agentleFS
wangge-aiwangge-ai/wangge-skills/skills/ecom-ranking-main-image-collector/SKILL.md

ecom-ranking-main-image-collector

Skill4 starsChanged 39 days agoMITView on GitHub

Use when 用户要按类目采集公开排行榜、销量排序页、榜单页或搜索结果中的靠前商品主图,并生成产品、位置、来源、图片清单、联系表和 HTML

The file

Files
SKILL.md

电商排行主图样本采集

核心原则

只采集公开页面、用户提供的保存页面或明确授权的数据。页面没有可见排名信号时,不得称为“官方榜单”;销量排序搜索结果应明确标注为“销量排序搜索结果”。

能做什么

  • 从公开榜单、搜索结果或保存的 HTML 中整理商品位置、标题、链接和主图。
  • 下载主图、生成 manifest.csv、联系表、分析提示和独立 HTML 报告。
  • 对来源受阻、图片失效、字段缺失和排序口径不明分别记录状态。

优先输入

用户最好提供平台、类目、目标数量、公开来源 URL、排序口径和采集日期。平台公共来源与限制见 references/platform-public-sources.md。

工具路线

有已保存 HTML 时,优先使用确定性脚本:

python scripts/collect_main_images.py --html-dir "<保存页面目录>" --platform "<平台>" --category "<类目>" --out "<输出目录>"

已通过授权浏览器取得结构化商品卡片时,把浏览器导出的 JSON 交给同一确定性脚本,不让模型重新抄写清单:

python scripts/collect_main_images.py --structured-json "<浏览器导出.json>" --platform "<平台>" --category "<类目>" --out "<输出目录>"

结构化记录至少要同时具备商品身份(item_id 或 item_url)、标题和主图 URL。只有 logo、骨架屏、横幅或没有商品身份的图片不算成功样本;没有有效商品样本时脚本必须返回失败。

已有图片和表格时,可补建清单与报告:

python scripts/build_sample_manifest.py --input "<素材目录>" --output "<输出目录>"
python scripts/build_main_image_report.py --manifest "<manifest.csv>" --out "<report.html>"

这些脚本不随附 Kimi WebBridge。分享包可以分析公开 URL、保存的 HTML 或使用者主动导出的结构化 JSON;若网站必须登录、出现验证码或要求使用现有 Chrome 登录态,应停下并让使用者选择已授权浏览器工具,不绕过限制。

在完整工作台环境中,采集前要评估三条线路:本地文件或静态公开页优先脚本;用户 Chrome 已有合规登录态时优先 Kimi WebBridge;公开动态页且已有匹配、已授权的 BrowserAct 浏览器时可使用 BrowserAct。最优线路拿不到有效商品证据就切换下一条,不得借用无关浏览器配置、自动登录或绕过验证。

实时平台与登录门槛

  • 实时榜单或搜索采集前必须让用户明确选择一个平台;不默认使用“全平台”,也不因类目相同自行追加其他平台。
  • 保存 HTML 或已授权浏览器导出的结构化 JSON 是本地证据,可以直接进入确定性脚本,不要求重新登录。
  • 实时页面开始业务采集前,先做最小业务可用性预检:在任务自有标签打开目标榜单或搜索页,立即核对当前 URL、平台域名、标题、正文和商品卡。用户未登录或不愿登录时,应说明公开信息有限。
  • 用户已经确认登录准备后,不能只因首页没有昵称、个人中心或订单入口就判定未登录;目标页可访问且没有明确登录/验证墙时继续采集,并把身份显示状态如实写入证据。
  • 标签页指针、当前 URL 或平台域名不一致属于线路错误,不属于登录失败;重新导航并复核,仍错位时切换已授权线路或写 not_available。
  • 只有目标页明确出现登录、扫码、验证码、滑块或风控时才返回 waiting_login,不得继续抓登录页。
  • 预检通过后若采集中再次出现验证码、重新登录或风控,只保留阻塞证据并暂停该平台,等待用户完成验证后从新输出目录重跑。
  • 不索要账号、密码、Cookie 或 Token,不自动登录,不绕过验证。

工作流程

  1. 核对用户选择的平台、来源是否公开、排序信号是否可见、目标数量是否合理;实时来源先完成登录预检。
  2. 保存来源 URL、页面标题、采集时间和可见排序依据。
  3. 采集商品卡片与主图,商品身份以稳定链接或商品 ID 为主;“人付款”“人收货”“本月行业热销”等页面文案只能作为可选销量/热度信号,不能作为识别商品卡的唯一条件。
  4. 去重后保留原始页面位置,并将广告位与自然位分开统计,不把补位样本、广告或个性化推荐伪装成原排名。
  5. 运行清单与报告脚本,检查每张图能否打开、商品与图片是否对应。
  6. 汇总完成、部分完成、受阻和未知项,说明真实分母。
    • 有效商品样本为 0 时只能写 waiting_login / needs_input / failed 等真实状态,不能写 partial。

作为实时市场分析的上游

当工作台把本 Skill 用作实时市场样本来源时,在原有图片清单之外同步交付机器可核验的市场证据:

  • 写入 competitor_evidence.csv 和 collection_evidence_manifest.json,把商品卡原始导出、页面截图或结构化快照放入 evidence/raw/;每条样本的 raw_evidence_path 必须能实际打开。
  • 需要定性观察时写入 analysis_notes.json,每条只引用现有样本编号。
  • 不得由模型手工计算汇总数字;广告/自然/未知分母、价格带和平台数量交给工作台确定性事实文件。
  • 最终 success 由工作台确定性质量门决定;图片下载成功或进程退出正常不能单独升级状态。
  • 公开报告不得出现内部工具名称、调试过程或模型思索过程。

不能做什么

  • 不使用私有 Cookie、验证码破解、隐蔽反检测或未经授权的付费接口。
  • 不承诺淘宝、京东、拼多多或抖音公共页长期稳定;页面结构和风控会变化。
  • 不把搜索结果位置、广告位或个性化推荐写成官方销量排名。
  • 不负责图片视觉诊断;采集完成后应交给主图诊断或视觉反向拆解 Skill。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.