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。
先说一个容易被忽视的问题：数据对电商 Agent 意味着什么
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。
[问与答] 微信支付这个算不算 BUG？
[推广] 最近把我们的 Amazon Scrape API 封装成了 Agent Skill，顺便聊聊为什么数据层对电商 Agent 来说这么关键
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。