我让 AI 造了个工具,盯住电商上卖我们家货的所有人

相信有不少企业，需要花不少时间、甚至费用投入在这一件事上：在电商平台上搜自己产品的商品名，看谁在卖、卖多少钱。

听起来是个小事。真做起来是这样：打开三个平台，一个词一个词搜，看到可疑的点进商品详情页，截图，把店铺名、价格、链接一行行粘到 Excel。十几个关键词走一遍，半天就没了。

麻烦出在后面。这类事最有用的时刻，往往是有人拿着一个链接来问你：这个店卖这个价，你知道吗？等你回去核，店可能已经下架了，链接打不开；价格也改过了，你根本说不清当时挂的是多少。所以光记下来不够，得把当时的页面连同价格一起截下来，存在自己手里。

截图这一步也有讲究。存的时候按「年月日时分 + 关键词 + 店铺名 + 价格」命名，日后问起某个店某天什么价，翻文件名就能翻到，不用重新搜一遍。手工也能这么做，只是每一张都要自己存、自己改名、自己归档，一忙就断。

农资这个行业这两年在电商上的量越来越大，这件事就绕不过去：谁在卖、卖多少钱、有没有压根不认识的店铺、商品页上有没有瞎写功效。靠人盯，盯不过来。

我不会写代码。产品出身，会提需求、会画流程、会验收，写不了程序。所以过去这类念头到这儿就停了：报个需求，等排期。

为什么不买现成的

也有人问过我：电商监测，市面上不是有现成服务吗？

有，还不少，基本都是订阅制：按平台数、关键词数、监控频次收费。我们这种盯法，三个平台、一批商品名、还得长期盯，一年下来是一笔持续的费用，词表一调整，账单跟着变。

比钱更别扭的是第二件事：账号。不少服务要你把电商平台的账号交给它，在它的服务器上登录、跑采集。账号密码出了自己电脑，风险算谁的？哪天平台风控了算谁的？这笔账怎么算都算不清。

还有一层更隐蔽的：通用监测工具不懂农资。它眼里只有关键词命中：搜某商品名出来一台甘蔗剥叶机，它照样记一条命中、照样进统计。农资这行撞名的货太多，通用工具那套过滤是按快消和数码的商品逻辑设计的，它不知道剥叶机不是农药。

所以这次我换了条路：自己做。规则自己定、词库自己养、账号不出自己电脑，成本是一段对话。

第一段话，是五条需求

当天下午两点多，我把这件事讲给 AI 听。第一段话写了五条：给定关键词，在京东、淘宝、拼多多搜农资类目商品，把链接、商品名、店铺名、价格、优惠、命中时间记下来，配上商品详情页截图，最后导成 Excel；按关键词、时间、店铺三个维度统计命中次数；本地能跑，也要能打包发给别人解压就用；不依赖装数据库和运行环境；先去 GitHub 看看有没有能复用的开源项目。

最后加了一句：先对齐需求、方案和可行性，再动手。需求不对齐就开工，返工的成本比讨论高得多。

下午又补了几条，其中这几条回头看是决定性的：

还有一条我说得很直接：

我所谓的打包，是打个压缩包，不是打包成 exe。

这句话排掉了一整条技术路线。exe 意味着安装、意味着杀毒软件告警、意味着对方电脑上装不上。压缩包解压双击，才是非技术同事能接受的分发方式。

一句话，定了整个产品的形态。

下午：把边界定死，三平台跑通

下午到傍晚，我们跑了八轮对话。中间几轮聊的全是边界：界面上平台的选中状态不好认，改成胶囊开关；截图只截商品详情页，目的是把证据固化住；Excel 只导明细，截图单独打包；统计要先查询再出图。

登录这一段我特意定了规矩：

不要通过你来传用户名和密码，而是在交互上跳转到对应平台的登录页，由用户自行选择登录方式。

两层意思。一是账号密码不该经过第三方，能力再强也不碰；二是让用户自己在平台的页面上扫码，登录态存在本地，我们只借用浏览器的凭据，不接触、不转存。

中间还撞上一件事：我原以为三个平台是三张差不多的网页，程序照着抓就行。实测完全不是。同一个办法在这个平台走得通，到那个平台就抓不着东西，得一个平台一个平台单独想办法。拼多多最硬：电脑版不登录就什么都不给看。

所以我定了一条原则：取数据走哪条路，工具自己挑，一条不通就换下一条，试到拿到为止；这些选择全留在工具内部，界面上一个都不出现。说白了就一句：复杂度留在系统里，不留给用户。

晚上：验收，六批问题

当天晚上轮到验收。我不是技术出身，但做过很多年产品，验收这一环下手不会轻。六批问题，全是我用眼睛看出来的。这一点后面还会说：用 AI 做工具，你不需要会修，只要会「报修」，把看到的怪现象原原本本说出来，剩下的交给它查。

第一批：淘宝明明搜到 3 个商品，工具返回 0 条；拼多多命中了若干，也返回 0 条。

查下来，取数的逻辑一点没错。真正的原因很绕：程序在同一趟里先后操作三个平台，前一个占着通道不放，后两个一启动就出错，而错误又被程序自己咽了下去，表面上就是「0 条」。

值得记一笔的是这类毛病：「没数据」和「数据错了」是两回事。工具安安静静给你一张空表，未必是市场上真没有，很可能是它自己卡住了没吭声。

后面几批里，最要紧的是精度。

我导出结果一看，里面夹了不少莫名其妙的东西：卖农机的把我们的商品名缀在标题里、几个字都在但中间隔着别的字、还有一批压根不沾边的商品。

这里有个细节，不专门干这行可能体会不到：你自己坐在电脑前搜索的时候，根本感觉不到这些干扰。因为你的眼睛会自动跳过它们：「猜你喜欢」「看了又看」，推荐位的东西你扫一眼就翻过去了，快到你自己都意识不到自己做了一遍筛选。这是人的本能。

AI 没有这个本能。页面给它什么它记什么：推荐位的商品，标题里也带着你的关键词，字面上完全「合格」；剥叶机标题里那几个字连续出现、精确匹配，比谁都合格。人一眼跳过去的东西，它一条条老老实实记进数据库。

所以「过滤」这件事，说到底是把我眼睛里那套「自动跳过」的本能，一条一条说清楚、写成规则。规则写完，拿真实数据验一遍：一次单关键词的检索，16 个候选里只有 3 条是我们的商品；把全部历史记录重判，留下来的只是少数。

被判掉的这些里，八成以上是平台推荐位塞进来的。也就是说，一次检索拿回来的东西，大头不是你搜到的，是平台顺手推给你的。这也正是为什么「人工看一眼就懂」的那部分，非得写进代码里不可。

三个业务判断：什么叫「这是我们的商品」

回头看整个工具，最花心思的不是界面、不是取数，是回答一个问题：什么叫「这是我们的商品」。

听着像废话：搜到我们的商品名，不就是我们的商品吗？真不是。这次实测下来，「搜到这个名字」和「这是我们的商品」之间，隔着三个判断。

判断一：字面对上的，不一定是。

最典型的一次，我搜自家一个商品名，搜出来一台甘蔗剥叶机。卖农机的把这个名字缀在标题最后，凑成一句顺口溜，夸它剥叶子快。关键词完全连续、精确匹配，字面规则一点都拦不住。还有一次更离谱：搜另一个商品名，命中的是一款人吃的降压药，名字撞了个正着。

农业投入品这个行业特殊在这儿：卖的是化合物加商品名。同一个化合物，不同店挂不同商品名；同一个商品名，又可能被别家当形容词用、被隔壁行业拿去撞名。

所以「名字对」不够，还得证明它是农资。过滤一共做了四道：第一道排除平台的推荐位和广告位；第二道排除关键词不连续的（几个字都在、中间夹着别的字）；第三道看农资特征，标题和店铺名里连一个农资特征词都找不到的，拦下；第四道是限定词，商品名本身是个通用说法时，必须同时包含某个更具体的词才算数。

库里攒了 317 个特征词，剂型、化肥、种子、农机、作物、病虫草害、农药有效成分、杂草名都在里面。

第四道我特意没启用。理由是：想先看清一批真实数据，再决定收到多窄。收早了会误杀，有些正品的标题只写有效成分不写剂型；不收又会漏。这个尺度只能拿真实数据校准，想象不出来。

拿一个商品名在淘宝实测：16 个候选，保留 3 条正品，13 条被过滤。里面除了剥叶机，还有同行拿名字当形容词的、有拿有效成分拼出来的，也有鞋垫和跑步鞋。

判断二：平台塞给你的，不算你搜到的。

「猜你喜欢」和推荐位，是平台根据你的浏览习惯猜的，不是响应搜索词给出的结果。人对这个免疫，机器不免疫。所以判定上做了硬区分：只有真正响应搜索词的结果才计命中，推荐位一律标记为过滤。被判掉的行里，它占了大头。

这一条对看数的人特别要紧：要是把推荐位当命中统计，全网的「在售店铺数」会被高估一大截，后面的渠道结论全歪。

判断三：认出来了，算几条？

同一件商品，早上采一次、中午采一次、晚上再采一次，算 3 条还是 1 条？我在需求里写的是：

一个关键词，在一个店铺，一个链接，一天内命中一次及以上，计为命中一次。

定了这个，统计才有意义。同一天算 1 次而不是 3 次，跨天继续累加。后来店铺维度的统计也按这个口径重写过：一行 = 店铺 × 平台 × 关键词，跨天累加。10 月 1 日在 A 店搜到 3 个商品，10 月 2 日搜到 2 个，查这两天就是 5 次。

不定这个口径，报表做出来永远和业务直觉对不上，谁都能挑出毛病。

AI 不缺写代码的能力，缺的就是这三个判断。它们在业务人的脑子里是秒答，不说出来，机器永远不知道。

跑完一轮，你手上是三样东西

第一样，一份明细表。一行一条命中：时间、平台、关键词、商品、店铺、价格、优惠、销量、链接、状态。拿去筛、拿去透视都行。

第二样，一份统计簿。八个表按业务习惯摊开：关键词看总量，时间看波动，店铺看谁在卖，交叉表看某个店盯某个词盯得紧不紧。最后两页是我特意加的：一页把所有口径写清楚（什么叫一次命中、跨天怎么算、去重按什么单位），一页把被判为过滤的行单独列出来、标上原因。前者给自己人看，后者给不信的人看：数对不上的时候，先翻这两页。

第三样，一个截图文件夹。每次采集，商详页的截图自动存一份，文件名就是索引。过几个月有人拿链接来问「这家店当时卖多少钱」，翻文件名就能答。

这三样凑齐，才叫一份能拿去用的结果：明细能查，统计能看，截图能证。

查得了价格，管不了价格

多说一句边界，这个话题在行业里容易吵糊涂。

监测本身站得住脚：工具看的是平台公开展示给所有人的商品信息，不比一个坐在电脑前手工搜索、截图、记 Excel 的同事多知道什么，只是快，这属于市场情报。但数据拿回去怎么用，有两条线不能碰：非授权店铺卖的是正品，商标权利在你首次售出时就用尽了，转售不构成侵权，只有冒称「官方授权」才算不正当竞争，所以对这类店，监测给你的是「看见了」，不是「能办它」；管窜货可以靠经销合同的违约条款，但价格数据不能拿来维价，《反垄断法》禁止厂家固定或限定经销商的转售价格，拿监测数据盯谁卖低了、罚谁断谁，正是执法文书写明的处罚理由，有企业因此被罚 2.9 亿。

所以这套工具在我这里的定位就是：把市场看清楚，渠道结构、价格行情、页面合规、假货嫌疑，四样都看。看清之后怎么动作，是渠道管理的功课，那一半恰恰不能交给工具自动化。

不会写代码的人，在 AI 时代怎么给自己定位

这套东西做下来，我最想分享的不是工具，是一点底气，给和我一样不会写代码、但天天泡在业务里的人。

AI 把「写代码」这件事的价格打了下来：你说需求，它干活。那不会写代码的人，价值是不是变小了？我的体会正好相反：工具越便宜，知道该做什么工具、做出来怎么验收的人，越值钱。代码能力可以现学、可以外包，长年在业务里泡出来的判断力，外包不出去。

具体是三条经验。

一、把自己摆在甲方位置：你提需求、你验收，AI 干活。

你不需要懂它怎么干活，一行代码都不用看。但你必须会验收，验收靠的是业务眼光，不是技术。这次晚上那六批问题，没有一条需要我读代码：搜出来一台剥叶机、导出夹带一堆推荐位、返回 0 条，全是我用眼睛看出来的。一句「这个结果不对，因为什么」，就是最有效的反馈。AI 产出质量的上限，不在提示词写得多花哨，在你验收挑得多准。

二、你最值钱的输入，是那些「不值一提」的常识。

搜出降压药，我一眼知道不对。这种判断写不进任何需求文档，因为它太常识了，常识到你觉得说出来都多余。可它恰恰是 AI 最缺的东西。整个工具里最贵的部分不是代码，是那 317 个特征词和四道过滤，全是把「我一眼就知道」翻译成了机器能执行的规则。这个翻译，只有你能做。

三、把返工当正常预算。

这次一天之内 16 轮对话、7 个版本，返工就是常态。让一个不了解你行业的聪明人把活干对，来回本来就是成本。把它当正常节奏，一轮一轮验收就行，别指望一次做对。

一句题外话：这套东西现在归业务部门自己管，规则不合适，改一句话就行，不用写需求、不用排期。AI 真正改变的可能不是「工具能不能做出来」，是「谁做得出来、改起来多快」。

想拿去用的

这套工具我打了个完整的包，放在网盘上。52MB，解压、双击就能用，电脑上不用装任何东西，当初特意做成这样，就是为了直接发给非技术的同事。

包里有两份「说明书」。

一份给人看：怎么扫码登录、怎么建任务组、怎么导 Excel，照着一步步做就行，全程不用写代码。

另一份给 AI 看。打包之前我特意让 AI 写了一份文档放进包里，十三章，近一万字：代码怎么分层、每个文件管什么、数据库表结构、常见需求该改哪个文件。这份文档不是给人从头读到尾的，是给 AI 接手用的。我的原话是：

我的目的，想让拿到这个压缩包的任何人，都可以自己用 AI 进一步修改优化。

所以拿到包之后，别只自己用。把整个包连同那份文档一起丢给你手边的 AI，让它读明白，然后提你的需求：加一个平台、改一个统计口径、调一条过滤规则，它都能接着改。这不是我做完了的东西，这是刚好够你接着改的东西。

不过有句话得说在前面：工具的用途是监测平台公开展示的商品信息，不涉及个人信息，使用时请自行遵守各平台的规则。数据给你的是「看得见」，不等于「办了它」。

如果你想要，这个包就在网盘上，在这个号后台回复「监控」，我把链接发给你。