ShopSniff · Amazon 玩偶热点追踪项目

基于 MCP（Model Context Protocol）的 Amazon 毛绒玩具 / 玩偶类目热点追踪、机会评分、Listing 文案与商品图 Prompt 生成项目。

ShopSniff 面向 Amazon Plush Toys、Stuffed Animals、Dolls、Plush Pillow、Weighted Plush、Kawaii Plush 等玩偶细分类目，使用 Rainforest API 获取 Amazon 当前搜索结果，并将商品价格、评分、评论数、搜索排名、IP 风险、安全风险等字段转化为可分析的 plush_hot_score，辅助选品、竞品分析、原创设计方向判断和 Listing 资产生成。

项目定位

项目背景：公司业务专注于亚马逊电商玩偶品类的热点跟踪、设计并制作销售

ShopSniff 不是一个简单的商品采集脚本，而是一个面向「玩偶类目选品与内容生产」的 AI 工作流项目。

它解决的问题包括：

如何从 Amazon 搜索结果中快速筛选毛绒玩具候选商品；
如何用统一评分模型比较不同关键词下的商品热度；
如何识别 Disney、Pokemon、Sanrio、Nintendo、Marvel 等高 IP 风险方向；
如何把趋势商品沉淀到数据库，形成历史分析资产；
如何基于商品机会生成 Listing 文案、商品图方向与 AI 图片 Prompt；
如何通过 MCP Server 将数据、数据库和资产生成能力提供给 Claude / AI Agent 调用。

技术背景

Amazon 玩偶类目具有明显的热点驱动特征：

动物造型、情绪陪伴、节日礼品、Kawaii 风格等主题变化快；
搜索结果排名、评论数量、评分、价格带会影响选品判断；
爆款中常混杂大量强 IP 商品，直接模仿存在侵权风险；

因此，本项目将传统「人工看榜 + 手动记录 + 靠经验判断」的流程拆解为以下 AI 可调用能力：

数据获取层：通过 Rainforest API 获取 Amazon 当前搜索结果；
分析评分层：对商品进行毛绒玩具过滤、风险判断和热度评分；
资产沉淀层：通过 MySQL 保存趋势商品和生成资产；
内容生成层：配合 Claude Skills 生成 Listing、图片 Prompt、商品图方案；
Agent 工具层：通过 MCP Server 将能力模块化暴露给 AI 助手。

核心功能

1. Amazon 毛绒玩具搜索

当前代码通过 amazon-data-mcp 提供批量关键词搜索能力：

python

batch_search_plush_products(
    marketplace="US",
    keywords=["frog plush", "capybara plush", "weighted stuffed animal"],
    limit=10
)

返回字段包括：

ASIN（亚马逊商品唯一标识码）
商品标题
市场站点
搜索关键词
价格
评分
评论数
搜索排名
商品图片 URL
商品链接
趋势类型
IP 风险
安全风险
设计机会点
plush_hot_score 热点分
trend_level 流行等级

2. 毛绒玩具候选过滤

项目会优先保留标题中包含以下特征的商品：

plush
stuffed
doll
pillow

并排除明显非毛绒玩具方向，例如：

LEGO
board game
outdoor toy
electronic toy
RC car
puzzle

3. 热度评分模型

项目使用 plush_hot_score 对商品机会进行 0-100 分打分。

text

plush_hot_score =
  0.30 * search_position_score +
  0.25 * review_count_score +
  0.20 * rating_score +
  0.15 * price_score +
  0.10 * low_ip_risk_score

评分维度说明：

维度	权重	含义
搜索排名	30%	搜索结果越靠前，当前可见度越高
评论数量	25%	评论越多，市场验证越强
商品评分	20%	评分越高，用户满意度越好
价格区间	15%	毛绒玩具理想价格区间优先考虑 12-35 美元
IP 风险	10%	IP 风险越低，原创开发价值越高

趋势等级：

分数区间	等级
75-100	High
55-74	Medium
0-54	Low

当前分数基于 Amazon 当前搜索结果的相对机会判断，不代表真实 7 日 / 30 日销量增长、BSR 历史变化或社媒趋势热度。

4. IP 与安全风险判断

项目内置基础风险词识别：

高 IP 风险：Disney、Pokemon、Pikachu、Sanrio、Hello Kitty、Kuromi、Mario、Nintendo、Marvel、Minecraft、Squishmallows、Sonic、Barbie、Stitch 等；
中 IP 风险：anime、cartoon、movie、game character、inspired、mascot 等；
安全风险提示：baby、infant、toddler、weighted 等关键词会触发更谨慎的安全风险判断。

5. MySQL 数据沉淀

db-mcp 提供以下能力：

批量保存趋势商品：save_plush_trend_products_batch
保存单个趋势商品：save_plush_trend_product
保存生成资产：save_generated_asset
查询高分趋势商品：query_top_plush_trends

数据库包括两张核心表：

plush_trend_products：保存商品趋势分析结果；
generated_assets：保存 Listing、图片 Prompt、图片 URL 等生成资产。

6. 商品图 Prompt 生成

image-mcp 当前不直接调用真实图片生成服务，而是生成并保存图片 Prompt 元数据。

支持字段：

商品名称
图片类型，例如主图、场景图、细节图、包装图
正向 Prompt
负向 Prompt
画面比例
Prompt 元数据 JSON 路径

适合后续对接 Midjourney、Stable Diffusion、即梦、通义万相等图像生成服务。

7. Claude Skills 工作流

项目包含三个 Claude Skill：

Skill	作用
`amazon-plush-trend-tracker`	玩偶趋势分析、关键词机会判断、商品评分解释
`plush-listing-copywriter`	生成 Amazon Listing 标题、五点、描述、A+ 内容、广告标题
`plush-image-director`	生成商品图方案、主图 / 场景图 / 细节图 Prompt

技术栈

后端与工具层

Python 3.10+：MCP Server 开发语言；
FastMCP / MCP SDK：将数据采集、数据库、图片 Prompt 能力暴露为 AI 可调用工具；
Rainforest API：获取 Amazon 搜索结果与商品数据；
urllib：发起外部 API 请求；
concurrent.futures：多关键词并发搜索；
TypedDict / Literal：商品结构与风险等级类型约束。

数据存储

MySQL 8.x：保存趋势商品和生成资产；
JSON 字段：保存痛点、设计机会、推荐动作、图片资产等半结构化内容；
utf8mb4：支持多语言商品标题和文本内容。

AI 工作流

Claude Skills：定义类目分析、文案生成、图片创意生成的 Agent 行为规则；
MCP Server：为 AI Agent 提供稳定、可复用、可组合的工具调用接口。

Python 依赖

当前 requirements.txt 包含：

txt

mcp>=1.0.0
python-dotenv>=1.0.1
psycopg2-binary>=2.9.9
pydantic>=2.7.0
pymysql>=1.1.0

项目结构

text

ShopSniff/
├── .claude/
│   └── skills/
│       ├── amazon-plush-trend-tracker/
│       │   └── SKILL.md
│       ├── plush-image-director/
│       │   └── SKILL.md
│       └── plush-listing-copywriter/
│           └── SKILL.md
├── database/
│   └── schema.sql
├── mcp-servers/
│   ├── amazon-data-mcp/
│   │   └── server.py
│   ├── db-mcp/
│   │   └── server.py
│   └── image-mcp/
│       └── server.py
├── outputs/
│   ├── .gitkeep
│   └── latest-report.json
├── .mcp.json
└── requirements.txt

快速开始

1. 安装依赖

bash

pip install -r requirements.txt

2. 初始化数据库

bash

mysql -u root -p < database/schema.sql

3. 配置环境变量

.mcp.json文件中

env

RAINFOREST_API_KEY=your_rainforest_api_key

4. 配置 MCP Server

示例 .mcp.json：

json

{
  "mcpServers": {
    "amazon-data-mcp": {
      "command": "python",
      "args": [ "E:\\Code\\ShopSniff\\mcp-servers\\amazon-data-mcp\\server.py"],
      "env": {
        "RAINFOREST_API_KEY": "your_rainforest_api_key"
      }
    },
    "image-mcp": {
      "command": "python",
      "args": ["E:\\Code\\ShopSniff\\mcp-servers\\image-mcp\\server.py"]
    },
    "db-mcp": {
      "command": "python",
      "args": ["E:\\Code\\ShopSniff\\mcp-servers\\db-mcp\\server.py"],
      "env": {
        "DATABASE_URL": "mysql://user:password@127.0.0.1:3306/amazon_plush_ai?charset=utf8mb4"
      }
    }
  }
}

5. 启动单个 MCP Server 调试

bash

python mcp-servers/amazon-data-mcp/server.py
python mcp-servers/db-mcp/server.py
python mcp-servers/image-mcp/server.py

示例输出

项目中的 outputs/latest-report.json 展示了一次分析结果示例，包含：

Top 3 商品分析；
Top 1 商品 Listing 文案；
主图、场景图、细节图 Prompt。

示例结构：

json

{
  "top_3_analysis": [
    {
      "asin": "B083PS63QC",
      "title": "Aurora® Adorable Mini Flopsie™ Fernando Frog™ Stuffed Animal...",
      "price": 8.42,
      "trend_type": "Animal Plush",
      "plush_hot_score": 96.25
    }
  ],
  "top_1_listing": {
    "title": "Frog Plush Toy - Mini Stuffed Animal for Kids and Adults",
    "bullet_points": [],
    "description": "..."
  },
  "image_prompts": []
}

可扩展点

1. 接入更完整的商品详情接口

当前 amazon-data-mcp 主要基于搜索结果进行分析。后续可以恢复或增强 ASIN 商品详情能力：

商品详情页指标；
商品变体；
类目排名；
主图 / 副图；
评论摘要。

2. 引入真实趋势数据

当前 plush_hot_score 是基于当前搜索结果的机会评分。后续可以接入：

BSR 历史变化；
7 日 / 30 日评论增长；
价格历史；
Amazon Movers & Shakers；
Google Trends；
TikTok / Instagram / Pinterest 热点；
节日季节性数据。

3. 强化评论痛点分析

当前 customer_pain_points 主要预留字段，后续可扩展：

抓取商品评论；
用 LLM 聚类差评原因；
分析尺寸、掉毛、异味、缝线、填充、包装等问题；
将痛点转化为设计机会和 Listing 卖点。

4. 完善合规与风控模块

可以进一步增加：

IP 黑名单 / 白名单管理；
商标词检测；
儿童玩具年龄分级提醒；
CPSIA / ASTM F963 / EN71 合规检查清单；
医疗化宣称检测；
Amazon Listing 敏感词检测。

5. 接入真实图片生成服务

当前 image-mcp 只生成 Prompt 元数据，后续可以接入：

图片生成 API；
主图合规检测；
图片背景、尺寸、场景自动化模板；

6. 增加前端 Dashboard

可以增加一个 Web 面板用于展示：

关键词趋势榜；
高分商品列表；
IP 风险分布；
价格带分布；
热度评分变化；
文案和图片 Prompt 资产库。

7. 任务调度与自动化

可扩展为定时追踪系统：

每日关键词抓取；
自动保存 Top 商品；
评分变化提醒；
高风险 IP 自动标记；
自动生成选品日报；
通过邮件、飞书、Slack、企微推送。

8. 多站点与多语言支持

当前已支持多个 Amazon 站点域名映射：

当前限制

当前热度评分不是销量预测模型；
当前未直接采集真实 BSR history、review growth、price history；
当前图片模块只保存 Prompt，不直接生成图片；

ShopSniff · Amazon 玩偶热点追踪项目 ​

项目定位 ​

技术背景 ​

核心功能 ​

1. Amazon 毛绒玩具搜索 ​

2. 毛绒玩具候选过滤 ​

3. 热度评分模型 ​

4. IP 与安全风险判断 ​

5. MySQL 数据沉淀 ​

6. 商品图 Prompt 生成 ​

7. Claude Skills 工作流 ​

技术栈 ​

后端与工具层 ​

数据存储 ​

AI 工作流 ​

Python 依赖 ​

项目结构 ​

快速开始 ​

1. 安装依赖 ​

2. 初始化数据库 ​

3. 配置环境变量 ​

4. 配置 MCP Server ​

5. 启动单个 MCP Server 调试 ​

示例输出 ​

可扩展点 ​

1. 接入更完整的商品详情接口 ​

2. 引入真实趋势数据 ​

3. 强化评论痛点分析 ​

4. 完善合规与风控模块 ​

5. 接入真实图片生成服务 ​

6. 增加前端 Dashboard ​

7. 任务调度与自动化 ​

8. 多站点与多语言支持 ​

当前限制 ​

ShopSniff · Amazon 玩偶热点追踪项目

项目定位

技术背景

核心功能

1. Amazon 毛绒玩具搜索

2. 毛绒玩具候选过滤

3. 热度评分模型

4. IP 与安全风险判断

5. MySQL 数据沉淀

6. 商品图 Prompt 生成

7. Claude Skills 工作流

技术栈

后端与工具层

数据存储

AI 工作流

Python 依赖

项目结构

快速开始

1. 安装依赖

2. 初始化数据库

3. 配置环境变量

4. 配置 MCP Server

5. 启动单个 MCP Server 调试

示例输出

可扩展点

1. 接入更完整的商品详情接口

2. 引入真实趋势数据

3. 强化评论痛点分析

4. 完善合规与风控模块

5. 接入真实图片生成服务

6. 增加前端 Dashboard

7. 任务调度与自动化

8. 多站点与多语言支持

当前限制