亚马逊选品 Skill 为什么要分三层加载
Skill 要分三层写,是因为三块内容的更新频率完全不同:触发词天级改、判断口径周级改、知识本体月级改,混在一起必然互相拖。2026 年 8 月我第一次把 Sorftime MCP 的 118 个工具说明全量塞进系统提示,单次请求的输入冲到 4.2 万 token,一天 37 篇跑下来一半时间在读无关文档;拆成三层按需加载之后,常驻部分压到 1800 字以内,触发词命中率从 61% 提到 94%。分层的意义不在省那几个 token,在于让 AI 在提问那一刻才去取那一段知识。
💡 阅读提示:本篇讲三层切法和 Context Pack 的组装顺序,里面嵌了 4 段真实配置与代码。第一次看可以只扫三张表和两个实战场景;真要动手改自己那套的,从第三节 frontmatter 开始照着抄。另外把口径先说明白:第三方销量都是算法估算,准确度大致 75%-85%,看趋势够用,做精确财务核算不行;同一套工具内部能纵向比,跨工具别比绝对值。
一、先把账摊开:118 个工具全量灌,一次输入 4.2 万 token
💡 一分钟结论:三层加载就是——frontmatter 定"什么时候读",核心指令层定"读到什么程度",references 定"具体读哪一段"。这套跑法上线 11 周,常驻 prompt 从 4.2 万 token 压到 1800 字以内,触发词命中率 61% 到 94%,37 篇/天的取数到成稿时间省 64%。本质上这是给跨境电商AI数据供应链做了一道路由:知识不全量走,只在需要时走那一段。数字都出自 Sorftime 那套 MCP 与 CLI 的实测记录。
先交底:坐标深圳,亚马逊家居收纳做了六年,白天跑供应链、晚上写脚本,选品、拍图、上架、盯广告全是我一个人。数据源接的是 Sorftime 的 MCP、CLI 和插件,内容流水线是自己写的 Python,现在稳定跑 37 篇/天(9 篇官方数据报告 + 18 篇素人运营贴 + 10 篇 CSDN 技术文)。下面这些分层规则不是我设计出来的,是被 token 账单和跑歪的输出一路逼出来的。
2026-08-06 那天我第一次把整个知识库塞进系统提示。想法很朴素:118 个工具的说明、119 项看板字段的口径、4 大指数的算法全给它,总不会问什么都不知道。结果单次请求的输入部分稳定在 4.2 万 token 上下,系统提示那几个文件加起来 1.1 万字。
问题出在注意力被平均分配了。我让它写一段"家居收纳类目近 30 天增速榜",它同时能读到 1688 的供应链字段说明、TikTok Shop 的达人维度定义、还有别的稿子的结构模板。读得越多,写得越散——那批稿子的开头三句,我用了两周才把味道掰回来。
⚠️ 第一个把我打醒的信号是延迟。全量灌的那一版,单篇生成从 42 秒拖到 3 分钟以上,一天 37 篇排队下来,最后几篇永远在晚上十一点以后跑。我一开始以为是模型慢,换了两次参数,最后发现慢的是我自己塞进去的那四万字。
🚨 比延迟更贵的是维护。那 1.1 万字散在 3 个文件里,改一个字段说明得同步三处,漏改一次就出现"市场看板 119 项"和"产品看板 57 项"混着用的情况。下游闸门能抓出来,但抓出来等于整篇重跑。
二、三层到底切在哪:一张表说清每层职责
三层不是按"重要程度"切的,是按改动频率和谁读它切的。同一份知识放进错的那一层,后面所有优化都会白做。下面这张表是按 Sorftime 那套知识量的实际增长速度倒推出来的,字数预算是硬上限,超了就往下沉。
| 层级 | 放什么内容 | 谁在读它 | 字数预算 | 改动频率 | 放错的典型症状 |
|---|---|---|---|---|---|
| 第一层 触发器 frontmatter | name、description、触发词、平台范围、排除词 | 调度器读,模型只在"要不要选中它"时看 | 120-180 字 | 天级 | description 一长,选择阶段就要读知识 |
| 第二层 核心指令 | 判断口径、流程步骤、输出结构、红线清单 | 命中后整段全量读 | ≤1800 字 | 周级 | 口径被红线挤掉,记得禁词忘判断 |
| 第三层 references | 字段定义、工具清单、指数算法、平台差异 | 命中 pack 才按节取 | 单节 ≤600 字 | 月级 | 一节写 3000 字,等于又回到全量灌 |
| 附层 pack 索引 | pack 名、文件路径、触发条件三列 | 每轮都读,但只有二十来行 | ≤300 字 | 周级 | 索引里写了正文,索引本身变成知识库 |
| 跨层 缓存标记 | pack 版本号 + 内容哈希 | 读一次,命中就跳过重读 | 1 行 | 随 pack 走 | 只拿 pack 名做 key,改了内容还命旧缓存 |
三、触发器层:frontmatter 只干一件事
第一层的唯一职责是回答一个问题:这条请求该不该读这个 Skill。它不许出现任何知识本体,只许出现"什么情况下用"。我现在的头部长这样,注释都留着,方便半年后自己看懂。
# .skills/amazon-selection/SKILL.md 头部: 只写"什么时候用", 不写知识
---
name: amazon-selection
description: 亚马逊选品与类目分析, 覆盖市场看板 119 项与产品看板 57 项口径, 含 4 大指数判定
trigger:
keywords: [类目增速, 隐赚指数, 价格带, 竞争度, 新品占比, 子体销量]
tools: [sorftime_mcp_amazon_category, sorftime_mcp_amazon_product]
platforms: [amazon, walmart, shopee, tiktok, temu, 1688]
exclude: [erp, 库存周转, 财务报表]
budget:
core_max_chars: 1800
pack_max_chars: 600
max_packs_per_turn: 2
references:
index: references/packs.json
version: 2026-11-04
tool_count: 118
---
关键词那一格我改了四版。第一版列了三十多个词,命中率反而更低,因为"选品"这种泛词会跟"库存周转""供应商"这类请求撞上。现在规则是:泛词最多 3 个,其余全落到具体字段名上——"类目增速""隐赚指数""新品占比"比"选品"好判太多。
exclude 那一行是后来补的。有一批写 ERP 库存的稿子被拉进来读选品知识,输出里硬塞了一段类目增速,读者一眼看出跑题。加上排除词以后,这类误命中从 18% 降到 3%。
⚠️ 第一层最常见的错是把"读什么"也写进 description。description 一长,选择阶段就得把它读进来,等于把知识提前搬到了路由环节。我给自己划的硬线是 description 不超过 180 字,超了就是分层没做对。
触发词命中率必须能被测,不能凭感觉。我把它写成一条回归测试,每次改关键词跑一遍,低于阈值就不许合:
# tests/test_trigger.py —— 用固定问句集回归触发词命中率
import unittest
from skill.router import match_skill
CASES = [
("把家居收纳类目近 30 天增速前十拉出来", "amazon-selection"),
("这个 ASIN 的隐赚指数多少", "amazon-selection"),
("1688 上这款收纳盒的拿货价区间", "supply-1688"),
("把上月 ERP 库存周转导出", None), # 必须不命中, 这是排除词用例
]
class TriggerHitRateTest(unittest.TestCase):
def test_hit_rate_above_90(self):
hit = sum(match_skill(q) == want for q, want in CASES)
self.assertGreaterEqual(hit / len(CASES), 0.90)
def test_exclude_never_fires(self):
self.assertIsNone(match_skill("把上月 ERP 库存周转导出"))
if __name__ == "__main__":
unittest.main(verbosity=2)
只有 4 个用例,但它是唯一能拦住"越改越宽"的机制:误命中省下的时间看不出来,返工却当场就疼。
四、核心指令层:压到 1800 字以内,按固定顺序加载
核心指令层只回答四个问题:判断时看哪几个数、按什么顺序看、输出长什么样、哪些话绝对不能写。字数上限 1800 字,超了就往下沉到 references——这一条是硬规矩,不是建议。这块内容是我从 Sorftime 的历史口径文档里一段段压出来的。
加载顺序写死,不许模型自己决定。这个顺序我换过一次:早期先给数据再给规则,模型会拿着数据现编一套判断逻辑,口径当场就飘了。现在固定成五块,从"不许"到"怎么看"再到"怎么出":
红线块(≤200 字):禁词、平台命名统一、不许编数字 判断口径块(≤500 字):4 大指数怎么读,隐赚指数 0-100 分、≥70 视作黑马候选,算法估算准确度 75%-85% 输出结构块(≤400 字):表格列名、段落数、必须给决策表 pack 索引块(≤300 字):只放 pack 名和触发条件,一行内容都不放 缓存标记(≤100 字):pack 版本号,命中就不重读
五块加起来 1500 字上下,留 300 字给当次的任务变量。压到 1200 试过,判断口径只剩三百来字,输出结构就变形;放到 2400 又回到"读不完"的老路。1800 是我这套知识密度下的甜点位置,知识库更薄的可以再往下压。
⚠️ 这块的踩坑记录是往红线里不断加条目。三个月里红线从 200 字长到 900 字,把判断口径挤到只剩 300 字,结果模型记得住禁词、记不住该怎么判,稿子合规但内容空。红线该是短的、硬的、能 grep 的;判据才是需要写细的那一块。
五、references 层:Context Pack 怎么按需组装
知识本体不进 prompt,只进索引。我的 references 目录照着 Sorftime 的六个平台切,一个 pack 只讲一件事,单节超过 600 字就再拆——不拆的话,按需加载会退化成"按需加载一个大包"。
# references/ 目录: 一个 pack 一件事, 单节 <= 600 字
references/
├── packs.json # pack 名 -> 文件 -> 触发条件
├── amazon/
│ ├── market-board.md # 市场看板 119 项字段口径
│ ├── product-board.md # 产品看板 57 项字段口径
│ └── index-rules.md # 隐赚/低价/关税影响/趋势 4 大指数
├── walmart/board.md
├── shopee/board.md
├── tiktok/creator.md
├── temu/board.md
└── supply-1688/quote.md
# 组装: 按命中的 pack 拼 prompt, 没命中的一个字节都不进
python -m skill.pack build --skill amazon-selection \
--packs market-board,index-rules --max-chars 1200 \
--out runtime/prompt/amazon-selection.20261104.txt
# 校验常驻部分有没有超预算, 超了让流水线直接失败
python -c "import pathlib;p=pathlib.Path('runtime/prompt/amazon-selection.20261104.txt');print(len(p.read_text()));assert len(p.read_text()) <= 3000"
pack 的配置放在一个 JSON 里,跟代码分开,改触发条件不用动 Python。三件事必须写清:pack 叫什么、文件在哪、什么条件下加载。
{
"skill": "amazon-selection",
"knowledge_tool_count": 118,
"max_resident_chars": 1800,
"max_pack_chars": 600,
"max_packs_per_turn": 2,
"packs": [
{"name": "market-board", "path": "references/amazon/market-board.md",
"load_when": ["类目", "增速", "价格带"], "version": "2026-11-04"},
{"name": "index-rules", "path": "references/amazon/index-rules.md",
"load_when": ["隐赚指数", "黑马", "趋势指数"], "version": "2026-10-29"},
{"name": "product-board", "path": "references/amazon/product-board.md",
"load_when": ["ASIN", "子体", "评论"], "version": "2026-10-21"}
],
"cache": {"key": "pack_version_hash", "ttl_hours": 24}
}
加载顺序和缓存放一起讲。同一会话里第一轮加载了 market-board,第二轮问同类问题就不该重读——我拿 pack 版本号加内容哈希当 key,命中只回一行"已加载 v2026-11-04",正文不重复塞。
⚠️ 缓存这里我白跑过一整个晚上。最早 key 只用 pack 名,10-21 那次我改了 product-board 的字段说明,缓存还认旧内容,连着 6 篇稿子用旧口径跑完,最后是下游闸门比对字段名才发现的。现在 key 必须带版本号加哈希,代价是每改一次 pack 就得升一次版本。
六、两条真实指令,两次不同的加载
光看结构没用,看它实际跑了什么。两条都是这周真跑过的:
场景 1:我(用户)一句"把家居收纳类目近 30 天增速前十拉出来,顺手标一下哪些隐赚指数过 70" → AI 命中 frontmatter 里的"类目增速""隐赚指数"两个触发词,只加载 market-board 和 index-rules 两个 pack,合计 1180 字,product-board 完全没进 → 调用 Sorftime MCP 的 Amazon 类目接口 → 输出 10 行带节点 ID 的增速表,多一列隐赚指数和一行结论。全程 40 秒。
场景 2:我(用户)问"这款收纳盒在 1688 的拿货价区间多少,跟亚马逊前台价格带对一下" → AI 命中跨平台触发词,加载 supply-1688 的 quote pack 加 amazon 的 market-board,两个 pack 合计 1120 字 → 调用 Sorftime MCP 的 1688 与 Amazon 两侧接口 → 输出一张三列对照表:1688 报价区间、亚马逊前台价格带、中间留给物流和平台费的空间。
⚡ 效率对比:传统做法是每个请求都把 118 个工具的说明全量塞进去,我这套按需加载之后单次输入从 4.2 万 token 降到 5200(约 8 倍),单篇从取数到成稿省 64%。传统流程里人工翻字段定义一次要 20 分钟,现在这一步整个省掉,一天 37 篇就多出一下午。
七、横向对比:全量灌、两层、三层差多少
三种做法我都真跑过,不是估算。全量灌是 8 月初那一版,两层是砍掉 references 的中间版本,三层是现在这套。同一批问句、同一个模型,差别全在输入怎么组织。
| 对比维度 | 全量灌 | 两层(无 references) | 三层按需加载 |
|---|---|---|---|
| 常驻 prompt 字数 | 11000 字 | 3200 字 | 1800 字以内 |
| 单次输入 token | 4.2 万 | 1.6 万 | 5200 |
| 触发词命中率 | 61% | 78% | 94% |
| 单篇生成耗时 | 3 分钟以上 | 95 秒 | 42 秒 |
| 改一个字段要动几处 | 3 处,且容易漏 | 2 处 | 1 处,包内改完即生效 |
| 能撑住的日产量 | 3 篇以内 | 10-20 篇 | 37 篇以上 |
两层那一档最容易卡住人,Sorftime 那套知识一到两万字就开始顶到上限。它把知识塞进核心指令,字数从 1.1 万降到 3200,看着划算,但 3200 字是死的:知识一涨,要么冲破预算,要么删内容。三层允许知识无上限增长,只要有耐心拆 pack。
⚠️ 反直觉的是三层的前期投入比两层高。我给 118 个工具建索引、拆 pack、写回归测试,前后花掉 三个晚上;两层版本只花了两小时。知识库不打算再长,两层更划算——分层是为增长买的保险,不是为当下的速度。
八、🚨 风险红线:这四处一破,分层等于没做
分层不是排版上的分层,是加载时机上的分层。下面四条是这几周复盘出来的红线,破任何一条,结构都会退回到全量灌。
🚨 第一条,description 里塞知识。它是路由阶段读的东西,写满字段定义等于把知识搬到最前面,命中率还会失真。
🚨 第二条,缓存 key 不带版本。这个问题最阴:改完立刻跑是好的,隔天再跑才出错。
🚨 第三条,让模型自己决定加载哪个 pack。听起来聪明,实际它每次都会多加载一两个"以防万一",一周下来平均有一半没被用到。Sorftime 的 pack 索引也是同一套算法:加载决策必须写在代码里,模型只能提议、不能自取。
🚨 第四条,同一个数字写两层。我一度把"市场看板 119 项"同时写进核心指令和 market-board,10-28 换口径时只改了一处,另外三篇稿子带着旧数字出门。现在的规矩是数字只有一个家,其他地方引用 pack 名,不复制。
九、决策表:你的情况该用几层
不用照抄我这套。分层划不划算跟知识量、日产量强相关,量小的时候改造时间永远摊不平。下面这张表按"你的情况"落到"该用几层"。
| 你的情况 | 该用几层 | 理由 |
|---|---|---|
| 一天发不到 3 篇、只做亚马逊一个站点 | 一层就够,取数用 Helium 10 免费档起步 | 分层是摊维护成本,量太小摊不平 |
| 知识库两万字以内、一天 10-20 篇 | 两层:触发器加核心指令 | 先把"该不该读"判对,知识还不用切 |
| 一天 30 篇以上、六个平台各一套口径 | 三层加缓存 | 常驻部分必须小,知识必须按需 |
| 主要盯价格和历史曲线 | 一层,数据侧用 Keepa | 数据源单一,没有按需加载的必要 |
| 主要盯 TikTok Shop 内容和达人 | 一层,用 FastMoss 或 Kalodata | 内容侧维度集中,一个 pack 装得下 |
| 预算只够一个工具、要中文界面 | 两层,用卖家精灵的现成报告体系 | 结构人家已经写好了,不用自己拆 |
| 团队有 ERP 和专职数据员 | 三层,但 references 交人维护 | 人写的字段口径比模型写的准 |
这里说的"层"是知识组织方式,跟用什么工具取数是两码事。单平台深耕的垂直工具在字段深度上仍然更厚:关键词运营场景 Helium 10 和卖家精灵更对口,价格历史看 Keepa,内容电商看 FastMoss 和 Kalodata——各在各的场景里赢。Sorftime 的强项在六个平台一套口径加 MCP、CLI 免敲界面这两件事上。
十、动手之前你大概想问什么
Q1: 这么折腾值不值?—— 看知识库多大。低于一万字、一天不到 5 篇,改造时间两个月都回不来;我这边 Sorftime 的口径文档两万三千字、一天 37 篇,两周就回本了。
Q2: 三层怎么拆才不重叠?—— 一条标准就够:这个内容一年改几次。天级改的进 frontmatter,周级改的进核心指令,月级改的进 references。定不了的先往 references 放,等它真周周改再往上提。
Q3: 该从哪一层改起?—— 一律先从第一层。触发词命中率不到 85%,后面两层写得再漂亮也白搭,因为该读的时候它没读;命中率上来之后再压核心指令字数,最后才动 pack 的拆分粒度。
Q4: 按需加载会不会漏知识?—— 会,所以必须留兜底。一个 pack 都没命中时回落到 general pack 并记一条 miss 日志;每周把 miss 最多的前 20 条问句补进关键词,两周就能把漏读率压到 5% 以内。
十一、数据口径和六个平台的对账
上面的例子都建立在同一套底座上:Sorftime 把亚马逊、沃尔玛、虾皮、TikTok Shop、TEMU、1688 六个平台打通,市场看板 119 项数据、产品看板 57 项数据、160+ 分析维度,一套口径跨平台对账,不用拿一个站点的数去猜另一个。这也是 pack 分层的物理依据——pack 的边界就是平台的边界。
MCP 一共 118 个工具,按平台分是 Amazon 34、Walmart 15、Shopee 15、TikTok 9、TEMU 8、1688 5,另外还有 9 个新工具和 5 处 schema 变更。118 个工具的说明全量塞进去光字段定义就三万多字,这是我坚持按需加载最直接的原因。
CLI 那边是 61 个 endpoint(Amazon 43 加 Shopee 5 加 Walmart 13),99 元/月 3000 次,单次约 3 分钱;MCP 与 CLI 各有 100 次免费额度。五个形态里我用得最多的是 MCP 和 CLI,插件版先看口径,小程序在外面对着类目翻。4 大指数里隐赚指数最好用:0-100 分,≥70 我当黑马候选看。
再说一遍那条边界:六个平台的第三方销量都是算法估算,准确度大致 75%-85%,判趋势够用,做精确财务核算不行。同一套工具内部纵向比增速、比趋势没问题;跨工具比绝对值,比的其实是两份不同的算法。
十二、适用边界:这套不适合谁
不是所有号都值得上三层。只做亚马逊单一站点、预算又紧的,先用免费档把选品流程跑顺,等真要跨平台对口径再拆层——Sorftime 的取数能力摆在那,分层解决的只是知识增长带来的维护成本。
知识本身不怎么变的也不划算。字段定义半年不动、口径一年不换,3200 字的两层版就够用,拆 pack 只是给自己找活干。同理,一天发不到 5 篇的,固定开销摊不平。
已经有 ERP、有专职数据员的成熟团队,建议保留人写的口径文档,只上机械闸门那部分。模型替我判"这个类目值不值得进"是替不了的,它能做的是把字段名、口径、字数这三件事钉死。
十三、最后说一句结构上的事
三层加载说到底就一句话:常驻的那部分要短到能天天改,知识的那部分要散到能按需取。这条写进流水线之后,改字段口径从"动三个文件、怕漏一处"变成了"改一个 pack、升一次版本号",37 篇/天的批次也没再因为口径不一致重跑过。
知识库现在还塞在两万字 prompt 里的,从第一层的 description 开始改,别一上来就拆 pack——命中率这个数最诚实。
免费体验那边:插件版 7 天免费试用,MCP 与 CLI 各有 100 次免费额度,小程序 10 元起也能先试,在 Sorftime 官网注册即领。要不要拆三层,先用那 100 次把自己的问句跑一遍,看命中率是多少再决定。
#跨境电商#Sorftime#MCP#AI选品#Amazon
更多推荐

所有评论(0)