我让 OpenClaw 帮我选品,7 天扫描 140 个爆款,发现 6 个能赚 50%+

🤖 一个人，如何对抗 5 人专业选品团队？

答案：让 AI 成为我的 24 小时不眠情报官。

💔 写在前面：那次让我失眠的错过

2025 年 11 月，朋友在 TikTok 上卖”磁吸充电线”，单日出单 400+。

我后知后觉想进场，花了 3 天找供应商、上架，结果——

价格战已经开打，利润从 $5 / 件跌到 $0.8 / 件。

我复盘了一下自己的选品方式：

我一个人，凭什么跟他们抢？

于是我用 OpenClaw 搭了一个跨境选品情报系统。

7 天测试结果：

• 📊 扫描产品：140 个

• 🎯 达到阈值（75 分+）：42 个

• 💰 利润率 50%+：6 个

• ⏰ 我每天投入：10 分钟（看报告）

下面直接上干货。

🎯 我要解决什么问题？

传统选品是”人找信息”：

刷 TikTok → 看 Amazon 榜单 → 翻 1688 → 算利润 → 决定     ↓           ↓           ↓         ↓      ↓   2 小时      1 小时       1 小时    30 分钟   纠结

一天下来，看了 20 个品，最后选了 1 个，还可能是错的。

我反其道而行，让系统”信息找人”：

📥 多平台数据 → 🔧 自动采集 → 📊 智能评分 → 📡 推送报告 → 🧠 我决策     ↓             ↓           ↓            ↓          ↓  24 小时监控    无需人工      四维模型     每天 8 点    10 分钟

核心思路：把低价值的重复劳动自动化，我只做最终决策。

🏗️ 系统架构（极简版）

我不打算写一个完整的交易系统，那太复杂了。目标是够用、好维护、能迭代。

┌─────────────────────────────────────────────────────────────┐│                    数据源层                                  ││   TikTok 热门  │  Amazon 榜单  │  1688 批发  │  小红书趋势   │└────────┬────────┴──────┬────────┴──────┬────────┴────┬──────┘         │               │               │             │         ▼               ▼               ▼             ▼┌─────────────────────────────────────────────────────────────┐│              OpenClaw 智能体（2 核 2G 服务器）                 ││  ┌─────────────┐  ┌─────────────┐  ┌─────────────────────┐  ││  │ 爬虫脚本     │  │ 利润计算器   │  │ 评分引擎           │  ││  │ (Python)    │  │ (ROI 分析)   │  │ (四维模型)         │  ││  └─────────────┘  └─────────────┘  └─────────────────────┘  │└─────────────────────────────────────────────────────────────┘                              │                              ▼┌─────────────────────────────────────────────────────────────┐│                   输出层                                     ││   📊 Markdown 日报  │  📱 飞书推送  │  📈 周度趋势报告        │└─────────────────────────────────────────────────────────────┘

技术栈：

🔧 核心功能（附代码片段）

每 2 小时扫描 TikTok 热门标签（#TikTokMadeMeBuyIt 等）和 Amazon Movers & Shakers。

数据字段：

{  "title": "磁吸数据线 3 合 1",  "platform": "TikTok",  "metrics": {    "video_count": 12553,    "video_growth_7d": 0.86,      // 7 天增长 86%    "total_views": 43834956,    "engagement_rate": 0.127  },  "price_range": {"min": 3.99, "max": 12.99}}

爬虫核心代码：

# scripts/tiktok_crawler.pydef crawl_tiktok(keyword, output_file):    # 抓取 TikTok 搜索页    # 提取视频数、播放量、发布时间    # 计算 7 日增长率    # 保存 JSON

这是我最在意的部分——不亏钱。

系统会自动计算：

销售收入 = 售价 × 预计销量采购成本 = 1688 批发价 × 销量物流成本 = 重量 × 运费单价（$8.5/kg 美国专线）平台佣金 = 销售收入 × 5% (TikTok) / 15% (Amazon)广告成本 = 销售收入 × 20%（假设）其他成本 = 销售收入 × 5%（退货、仓储）净利润 = 销售收入 - 采购 - 物流 - 佣金 - 广告 - 其他ROI = 净利润 / (采购 + 物流)

推送示例：

【💰 利润分析 - 磁吸数据线】售价：$8.621688 采购价：¥5.5单件物流：$2.5平台佣金：$0.43广告成本：$1.72✅ 净利润：$3.99/件✅ 利润率：46.3%✅ ROI: 196%建议：高利润品类，可入场

计算器核心代码：

# scripts/profit_calculator.pydef calculate_profit(product, supplier):    selling_price = (price_min + price_max) / 2    unit_price_usd = unit_price_cny / 7.2    shipping_cost = weight * shipping_rate    platform_fee = selling_price * 0.05    ad_cost = selling_price * 0.20    net_profit = selling_price - total_cost    roi = net_profit / investment

这是系统的核心——四维评分模型。

选品评分 = 0.30×热度 + 0.25×利润 + 0.25×趋势 + 0.20×竞争阈值：- ≥85 分：S 级，立即入手 🔥- 75-84 分：A 级，重点关注 ✅- 60-74 分：B 级，保持观察 👀- <60 分：C 级，暂不推荐 ⏸️

各维度详解：

评分逻辑：

# scripts/score_products.pydef score_heat(metrics):    # 视频数>10000: 33 分    # 播放量>5000 万：33 分    # 互动率>10%: 34 分def score_profit(profit_analysis):    # 利润率>40%: 50 分    # ROI>2: 50 分

根据爆款关键词自动搜索 1688，筛选条件：

• ✅ 起订量 ≤ 100 件（小批量试水）

• ✅ 48 小时内发货

• ✅ 店铺评分 ≥ 4.5

• ✅ 有”实力商家”标识优先

📊 7 天实战记录

这是系统运行的真实数据（模拟数据演示）：

TOP 5 推荐

售价：$12.27 | 采购：¥5.5 | 净利润：$6.55利润率：53.4% | ROI: 321%7 日增长：+73% | 视频数：11,260

#2 便携榨汁杯 ✅ 78.83 分 🚀

售价：$12.52 | 采购：¥5.5 | 净利润：$6.73利润率：53.7% | ROI: 330%7 日增长：+118% | 视频数：8,060

#3 蓝牙耳机保护套 ✅ 77.59 分

售价：$11.14 | 采购：¥5.5 | 净利润：$5.76利润率：51.7% | ROI: 282%7 日增长：+92% | 视频数：4,530

#4 磁吸数据线 3 合 1 ✅ 77.58 分

售价：$8.62 | 采购：¥5.5 | 净利润：$3.99利润率：46.3% | ROI: 196%7 日增长：+86% | 视频数：12,553

#5 智能手环表带 ✅ 77.17 分

售价：$11.88 | 采购：¥5.5 | 净利润：$6.28利润率：52.8% | ROI: 308%7 日增长：+57% | 视频数：3,409

如果没有这个系统：

• 我可能还在 manually 刷 TikTok；

• 等我发现时，价格战已经开打；

• 现在，我比 90% 的卖家早进场 1-2 周。

🚀 从”脚本”到”系统”的迭代

最初只是几个爬虫脚本，运行一周后发现问题：数据看完就丢了。

我无法回答：

• 过去 7 天，系统推荐了多少个品？胜率如何？

• 哪些评分维度最有效？

• 如果按系统推荐备货，能赚多少？

于是重构为系统化版本：

这个转变的收益：

• 可以回溯历史爆款，优化评分权重；

• 分析误报案例，改进竞争度算法；

• 跟踪推荐产品的实际表现，形成闭环。

💡 给想动手的朋友的建议

不要一上来就追求复杂功能，先把”每天早上告诉我有哪些爆款”这个基础需求做好。

我的第一个版本只有两个功能：

• 抓取 TikTok 热门；

• 推送到飞书。

目前用的是模拟数据（真实爬虫需要代理和 Cookie），但评分模型、利润计算逻辑是完整的。

你可以：

• 先用手动录入数据测试流程；

• 再逐步接入真实 API；

• 最后优化爬虫稳定性。

系统推荐的、你自己选的，都要记录结果。

我会在memory/hotspot_history/里记录：

## 2026-03-23 推荐跟踪| 产品 | 评分 | 是否采纳 | 结果 ||------|------|----------|------|| 便携榨汁杯 | 78.83 | ✅ | 待观察 || 夜灯投影仪 | 79.28 | ❌ | 错过 |

自动化是辅助，不是替代。

涉及真金白银的操作，我会：

• 核实供应商资质（看工厂视频、问客服）；

• 小批量试水（首批<¥5000）；

• 上架后跟踪 7 天数据。

工具能帮你减少失误、提高效率，但不能保证盈利。

市场永远有不可预测的部分：

• 突然的政策变化；

• 头部卖家降价清仓；

• 物流延误。

系统的作用是：让你在做决策时，有更多数据支撑，少一点拍脑袋。

📁 项目文件结构

cross-border-selector/├── SOUL.md                 # AI 人格定义├── IDENTITY.md             # 身份：选品情报官├── AGENTS.md               # 工作流 SOP├── USER.md                 # 用户信息├── MEMORY.md               # 长期记忆（评分模型、血泪教训）├── HEARTBEAT.md            # 心跳任务清单├── config/│   └── platforms.json      # 平台配置├── scripts/│   ├── tiktok_crawler.py   # TikTok 爬虫│   ├── amazon_crawler.py   # Amazon 爬虫│   ├── 1688_search.py      # 1688 搜索│   ├── profit_calculator.py # 利润计算│   ├── score_products.py   # 评分引擎│   ├── report_generator.py # 报告生成│   ├── process_data.py     # 数据处理│   └── run_pipeline.py     # 一键运行├── data/│   ├── raw/                # 原始数据│   ├── processed/          # 处理后的数据│   └── reports/            # 生成的报告└── memory/    └── hotspot_history/    # 历史爆款档案

一键运行：

cd cross-border-selectorpython3 scripts/run_pipeline.py

输出：