Product Chart Get

核心分工

执行流程详解

Step 1：命令行获取原始数据

python3 scripts/fetch_raw_data.py --date 20260407 --page 1 --size 20

此步骤通过 mcporter 调用 MCP 的 tmallGeniePageQuery，自动完成：

1. 调用 MCP 获取原始数据
2. 保存原始文本（调试用）
3. 解析为完整 JSON（包含所有字段）
4. 生成精简 JSON（仅含参与 AI 复筛判断的字段）
5. 输出文件列表

生成的文件：

精简 JSON 包含的字段： SKU_ID, SPU_ID, 英文标题, 五点描述, 详细描述, 类目路径

为什么只保留这些字段：

• 复筛判断基于：标题、描述、类目
• 其他字段（售价、评分、销量等）不参与判断，用于 Excel 输出
• AI 只处理精简文件，避免上下文膨胀

Step 2：AI 语义处理

在 Claude 对话中，告诉 AI：

请读取 mini_products-第1页.json 文件，对每条产品进行复筛处理：
1. 生成中文标题（6-18字，简洁产品本体）
2. 判断是否通过复筛（消耗品、液体、带电设备、受限品类等）
3. 识别季节性（节日产品 + 装饰场景）
4. 将结果保存为 ai_results.json

AI 输出格式：

[
  {
    "SKU_ID": "B0XXXXXXXX",
    "中文标题": "透明桌垫PVC",
    "复筛结论": "通过",
    "复筛备注": "",
    "季节性产品": "否",
    "季节性关键词": "",
    "节日月份": ""
  }
]

Step 3：生成 Excel

python3 scripts/generate_excel.py --date 20260407

脚本自动合并 data-get-第1页数据.json（原始数据）和 ai_results.json（AI 结果），生成：

• 20260407选品.xlsx - 完整选品表
• 20260407选品复筛.xlsx - 复筛通过表（已按 SPU 去重）

输入参数

fetch_raw_data.py 参数

MCP 参数映射

输出文件

文件位置

<WORKSPACE>/
├── YYYYMMDD选品/              # 该日期的产品目录
│   ├── YYYYMMDD选品.xlsx                   # 完整选品表
│   ├── YYYYMMDD选品复筛.xlsx               # 复筛通过表
│   ├── data-get-第N页数据.json            # 原始完整数据
│   ├── mini_products-第N页.json           # 精简数据（AI 用）
│   └── ai_results.json                     # AI 复筛结果
└── 已排查产品.xlsx                          # 累计剔除列表

文件说明

AI 处理规则

中文标题规则

• 长度：6-18 字，本体优先，含关键属性（尺寸 > 材质）
• 清理：删除营销词、平台词、冗余连接词
• 语言：必须含中文字符，人工 3 秒可识别产品本体
• 特殊情况：找不到合适翻译时用「中文本体 + 核心英文术语」

示例：

• ❌ "Transparent Table Protective Pad PVC Desk Pad Waterproof Anti-scratch Non-slip"
• ✅ "透明桌垫PVC"

复筛规则

判断原则：判断产品本体，不做简单关键词匹配

剔除条件（满足任一即剔除）：

季节性规则

判断条件（两个都满足才算季节性）：

1. 命中节日词（Christmas/Halloween/Easter/Valentine等）
2. 有装饰/礼品/节庆场景词（decoration/ornament/costume/party supplies 等）

不判"是"的情况：

• 仅含 gift/holiday 等泛词，无明确节日词
• 通用品类顺带提到节日（如 "perfect for Christmas gift"）

节日 ↔ 旺季月份对照：

ai_results.json 格式

AI 输出的 JSON 数组格式：

[
  {
    "SKU_ID": "B0XXXXXXXX",              // 必填，用于匹配原始数据
    "中文标题": "透明桌垫PVC",             // 6-18字中文产品名
    "复筛结论": "通过",                    // "通过" 或 "剔除"
    "复筛备注": "",                        // 剔除时说明原因
    "季节性产品": "否",                    // "是" 或 "否"
    "季节性关键词": "",                     // 节日名称
    "节日月份": ""                         // 如 "12", "3-4"
  }
]

目录命名规则

原则：{date}选品/ 目录名必须与数据源日期一致

目录创建规则：

• 不存在 → 创建新目录
• 存在且为空 → 直接使用
• 存在且不为空 → 创建 {date}选品_副本N/

常见问题

Q: 为什么要用命令行获取数据，而不是 AI 调用 MCP？ A: AI 调用 MCP 会把大量原始数据带进对话上下文，容易导致上下文膨胀。命令行方式让原始数据只存在于文件中，AI 只读取精简后的数据。

Q: 每次获取多少条数据合适？ A: 建议 20-50 条。20 条时精简 JSON 约 2KB，50 条约 5KB，都在 AI 上下文可接受范围内。

Q: 可以多次获取数据吗？ A: 可以。每次调用会生成新的分页文件（如 mini_products-第1页.json, mini_products-第2页.json）。需要分别进行 AI 处理，最后合并到 ai_results.json。

Q: 旧的"已排查产品.xlsx"会被覆盖吗？ A: 不会。脚本每次都追加新的剔除项，保留历史数据。

脚本参数

fetch_raw_data.py

# 基本用法
python3 scripts/fetch_raw_data.py --date 20260407 --page 1 --size 20

# 指定输出目录
python3 scripts/fetch_raw_data.py --date 20260407 --page 1 --size 20 --output ~/Desktop/my_products

# 快速测试 5 条
python3 scripts/fetch_raw_data.py --date 20260407 --size 5

generate_excel.py

# 🌟 推荐方式：环境变量
export WORKSPACE=~/Desktop
python3 scripts/generate_excel.py --date 20260407

# 指定 workspace
python3 scripts/generate_excel.py --workspace ~/Desktop --date 20260407