搭建Skill的产品平衡法则：人、大模型、规则脚本

这篇AI选品skill搭建实录，教你如何高效分配人、AI、脚本的协作，让工具真正落地。
核心内容：
1. 如何将自然需求拆解为可执行的搜索关键词
2. 应对高难度验证的采集策略与成本权衡
3. 基于客观数据与语义判断的AI分析决策过程

上一篇我介绍了在AI时代爆发的11款开源爬虫工具，好多人问：这些工具，能拿来干嘛？我花了半天时间，用这些工具，做了一个AI选品skill。比如输入“找一批便宜的纯棉船袜货源”，它自己去 电商网站搜索、采集、比价、挑商家，最后输出给你一张 Excel 加一份分析报告。记录一下整个搭建过程。整个 skill 其实就是一份说明书加几个脚本：AI 读这份说明书，知道每一步该干什么、该调哪个脚本。我输入一个需求，它就开始拆关键词、采集、分析，最后落地两个文件：一份给人看的 Markdown 报告，一份是用来手工筛选的 Excel。Skill的整体的设计思路分为3个模块：第一步，把人话翻译成搜索词
让 AI 来拆：核心词"船袜"，加 上位词"袜子"、"棉袜"兜住大盘，再把材质、款式组合成长尾词，比如"纯棉船袜"、"加厚毛圈袜"等，抓住细分领域。最后交给人来做选择。这种带语义理解的拆解，是AI天生擅长的。所以这一步，我把它整个交给了 AI。第二步是采集
我在上期视频里说过，如果完全交给AI来采集，那么非常消耗token，成本扛不住，所以这一步的方案是，页面的大头解析交给自动化脚本，AI只是帮助我多写几条规则兜底。但现实还是打了我一巴掌，抓取的页面一多，就会触发高难度的行为验证，比如要你滑到指定位置、停一下、再松手，遇到这种问题，我暂且让AI老老实实地请求人类帮助，而不是疯狂尝试攻击网站。第三步，也是我觉得最值钱的一步：分析采集完你会面对几十上百家的店铺。真正头疼的是不知道哪家在这个品类上最专业、最靠谱、最匹配你的需求。这里我做了个明确的分工：上一步的脚本只计算客观信号 —— 价格分布、每家的主营品类、类目分布、客观评分。把最终的决策权交给这一步的AI来分析。举个真实的例子：你搜“纯棉船袜”，有一家评分 99%、挂着“实力商家”的标，光看分数你肯定排第一。但 AI 翻了翻它的店铺，发现这家主营是“鞋”或者其他类袜子，袜子只是边缘类目。这种店铺当前合作问题，但你后面想补不同款式、想换材质做差异化，它大概率接不住、没法稳定供货。这种带上下文的语义判断，是脚本永远做不到、而恰恰最值钱的一环。感受
所以你看，搭一个能用的 AI 工具，核心根本不是把爬虫写得多猛，而是想清楚一件事：哪些交给脚本、哪些交给 AI、哪些必须留给人。分工对了，工具才好用。

登录查看剩余 70% 内容