话里。这导致两个后果:错了不知道错在哪层;同一个错误会被下一次运行复制。按他的分法,你至少该把「判断」抽出来——脚本产出 facts,我(或另一个 agent)只基于 facts 写那几句推断,写完再回到脚本里渲染,这样「推断」这一段是可替换、可回测的。

第四组 · 关门校验、边界与调度

只有 passed 才能导出

4.1 gate

报告草稿构建完之后,主 Agent 结合证据做最终关门校验,写入 passed 或 rejected;只有 passed 才允许导出 JSON,Markdown 只从同一份已通过的 JSON 生成。

4.2 他自己写的「当前能力边界」
项当前状态
validate-config / collect / schema-check有,且 collect 不调任何模型 API
子 Agent 调用有,主 Agent 调度,子 Agent 不写库不发布
日报/周报/月报有构建与导出模块,没有 build、retry 或一键全流程 CLI
Web 后台、权限、订阅推送本期不提供
登录站点、付费墙、验证码明确不支持

他还专门提醒:业务使用时要在 Codex 里显式调用这个 Skill,不要把 pulse.py 当独立应用入口;不要在任何自动化里假定 pulse.py build 可用。

4.3 为什么不推荐 cron 当主路径

cron 或 systemd 只能启动底层 Python 采集,无法保留 Codex 的上下文、子 Agent 编排、关门验证和交互式异常处理,所以只适合 CI、无 Codex 环境或调试。他的建议是:先把计时放在 Codex 的 Scheduled 里,先在普通对话里完整测一次,再创建定时任务。

4.4 合规三条

只采公开内容并遵守 robots 与限速;不传凭据、不绕 401/403/付费墙;政策、费用、税务、法律结论必须保留官方原文链接;原始响应不对外导出大段原文,对外只给带 sourceUrl 的摘要与已验证结论。

原文在说什么

这一组是全站最稀缺的东西:作者主动划出「哪些还没做」。它的作用不是谦虚,是防止使用者把设计文档当能力清单——「文档里写了」和「代码里真有」是两件事,混淆的代价是自动化在半夜静默失败。

关键概念
对你的实际应用

这条直接打在你现在的痛点上:你的多数流程跑在 cron(cron-jobs.json)里,而它们其实需要 agent 参与判断。现实解法不是全搬到 Codex,而是分层——确定性的(抓取、渲染、发送)留 cron;需要判断的(今天该不该发、这条消息重不重要)留给对话,cron 只负责把它叫起来。另外「已实现/未实现」这份清单,你该给自己写一份:哪些脚本是能跑的,哪些是半成品。


与在用工作的关联

这篇里的什么对应你手上的什么具体怎么用
六维 + 十类分类晨报消息面只有三行摘要每条消息补维度 / 事实 / 影响 / 来源四列
校验先于采集配置错误要跑一遍才发现每个脚本加 --check:凭据、路径、依赖一次验完
401/403 直接终止失败重试三次再跳过按错误类型分流:凭据类终止告警,网络类有限重试
任务合同 + 单一写入者单 agent 全流程脚本产 facts,判断单独一步,渲染再回脚本
gate 关门校验数据不全也发完整率 / 时效 / 必填三闸,不过改发提示
能力边界声明三十多个脚本良莠不齐写 STATUS.md:能跑 / 半成品 / 已废
cron 只做确定性需要判断的也塞进 cron拆分:cron 负责叫醒,判断留在对话

原文:Jax丰哥《用 Codex 打造跨境情报 Skill》,2026-07-22,约 1.09 万字。

本篇依据:原文全文逐段核对。六维决策、十类分类、七项能力、六张表、五步顺序、三条硬约束、能力边界表、cron 不推荐的理由均为原文表述。

更正与边界:这篇同时是产品说明与工程文档,功能描述有「设计」与「已实现」两层,他自己用一节做了区分;引用时不要把这套系统当成开箱可用的成品——没有一键全流程,报告需要 Agent 编排。

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」。