amazon-competitor-monitor

🚀 Way to AIC | 通往 AI 电商之路

---

🌐 官网 Website

• https://waytoaic.com
• https://www.waytoaic.com

---

👥 社群招募 Community

Way to AIC 社群招募 | WaytoAIC.com

---

📣 公众号 WeChat Official Account

维正 WaytoAIC

---

🧠 知识星球 Xiaozhixing

AI电商之路 WaytoAIC

---

🧩 About Way to AIC

AIC = AI Commerce

在 AI 重塑商业的时代，我们希望和每一个拥抱 AI 的卖家：

• 找到场景
• 定义问题
• 积累能力
• 设计系统

共同通往 AI 电商之路。

Way to AIC 不是教学，不是工具，
而是一条所有电商人共同走的进化之路。

WaytoAIC 理念 | Principles

Quick Install

# Codex
curl -fsSL https://raw.githubusercontent.com/WaytoAIC/amazon-competitor-monitor/v1.1.1/install.sh | bash -s -- --target codex --ref v1.1.1

# OpenClaw
curl -fsSL https://raw.githubusercontent.com/WaytoAIC/amazon-competitor-monitor/v1.1.1/install.sh | bash -s -- --target openclaw --ref v1.1.1

# Install into a custom skills directory
curl -fsSL https://raw.githubusercontent.com/WaytoAIC/amazon-competitor-monitor/v1.1.1/install.sh | bash -s -- --dest "$(pwd)/skills" --ref v1.1.1

安装后重启 Codex / OpenClaw。

---

一个面向 Amazon 竞品监控的 Codex skill，支持按单个 ASIN、多 ASIN、特定卖家或特定品牌建立独立监控任务，并分别维护日报、周报、快照和长期记忆。

中文

这个 skill 会帮你做什么

• 为 Amazon 竞品监控建立统一的任务配置结构
• 支持 4 类监控对象：
  • 单个 ASIN
  • 多 ASIN
  • 特定卖家
  • 特定品牌
• 支持 daily / weekly 两种输出节奏
• 强制一任务一 MCP，不混用数据源
• 为每个任务分别维护独立的日报、周报、快照和 memory
• 将历史日报、周报、快照和关键判断沉淀成长期任务记忆
• 支持盈利模型雷达：流量效率、转化效率、供应链效率、资金实力
• 支持信号生命周期：new、watching、confirmed、reversed、archived
• 支持将日报 / 周报压缩成展示卡，输出同款风格的 HTML + PNG
• 报告正文默认中文输出，ASIN、品牌名、卖家名、关键词等专有名词保留原文
• 提供工作区初始化脚本，快速生成 tasks/、docs/、snapshots/、memory/、logs/

监控规则

• 每个任务只允许一个监控对象类型
• 每个任务只允许一个 MCP
• 默认 MCP 是 sellersprite-mcp
• 可选 MCP 是 sorftime_mcp
• 多任务并行时，必须分别写入各自文档，不合并在同一份日报或周报中
• 后续分析必须先读取该任务历史记忆，再判断本次变化是噪音、延续、异常、趋势反转还是新信号
• 供应链效率和资金实力默认使用代理指标判断，必须标注置信度
• 日报、周报和长期记忆的标题、表头、结论、动作建议都使用中文

仓库结构

• 主 skill 入口：SKILL.md
• UI 元数据：agents/openai.yaml
• 完整中文说明与使用 SOP：docs/usage-sop.zh.md
• 任务 schema：references/task-schema.md
• MCP 选型规则：references/tool-mapping.md
• 报告写法规则：references/reporting-playbook.md
• 展示卡规则：references/card-playbook.md
• 长期记忆规则：references/memory-playbook.md
• 盈利模型雷达：references/profit-model-playbook.md
• 工作区初始化脚本：scripts/init_monitor_workspace.py
• 信号记忆更新脚本：scripts/update_memory.py
• 日报 / 周报展示卡脚本：scripts/generate_report_card.py
• 任务与报告模板：
  • assets/task-config.template.yaml
  • assets/daily-report.template.md
  • assets/weekly-report.template.md

推荐使用方式

直接在 Codex 里说：

• 用 $amazon-competitor-monitor 帮我建一个品牌监控任务，监控美国站 Anker，输出日报和周报
• 用 $amazon-competitor-monitor 帮我建一个多 ASIN 监控任务，只用 sellersprite-mcp
• 用 $amazon-competitor-monitor 更新这个卖家监控周报
• 用 $amazon-competitor-monitor 基于历史周报更新竞品盈利模型雷达
• 用 $amazon-competitor-monitor 把这个 ASIN 日报和周报分别生成 HTML+PNG 展示卡

初始化工作区示例

python3 scripts/init_monitor_workspace.py \
  --workspace "$(pwd)" \
  --task-id brand-anker-us \
  --monitor-type brand \
  --target Anker \
  --mcp sellersprite-mcp \
  --marketplace US \
  --radar

记录长期信号示例

python3 scripts/update_memory.py \
  --workspace "$(pwd)" \
  --task-id brand-anker-us \
  --date YYYY-MM-DD \
  --events events.json

Python 3 与 PyYAML 必需。事件必须有稳定源指纹、源观测时间、实体口径及版本化假设；重复抓取不计数。首次迁移旧任务加 --migrate-legacy，保留原始记录并重新审查历史确认。参见 证据工作流 与 记忆契约。

Requires Python 3 and PyYAML. Evidence needs a stable source fingerprint, observation date, entity scope and versioned claim; repeated retrievals do not count again. Use --migrate-legacy once to preserve old records and re-audit previous confirmations.

生成展示卡示例

python3 scripts/generate_report_card.py \
  --workspace "$(pwd)" \
  --task-id brand-anker-us \
  --cadence daily \
  --date 2026-04-21 \
  --screenshot

python3 scripts/generate_report_card.py \
  --workspace "$(pwd)" \
  --task-id brand-anker-us \
  --cadence weekly \
  --screenshot

许可说明

• 当前仓库是公开可见、可学习和可使用的 source-available 仓库
• 默认不允许商用
• 如果你基于本仓库做修改、二次分发或组合进更大的功能并对外发布，需要公开对应源码

---

English

This repository provides a Codex skill for structured Amazon competitor monitoring.

It supports building independent monitoring tasks for:

• a single ASIN
• multiple ASINs
• a specific seller
• a specific brand

Each task keeps its own daily report, weekly report, snapshot history, and long-term memory, and each task must use exactly one MCP source.

What this skill helps with

• scaffolding a clean workspace for Amazon competitor monitoring
• creating per-task YAML configs and report docs
• enforcing one-task-one-MCP rules
• choosing between sellersprite-mcp and sorftime_mcp
• preserving task memory across daily and weekly reports
• scoring profit-model radar dimensions with evidence and confidence
• rendering compact daily and weekly presentation cards as HTML + PNG
• generating Chinese monitoring reports backed by a clear evidence structure while preserving ASINs, brand names, seller names, and keywords in their original form

Included files

• Main skill: SKILL.md
• UI metadata: agents/openai.yaml
• Task schema: references/task-schema.md
• Tool mapping: references/tool-mapping.md
• Reporting guide: references/reporting-playbook.md
• Report card guide: references/card-playbook.md
• Memory guide: references/memory-playbook.md
• Profit model guide: references/profit-model-playbook.md
• Workspace bootstrap script: scripts/init_monitor_workspace.py
• Memory update script: scripts/update_memory.py
• HTML + PNG card script: scripts/generate_report_card.py

One-command workspace bootstrap

python3 scripts/init_monitor_workspace.py \
  --workspace "$(pwd)" \
  --task-id brand-anker-us \
  --monitor-type brand \
  --target Anker \
  --mcp sellersprite-mcp \
  --marketplace US \
  --radar

License note

This repository is public and source-available, but commercial use is restricted. See LICENSE.md and ADDITIONAL_TERMS.md.