Amazon Sorftime MCP Skills - 亚马逊竞品分析与品类选品工具

基于 Sorftime MCP 服务和 Claude Skills 的亚马逊分析工具集。

项目简介

本项目配置了 Sorftime、Sif、西柚洞察、卖家精灵等跨境电商数据服务的 MCP (Model Context Protocol) 服务器，并开发了九个核心技能：

核心功能

Listing级别分析 (amazon-analyse)

• 竞品Listing分析: 自动获取产品详情、评论、关键词、趋势数据
• 关键词分析: 流量来源、竞品布局、长尾词挖掘
• 评论情感分析: 优势聚类、痛点识别、改进建议
• 跨平台分析: TikTok带货视频、达人分析、1688采购成本

品类级别分析 (category-selection)

• 市场大盘分析: Top100产品数据 + 统计指标
• 五维评分模型: 市场规模、增长潜力、竞争烈度、进入壁垒、利润空间
• 可视化报告: Markdown + Excel + HTML 三种格式

关键词深度调研 (keyword-research)

• 海量词库采集: 通过 Sorftime API 采集 1500+ 关键词
• 8维智能分类: 否定词、品牌词、材质词、场景词、属性词、功能词、核心词、其他
• 广告策略指导: 否定词清单、精准匹配组、场景广告组、广泛匹配组
• 多格式输出: Markdown 报告、CSV 词库、HTML 仪表板

评论深度分析 (review-analysis)

• 6维痛点分析: 电子模块故障、结构/组装问题、设计/功能缺陷、外观/材质问题、描述不符、服务/物流问题
• 服务维度细分: 收到二手/瑕疵品、配件缺失、退换货困难、客服问题、物流问题
• 双轨解决方案: 产品改进建议 + 客服话术/Listing优化
• 风险预警: 二手/瑕疵品阈值警告（>5%危险）、服务问题自动预警
• 原始数据保存: SSE 响应、解析数据、结构化分析 JSON

选品深度调研 (product-research)

• LLM 驱动: 分析、洞察、决策全部由 LLM 完成
• 交互式执行: 逐步推进，用户可中途干预
• 轻量脚本: 仅用于 API 调用和 Dashboard 渲染
• 简化数据: 不用复杂的 unified payload 结构
• 完整流程: 信息收集 → 数据采集 → 属性标注 → 交叉分析 → 竞品与 VOC → 评估决策 → 报告输出
• 多格式输出: Markdown 完整报告、结构化数据、可视化看板

Sif亚马逊研究 (sif-amazon-research)

• 市场机会研究: 关键词或类目方向分析
• 市场验证: 关键词 + 候选ASIN可行性评估
• 竞品分析: 竞品ASIN增长路径与流量来源
• 关键词布局: 主词、长尾词、词根结构、缺失词分析
• 发布评估: 产品是否值得推广决策
• 发布后反馈: 持续优化或停止建议
• 增长优化: 扩展已验证的流量和关键词
• 流量/广告诊断: 流量或广告表现变化的根因分析

核心工作流程:

1. 定义决策类型：进入/不进入、发布/不发布、扩量/优化/停止、根因诊断
2. 收集Sif证据：市场需求、竞争格局、流量结构、销售趋势、广告表现
3. 交叉验证证据，区分已确认发现与假设
4. 输出商业决策：包含置信度、证据链、风险、缺失数据和后续验证行动

西柚洞察分析 (xiyou-insight)

• 实时广告监控: 小时级排名监控、广告投放效果分析
• 流量缺口发现: 多ASIN对比、高性价比关键词挖掘
• 竞品打法拆解: 关键词布局、流量结构、广告策略分析
• 新品推广优化: 流量阶段判断（稀疏期→震荡期→稳定期）、异动关键词监控
• 广告预算透视: 广告类型分布、核心关键词识别、预算推断
• 关键词库搭建: 反查竞品流量词、以词找词、智能分类
• 7大场景工作流: 每个场景都有完整的MCP工具组合和分析流程

7大工作场景:

西柚MCP工具集（17个API）:

• ASIN基础: get_asin_info, get_asin_variations, get_asin_info_trends
• ASIN关键词: get_asin_keywords, get_asin_keywords_monthly, get_asin_keyword_rank_trends, get_asin_keyword_rank_hourly, get_asin_keyword_traffic_trends
• ASIN流量: get_asin_traffic, get_asin_traffic_trends, get_asin_order_trends, get_asin_bsr_trends
• ASIN广告: get_asin_ad_change_trends
• 关键词分析: get_keyword_info, get_keyword_aba_trends, get_keyword_asin_analysis, get_keyword_analysis_monthly

报告输出: xiyou-insight-reports/{场景}_{ASIN}_{站点}_{日期}/

• report.md - Markdown分析报告
• data.json - 结构化数据
• dashboard.html - ECharts可视化看板
• raw/ - 原始MCP响应数据

卖家精灵全链路调研 (sellersprite-amazon-research)

• 智能选品助手: product_research + product_node 完成选品分析
• 市场全景分析: market_research + 12个分布工具集完成市场分析
• 竞品深度拆解: asin_detail + traffic_keyword 完成竞品监控
• 关键词选品研究: keyword_research + keyword_miner 完成关键词研究
• Listing优化诊断: traffic_listing + keyword_order 完成Listing优化
• 流量结构分析: traffic_source + traffic_keyword_stat 完成流量分析
• 蓝海机会挖掘: aba_research_trend + google_trend 完成机会挖掘
• 买家评论洞察: review + NLP分析完成评论分析
• 定价策略分析: market_price_distribution 完成定价策略
• 广告投放优化: keyword_order + traffic_keyword 完成广告优化

10大综合分析工作流:

16大战术选品策略:

• 新品爆发型: 新品快速爆发、隐形爆款
• 关键词趋势型: ABA高增长趋势词、流量分散关键词、标题密度漏洞
• 产品缺陷型: 热销低评分产品、评论语义分析
• 类目结构型: 低品牌垄断类目、高新品占比市场、高毛利轻小品
• 流量防伪型: 自然流量反查、变体拆解模型
• 机会捕捉型: 本土溢价降维、FBM拦截、低质量Listing高销量、高客单长尾、季节前置爆破

卖家精灵MCP工具集（43个API）:

• 产品研究: product_research, asin_detail, keepa_info, review
• 市场研究: market_research, market_brand_concentration, market_price_distribution, product_node
• 关键词研究: keyword_research, keyword_miner, keyword_research_trends, aba_research_trend
• 流量分析: traffic_keyword, traffic_source, traffic_keyword_stat, traffic_listing
• 竞品分析: competitor_lookup
• 谷歌趋势: google_trend

报告输出: {类别名}/

• market_report.md - Markdown结构化报告
• market_report.html - HTML可视化报告（自动配套生成）
• research_data.json - API原始数据

Listing打造与优化 (amazon-listing-builder)

• 核心方法论: “先分析、再生成、最后校验"的 AI 工程化流程，把 Listing 从"关键词堆砌"升级为"语义覆盖 + 需求证据 + 答案型内容”
• 数据来源优先级: MCP（卖家精灵）> 浏览器，核心数据必须走 MCP

八步工作流:

7个子命令:

四项校验:

• 合规检查（绝对化、医疗、环保、安全等）
• 关键词覆盖检查
• 语义覆盖检查（含 Alexa 模拟）
• 转化逻辑检查

报告输出: {产品名}/

• listing_package.md - 完整 Listing 包（汇总交付）
• keyword_library.md - 关键词分层词库
• question_library.md - 用户问题库
• evidence_library.md - 卖点证据库
• drafts_comparison.md - 多版本草稿对比
• audit_report.md - 合规与语义校验报告
• input_data.json - 原始输入数据
• listing_package.html - HTML可视化版本（可选）

---

快速开始

环境要求

• Claude Code CLI
• 有效的 Sorftime API Key
• Bash shell 环境

获取 API Key

访问 Sorftime MCP 获取 API Key，然后更新 .mcp.json:

{
  "mcpServers": {
    "sorftime": {
      "type": "streamableHttp",
      "url": "https://mcp.sorftime.com?key=YOUR_API_KEY",
      "name": "Sorftime MCP"
    }
  }
}

使用分析技能

1. Listing竞品分析

# 分析美国站竞品
/amazon-analyse B07PWTJ4H1 US

# 分析欧洲站竞品
/amazon-analyse B08N5WRWNW DE

报告保存: reports/analysis_{ASIN}_{站点}_{日期}.md

2. 品类选品分析

# 分析美国站沙发品类
/category-selection "Sofas & Couches" US

# 分析美国站无线耳机品类
/category-selection "Wireless Earbuds" US

# 指定Top20产品分析
/category-selection "Kids' Drawing Kits" US --limit 20

报告保存: category-reports/{品类名称}_{站点}_{日期}/

• index.html - 报告导航首页
• dashboard.html - 交互式可视化仪表板
• report.md - 完整Markdown分析报告
• category_report_*.xlsx - Excel数据表（含图表）
• data.json - 原始数据JSON

3. 关键词深度调研

# 调研产品关键词词库
/keyword-research B0D9ZTW7PS US

报告保存: keyword-reports/{ASIN}_{站点}_{日期}/

• report.md - 完整Markdown分析报告
• dashboard.html - 交互式可视化仪表板
• keywords.csv - 完整词库（含分类、搜索量、CPC）
• negative_words.txt - 否定词清单（直接复制到广告后台）
• keywords_*.csv - 各分类专用词库文件
• categorized_summary.json - 分类统计数据

8维智能分类:

4. 评论深度分析

# 分析产品评论痛点
/review-analysis B0DZCBYCNY US

报告保存: review-analysis-reports/{ASIN}_{站点}_{日期}/

• report.md - 完整分析报告
• data/ - 原始数据和分析结果
  • raw_product_sse.txt - 原始产品详情SSE响应
  • raw_reviews_sse.txt - 原始评论SSE响应
  • negative_reviews_analysis.json - 差评分析结构化数据

5. 选品深度调研

# 分析蓝牙音箱选品
/product-research "bluetooth speaker" US

# 分析笔记本电脑背包选品
/product-research "laptop backpack" GB

报告保存: product-research-reports/{关键词}_{站点}_{日期}/

• report.md - Markdown 完整报告（LLM 直接撰写）
• data.json - 结构化数据（供 Dashboard 使用）
• dashboard.html - 可视化看板（脚本渲染）

6维痛点分析框架:

服务风险预警阈值:

---

支持的站点

亚马逊 (14个站点)

TikTok (6个站点)

US, GB, MY, PH, VN, ID

1688 供应链

中国批发平台采购成本分析

---

Sorftime MCP 接口

亚马逊产品相关

关键词相关

亚马逊类目相关

TikTok / 1688

• tiktok_product_search - TikTok产品搜索
• tiktok_product_videos - 带货视频分析
• products_1688 - 1688采购成本分析

---

五维评分模型

品类选品评分体系（100分制）：

综合评级

---

项目结构

amazon-mcp/
├── .mcp.json                    # MCP 配置文件
├── .claude/
│   └── skills/
│       ├── amazon-analyse/      # 竞品Listing分析技能
│       │   ├── SKILL.md
│       │   └── references/
│       ├── category-selection/  # 品类选品分析技能
│       │   ├── SKILL.md
│       │   ├── scripts/         # 数据处理脚本
│       │   │   ├── data_utils.py
│       │   │   ├── parse_sorftime_sse.py
│       │   │   └── generate_reports.py
│       │   ├── assets/          # 模板文件
│       │   │   └── dashboard_template.html
│       │   └── references/
│       ├── keyword-research/    # 关键词调研分析技能
│       │   ├── SKILL.md
│       │   ├── scripts/         # 数据处理脚本
│       │   │   ├── workflow.py
│       │   │   └── regenerate_reports.py
│       │   └── references/
│       ├── review-analysis/     # 评论深度分析技能
│       │   ├── SKILL.md
│       │   └── references/
│       ├── product-research/    # 选品深度调研技能
│       │   ├── SKILL.md
│       │   ├── README.md
│       │   ├── scripts/         # 数据处理脚本
│       │   │   ├── api_client.py
│       │   │   ├── collect_data.py
│       │   │   ├── render_dashboard.py
│       │   │   └── run_analysis.py
│       │   └── references/
│       ├── sif-amazon-research/ # Sif亚马逊研究技能
│       │   ├── SKILL.md
│       │   └── references/
│       │       ├── field-notes.md
│       │       ├── research-playbooks.md
│       │       └── sif-tool-map.md
│       ├── xiyou-insight/       # 西柚洞察分析技能
│       │   ├── SKILL.md
│       │   └── scripts/
│       │       ├── workflow.py            # 通用工作流引擎
│       │       ├── scenarios/             # 场景配置
│       │       │   ├── base.py            # 场景基类
│       │       │   ├── ad_monitoring.py   # 广告监控
│       │       │   ├── traffic_gap.py     # 流量缺口
│       │       │   ├── competitor_analysis.py # 竞品分析
│       │       │   ├── new_product.py     # 新品推广
│       │       │   ├── ad_budget.py       # 广告预算
│       │       │   └── keyword_database.py # 关键词库
│       │       ├── data_aggregator.py     # 数据聚合器
│       │       ├── report_generator.py    # 报告生成器
│       │       └── dashboard_generator.py # Dashboard生成器
│       ├── sellersprite-amazon-research/  # 卖家精灵全链路调研技能
│       │   ├── SKILL.md
│       │   ├── README.md
│       │   ├── scripts/                   # 数据处理脚本
│       │   │   ├── competitor_analysis.py
│       │   │   ├── keyword_research.py
│       │   │   ├── review_analysis.py
│       │   │   ├── keyword_deep_analysis.py
│       │   │   ├── tactical_strategies.py
│       │   │   ├── mcp_call.py
│       │   │   └── fix_keyword_report.py
│       │   ├── comprehensive/             # 综合分析工作流
│       │   │   ├── product-research.md
│       │   │   ├── market-analysis.md
│       │   │   ├── competitor-analysis.md
│       │   │   ├── keyword-research.md
│       │   │   ├── listing-optimizer.md
│       │   │   ├── traffic-analysis.md
│       │   │   ├── opportunity-finder.md
│       │   │   ├── review-insights.md
│       │   │   ├── pricing-strategy.md
│       │   │   └── ad-optimizer.md
│       │   ├── tactical/                  # 战术选品策略卡
│       │   │   ├── new-product-burst.md
│       │   │   ├── hidden-bestseller.md
│       │   │   ├── aba-high-growth-trend.md
│       │   │   ├── low-monopoly-keyword.md
│       │   │   ├── title-density-gap.md
│       │   │   ├── hot-low-rating.md
│       │   │   ├── review-sentiment.md
│       │   │   ├── low-brand-monopoly.md
│       │   │   ├── high-new-product-ratio.md
│       │   │   ├── high-margin-lightweight.md
│       │   │   ├── natural-traffic-audit.md
│       │   │   ├── variant-gap-analysis.md
│       │   │   ├── local-premium-disruption.md
│       │   │   ├── fbm-intercept.md
│       │   │   ├── poor-listing-winner.md
│       │   │   ├── high-ticket-long-tail.md
│       │   │   └── seasonal-prepositioning.md
│       │   └── reference/                 # MCP工具参考文档
│       │       ├── tools_index.md
│       │       ├── product_research.md
│       │       ├── market_research.md
│       │       ├── traffic_keyword.md
│       │       ├── competitor_lookup.md
│       │       ├── keyword_miner.md
│       │       └── asin_detail.md
│       ├── amazon-listing-builder/        # Listing打造与优化技能
│       │   ├── skill.md
│       │   ├── README.md
│       │   ├── workflow/                  # 八步工作流分册
│       │   │   ├── step-1-keyword-library.md
│       │   │   ├── step-2-question-library.md
│       │   │   ├── step-3-evidence-library.md
│       │   │   ├── step-4-title-design.md
│       │   │   ├── step-5-bullet-points.md
│       │   │   ├── step-6-description-aplus.md
│       │   │   ├── step-7-search-terms.md
│       │   │   └── step-8-qa-design.md
│       │   ├── prompts/                   # AI提示词模板
│       │   │   ├── master-prompt.md
│       │   │   ├── layered-keyword-prompt.md
│       │   │   ├── painpoint-mapping-prompt.md
│       │   │   ├── multiversion-prompt.md
│       │   │   ├── compliance-check-prompt.md
│       │   │   ├── semantic-coverage-prompt.md
│       │   │   └── data-iteration-prompt.md
│       │   ├── examples/                  # 真实案例
│       │   │   ├── uv-outdoor-plants-fullcase.md
│       │   │   ├── down-pillows-qa-example.md
│       │   │   └── layered-keyword-template.md
│       │   └── reference/                 # 背景知识
│       │       ├── cosmo-alexa-algorithm.md
│       │       ├── common-mistakes.md
│       │       ├── sellersprite-mcp-integration.md
│       │       ├── mcp-mandatory-protocol.md
│       │       └── output-format-spec.md
│       └── skill-creator/       # 技能创建工具
├── reports/                     # Listing分析报告
│   └── analysis_{ASIN}_{站点}_{日期}.md
├── category-reports/            # 品类选品报告
│   └── {品类}_{站点}_{日期}/
│       ├── index.html           # 导航页
│       ├── dashboard.html       # 可视化仪表板
│       ├── report.md            # Markdown报告
│       ├── category_report_*.xlsx
│       └── data.json
├── keyword-reports/             # 关键词调研报告
│   └── {ASIN}_{站点}_{日期}/
│       ├── report.md            # Markdown报告
│       ├── dashboard.html       # 可视化仪表板
│       ├── keywords.csv         # 完整词库
│       ├── negative_words.txt   # 否定词清单
│       └── keywords_*.csv       # 各分类词库
├── review-analysis-reports/     # 评论分析报告
│   └── {ASIN}_{站点}_{日期}/
│       ├── report.md            # Markdown报告
│       └── data/
│           ├── raw_product_sse.txt
│           ├── raw_reviews_sse.txt
│           └── negative_reviews_analysis.json
├── product-research-reports/    # 选品深度调研报告
│   └── {关键词}_{站点}_{日期}/
│       ├── report.md            # Markdown完整报告
│       ├── data.json            # 结构化数据
│       └── dashboard.html       # 可视化看板
└── README.md

---

技能开发

创建新技能

# 初始化新技能模板
.claude/skills/skill-creator/scripts/init_skill.py  --path .claude/skills

# 打包技能为 .skill 文件
.claude/skills/skill-creator/scripts/package_skill.py 

技能设计原则

1. YAML frontmatter - 包含完整的 description 说明使用场景
2. Progressive disclosure - SKILL.md 保持精简，细节放入 references/
3. Scripts - 用于需要确定性执行的代码
4. References - 存放 API 文档、指南等参考资料
5. Assets - 输出文件所需的模板、图片等

---

常见问题

Q: ASIN 查询不到产品？

A: Sorftime 数据库覆盖有限，先使用 product_detail 验证 ASIN。如果返回"未查询到对应产品"，尝试：

1. 使用 product_search 搜索相关关键词
2. 确认是正确的亚马逊站点
3. 确认 ASIN 格式正确（10位字母数字）

Q: 报告中出现乱码？

A: Sorftime 返回的中文是 Unicode 转义格式 (\u4ea7\u54c1)，技能会自动解码。如果仍有问题，检查 Python 环境是否支持 UTF-8 编码。

Q: Excel 报告无法打开？

A: 确保安装了 xlsxwriter 库：pip install xlsxwriter

---

更新日志

v3.0 (2026-07-08)

• 新增: amazon-listing-builder Listing打造与优化技能
• 新增: 基于Cosmo语义算法+Alexa/Rufus对话式购物趋势的八步工作流
• 新增: "先分析、再生成、最后校验"的AI工程化流程，把Listing从关键词堆砌升级为语义覆盖+需求证据+答案型内容
• 新增: 7个子命令：/listing-builder、/listing-title、/listing-bullets、/listing-aplus、/listing-st、/alexa-qa、/listing-audit
• 新增: workflow/ 八步工作流分册（8个）：关键词分层词库、用户问题库、卖点证据库、标题设计、五点描述、描述A+、Search Terms、QA设计
• 新增: prompts/ AI提示词模板（7个）：主提示词、关键词分层、痛点映射、多版本生成、合规检查、语义覆盖、数据迭代
• 新增: examples/ 真实案例（3个）：抗UV户外仿真植物端到端、down filled pillows QA示例、关键词分层模板
• 新增: reference/ 背景知识（5个）：Cosmo/Alexa算法、常见误区、MCP集成、MCP强制协议、输出格式规范
• 新增: 四项校验机制：合规检查、关键词覆盖检查、语义覆盖检查、转化逻辑检查

v2.9 (2026-07-07)

• 新增: sellersprite-amazon-research 卖家精灵全链路调研技能
• 新增: 基于卖家精灵MCP的43个数据工具
• 新增: 10大综合分析工作流：智能选品助手、市场全景分析、竞品深度拆解、关键词选品研究、Listing优化诊断、流量结构分析、蓝海机会挖掘、买家评论洞察、定价策略分析、广告投放优化
• 新增: 16大战术选品策略卡：新品爆发、隐形爆款、ABA高增长趋势词、流量分散关键词、热销低评分、低品牌垄断、高毛利轻小品等
• 新增: comprehensive/ 综合分析工作流文档（10个）
• 新增: tactical/ 战术选品策略文档（16个）
• 新增: reference/ MCP工具参考文档（7个）
• 新增: scripts/ 数据处理脚本（7个）
• 新增: HTML可视化报告自动生成（Markdown报告完成后自动配套生成）

v2.8 (2026-07-04)

• 新增: xiyou-insight 西柚洞察分析技能
• 新增: 基于西柚MCP的7大场景工作流：广告监控、流量缺口、竞品分析、新品推广、广告预算、关键词库
• 新增: 通用工作流引擎架构（workflow.py + scenarios/配置模式）
• 新增: 6个场景配置模块：ad_monitoring、traffic_gap、competitor_analysis、new_product、ad_budget、keyword_database
• 新增: 数据聚合器、报告生成器、Dashboard生成器三个核心工具脚本
• 新增: 支持17个西柚MCP API工具
• 新增: Markdown报告 + ECharts可视化看板输出

v2.7 (2026-06-12)

• 新增: sif-amazon-research Sif亚马逊研究技能
• 新增: 基于Sif MCP的市场验证、竞品分析、流量诊断、关键词策略、广告审查、发布评估与增长优化
• 新增: 完整的研究工作流程：定义决策 → 收集证据 → 交叉验证 → 输出商业决策
• 新增: 结构化输出格式：决策结论、问题层级、证据链、业务影响、优先级行动、缺失数据、7天验证计划

v2.6 (2026-03-19)

• 新增: product-research 选品深度调研技能
• 新增: LLM 驱动的选品深度调研与决策流程
• 新增: 交互式执行模式，用户可中途干预
• 新增: 轻量脚本架构，仅用于 API 调用和 Dashboard 渲染
• 新增: 完整流程：信息收集 → 数据采集 → 属性标注 → 交叉分析 → 竞品与 VOC → 评估决策 → 报告输出
• 新增: 多格式输出：Markdown 完整报告、结构化数据、可视化看板

v2.5 (2026-03-15)

• 新增: review-analysis 评论深度分析技能
• 新增: 6维痛点分析框架（电子模块故障、结构/组装问题、设计/功能缺陷、外观/材质问题、描述不符、服务/物流问题）
• 新增: 服务维度细分分析（收到二手/瑕疵品、配件缺失、退换货困难、客服问题、物流问题）
• 新增: 服务风险预警阈值系统（二手/瑕疵品 >5% 危险）
• 新增: 双轨解决方案（产品改进 + 客服话术/Listing优化）
• 新增: 亚马逊合规差评回复邮件模板库

v2.4 (2026-03-14)

• 新增: keyword-research 关键词调研分析技能
• 新增: 8维智能分类模型（否定词、品牌词、材质词、场景词、属性词、功能词、核心词、其他）
• 新增: LLM 自动分类支持
• 新增: 广告策略指导（否定词清单、精准匹配组、场景广告组、广泛匹配组）

v2.3 (2026-03-03)

• 优化: 统一报告输出格式（Markdown + Excel + HTML Dashboard）
• 新增: index.html 导航页，集成所有报告格式
• 新增: data.json 原始数据导出
• 修复: 类目统计数据解析问题
• 修复: Excel 报告生成兼容性问题

v2.2 (2026-03-03)

• 新增: category-selectionion 品类选品分析技能
• 新增: 五维评分模型
• 新增: Excel + HTML 双报告格式

v2.1 (2026-03-02)

• 新增 Sorftime MCP API 完整文档
• 优化报告结构

v2.0 (2026-03-02)

• 重新设计分析框架
• 新增四大维度分析模型

v1.0 (初始版本)

• 基础竞品分析功能
• Sorftime MCP 集成

---

许可证

MIT License

---

感谢支持

• Sorftime 官网: https://www.sorftime.com
• sif 官网: https://www.sif.com/
• 西柚洞察: https://www.xydc.com
• Claude Code 文档: https://claude.ai/code
• Linux.do佬友支持: https://linux.do/

---

最后更新: 2026-07-04