先说背景：我们做 Pangolinfo 已经有一段时间了，核心产品是 Amazon Scrape API ，服务的主要是需要批量采集亚马逊数据的开发者和跨境电商团队。

最近 Agent 这波起来之后，陆续有用户问能不能直接在 OpenClaw 、Claude Code 、Cursor 这类工具里调用我们的数据能力。于是我们在原有 API 基础上封装了一套 Skill ，叫 Pangolinfo Amazon Scraper Skill，想借这个机会和大家聊聊。

现在很多人在讨论 Agent 的推理能力、工具调用、工作流编排，但做跨境电商的场景有个特殊性——亚马逊的数据是实时在变的。

价格每天在动，竞品库存随时清空，Best Sellers 榜单每小时刷新，新品 Review 在大促期间几百条往上涌。

如果你的 Agent 是基于静态知识或者昨天的快照在做决策，那分析出来的结论可能已经过期了。真正有价值的电商 Agent ，数据底座必须是实时的、全量的、结构化的。

这也是我们做这件事的出发点。

自己抓行不行？客户踩过的坑

客户在寻找我们之前，也经历过"自己写爬虫"的阶段，几乎都遇到过几个坎：

• 亚马逊的风控在持续收紧，Canvas 指纹、WebGL 检测、行为分析，普通 Playwright 脚本并发一上去就是 503 或者无限验证码
• 原始 HTML 动辄几百 KB ，直接喂给大模型不只是 token 贵的问题，更容易产生幻觉，字段解析出错
• 亚马逊页面结构隔一段时间就改，selector 维护成本极高

所以我们选择在云端把这层全部消化掉，对外只暴露干净的结构化 JSON 。

Skill 具体能做什么

安装一行命令：

npx clawhub@latest install pangolinfo-amazon-scraper --force

然后在 OpenClaw 里直接自然语言驱动，或者程序化 API 调用都行。

主要封装了三个解析引擎：

• amzProductDetail — 商品详情，含变体属性、价格、库存状态
• amzBestSellers — 各类目热销榜单，支持批量拉取
• amzReview — 买家评论，出来就是结构化 JSON ，直接进情感分析或 VOC 挖掘

支持传 ZIP Code ，拿本地居民视角的真实价格，不是对未登录用户展示的那个。

适合什么人群？

• 在搭选品、竞品监控、Listing 优化类 Agent 工作流的开发者
• 需要持续喂给 AI 实时亚马逊数据，但不想在数据层消耗工程资源的团队
• 对 token 成本敏感，希望喂进去的是精准字段而不是原始 HTML 的

注册送免费额度，失败请求不扣费，按需计费。

文档：docs.pangolinfo.com
GitHub：github.com/Pangolin-spg/openclaw-skills.git
Skill 详情：pangolinfo.com/zh/pangolinfo-amazon-scraper-skill

如果你在做电商 Agent 相关的项目，欢迎聊聊你们在数据层遇到的问题，我们也在持续迭代，用户反馈对我们很有价值。