卓普云

用 OpenCode + FluxLane 打造亚马逊比价采购智能体:每天一份比价简报,自动送到手机

零代码搭建亚马逊比价 AI 智能体:用 OpenCode + FluxLane 接入 Apify,每天自动抓取商品价格、生成比价简报并推送到微信,适合跨境卖家选品盯盘,新手也能当天上手。

2026年11月18日
用 OpenCode + FluxLane 打造亚马逊比价采购智能体:每天一份比价简报,自动送到手机

做亚马逊选品和采购,商品价格、卖家报价和运费经常变化。每天人工打开商品页面逐个检查,不仅耗时,也很难及时发现价格波动。

其实,这类重复工作很适合交给 AI Agent。

这篇文章介绍一套可以实际跑起来的方案:使用 OpenCode 搭建一个比价智能体,通过 Apify 抓取亚马逊商品信息,再用定时任务每天自动执行,最后接入微信机器人,把整理好的比价简报直接推送到手机。

整个流程中,FluxLane 负责提供模型 API。通过一个 API Key,就能接入 GPT、Claude、Kimi、DeepSeek 等主流模型。日常价格巡检可以使用成本较低的模型,遇到复杂的选品分析时,再切换到能力更强的模型,模型成本也就能根据任务需要灵活调整。

为什么选择 OpenCode + FluxLane

搭建一个每天自动运行的比价智能体,听起来需要不少开发工作。但如果把任务拆开来看,实际需要的组件并不复杂:

组件承担角色
OpenCode智能体运行环境:负责理解任务、调用工具和整理结果
FluxLane API模型接口:负责推理、分析和生成简报
Apify MCP数据抓取工具:负责获取亚马逊商品信息和价格
企业微信机器人 / Server酱消息推送:负责把简报发送到手机

这套组合的优势在于,前期试跑不需要购买一整套固定订阅服务。OpenCode 本身开源,Apify 提供免费额度,FluxLane 则按实际模型调用量计费。

模型选择也比较灵活。比如,每天两次的价格巡检、数据整理和简报生成,可以先用 DeepSeek、Kimi 这类性价比较高的模型;如果需要分析多个商品的竞争情况,或者评估某个品类的采购机会,再切换到 Claude、GPT 等模型进行更深入的分析。

这样就不必为了偶尔才用到的复杂分析,长期承担 ChatGPT Plus 或 Claude Pro 这类固定月费。对于调用频率不高的任务,按量计费通常更容易控制成本。

另外,FluxLane 提供 Claude 与 GPT 等模型资源,并支持 OpenCode、Codex、Claude Code、WorkBuddy、Kimi Code、VS Code 等多种 Agent 工具接入,个人开发者和企业团队都可以根据自己的工作环境选择接入方式。

准备工作:四个组件就位

首先安装 OpenCode。macOS 和 Windows 都支持,安装过程比较简单。

接下来配置 FluxLane。创建 API Key,在 OpenCode 中添加 OpenAI 兼容的自定义提供商,再选择需要使用的模型即可。FluxLane 官方 OpenCode 接入文档提供了完整说明,按照文档操作通常几分钟就能完成。

然后安装 Apify 的官方 MCP。配置完成后,需要确认 OpenCode 已经成功连接 Apify MCP,并完成 Apify 账号授权。如果新添加的 MCP 工具没有立即出现在当前会话中,可以重新加载配置或开启新会话。

最后,创建一个专门的项目目录,例如 sourcing-agent。后续的角色文件、抓取结果 CSV 和生成的简报都放在这个目录中,定时任务也会从这里启动。

到这里,运行环境就准备好了。

第一步:配置智能体的抓取能力

接下来要解决的是:怎样让 Agent 知道该调用哪个抓取工具,以及如何处理返回的数据?

这里有两种方式,可以根据自己的时间和技术基础选择。

方式一:自己配置,大约需要一个晚上。

可以直接在 OpenCode 中描述抓取需求,让它尝试调用 Apify 工具。实际测试中,第一次抓取就因为参数填写错误而失败了。不过,Agent 可以读取运行日志中的报错信息,分析问题并调整参数,第二次调用就成功了。

如果希望少走一些弯路,可以把一次成功的抓取记录连同完整上下文交给 Agent,让它参考这次调用的工具选择、参数和返回结果。之后再把验证过的调用方式整理到项目文件中,方便后续任务复用。

选择抓取工具时,也可以优先考虑覆盖多个电商平台的通用工具。这样,后续如果要把监控范围从 Amazon 扩展到 Walmart、eBay 等平台,就不必完全从头配置。

方式二:使用现成的 Skill,大约十分钟。

如果不想从零摸索抓取流程,可以直接使用 Apify 官方提供的 Agent Skills。

其中的 apify-ultimate-scraper 覆盖 Amazon、Walmart、eBay 等平台的多个抓取 Actor,可以帮助 Agent 选择合适的工具、组织输入参数并处理返回结果。具体支持范围以项目仓库当前说明为准。

安装 Skill 后,还需要确保 OpenCode 已经接入 Apify MCP,并完成 Apify 账号授权。简单来说,Skill 提供任务流程和调用方法,MCP 则负责连接并实际调用 Apify 工具,两者配合才能完成抓取。

中文社区也有一些面向亚马逊业务的技能合集,例如 awesome-amazon-ec-skills 和 sealeap-amazon-skills,可以根据具体需求挑选。

无论采用哪种方式,建议先用自己的实际任务验证一次。

不同的 Apify 账号、目标商品和抓取需求,可能会影响工具选择和返回结果。先跑通一个真实案例,再把验证过的调用方式和业务规则保存下来,后续执行会更稳定。

这里可以用两个文件管理智能体的行为:

  • .opencode/agents/sourcing.md:定义 Agent 的角色、职责、可用工具和输出格式。

  • AGENTS.md:记录具体的操作规则,例如监控哪些商品、如何整理价格数据、简报采用什么格式,以及推送到哪里。

前者负责定义 Agent 应该做什么,后者负责记录项目中具体怎么执行。

第二步:实测——换一个任务验证效果

完成基础配置后,可以换一个没有参与过前期测试的任务,看看 Agent 能否正确调用工具。

例如,给它这样的需求:

去亚马逊上物色一款符合登机尺寸要求的旅行包,筛选符合要求的商品,比较价格、运费和卖家信息,并按照 100 件的采购需求估算基础采购成本。

任务发出后,Agent 没有马上开始抓取,而是先询问了采购规格和数量。这是一个比较有用的细节:采购需求中的关键条件如果不明确,直接抓取很容易得到一堆无法用于决策的数据。

在明确条件后,Agent 会根据角色文件和项目操作手册,选择对应的 Apify 工具执行抓取。实测中,它能够按照已经验证过的调用方式获取符合条件的旅行包,并整理商品价格、运费和卖家信息。

这里还有一个值得注意的地方:运行任务时,最好从项目目录启动 OpenCode,确保它处在正确的工作区上下文中,能够加载对应的项目指令和角色配置。

如果前面已经把成功的调用方式、商品筛选规则和输出格式保存到项目文件中,后续换商品、换任务时,就可以直接复用这些配置,不必每次重新说明一遍。

第三步:定时任务——每天自动抓取和生成简报

单次抓取只能验证方案是否可行。如果希望每天都能看到价格变化,就需要增加定时任务。

这里建议把流程拆成两个独立任务,而不是让一个任务一次性完成抓取、分析和推送:

任务一:抓取数据。 每天早上固定时间检查目标商品,把抓取结果保存为带日期的 CSV 文件。

任务二:分析并推送。 读取最近几天的 CSV,比较价格变化和趋势,生成简报,再推送到微信。

中间用 CSV 文件衔接有一个实际好处:抓取和分析相互独立。即使某天分析或推送失败,已经保存的原始数据仍然可以使用,不需要重新抓取。

本机运行的简化版本可以通过 crontab 设置两个定时任务:

# 每天早上 8:30 抓数落盘,9:00 生成并推送简报
30 8 * * * cd ~/sourcing-agent && opencode run --agent sourcing "按 AGENTS.md 抓取今日亚马逊目标商品价格,存到 data/$(date +\%F).csv" >> logs/run.log 2>&1
0 9 * * * cd ~/sourcing-agent && opencode run --agent sourcing "读取 data/ 下最近7天CSV,生成比价简报 brief/$(date +\%F).md 并推送到微信" >> logs/run.log 2>&1

实际运行前,需要确保日志目录存在,并提前配置好定时任务所需的环境变量和工具权限。否则,任务在无人值守运行时,可能因为权限确认或环境配置问题而中断。

本机运行的限制也比较明显:电脑需要保持开机并处于唤醒状态。如果希望电脑关机或休眠时任务仍能执行,可以把项目部署到云服务器,或者使用 GitHub Actions 的 schedule 功能触发云端任务。

需要注意,GitHub Actions 的运行环境通常是临时的。如果希望持续积累每天的价格数据,还需要配置独立的持久化存储,例如对象存储或数据库,不能只依赖单次任务的运行目录。

第四步:微信推送——让简报直接到手机

数据抓取和分析完成后,最后一步是把结果发送出来。

比较简单的方案是使用企业微信群机器人:创建一个只有自己使用的群,添加机器人并获取 webhook 地址,然后在角色文件中告诉 Agent,简报生成后通过 HTTP 请求把 Markdown 正文发送到这个地址。

如果不想使用企业微信,也可以选择 Server酱。扫码绑定微信后,同样可以通过 HTTP 请求将消息推送到微信。

两种方式都不需要单独开发一个消息推送服务,选择自己日常使用起来更方便的即可。

配置完成后,每天早上手机就能收到一份 Markdown 格式的比价简报,内容包括价格变化、趋势分析和采购建议。CSV 明细则保存在项目目录中,方便后续核对和进一步分析。

每日简报长什么样

简报可以采用固定模板,每天根据最新抓取结果更新内容。比如:

# 采购比价简报 2026-11-17

| 商品 | 卖家 | 价格 | 运费 | 估算单件成本 | 较昨日 | 近7日最低 | 链接 | 建议 |
|---|---|---|---|---|---|---|---|---|
| 登机旅行包 A | XX店 | $3.85 | $0.40 | $4.25 | -2% | $4.10 | ... | 可进一步询价 |

## 结论
1. 商品 A 今日价格接近近 7 日最低,可列入重点关注名单
2. 卖家 X 报价上涨 6%,可以进一步比较其他卖家的报价
3. 新发现同款商品 C,单价低 8%,建议人工确认商品质量和规格

其中,「较昨日」和「近 7 日最低」需要依赖此前保存的价格记录。随着数据不断积累,简报就不再只是当天的商品价格列表,还能帮助采购人员观察价格变化,发现值得进一步询价的商品。

需要注意,商品页面显示的零售价和运费,并不等于 100 件采购的最终到手价。批量折扣、物流、税费和供应商报价仍然需要进一步确认,因此这里更适合将结果作为初步采购成本参考。

AI Agent 成本账

这套方案的成本主要来自两部分:模型调用和数据抓取。两部分都可以根据实际使用情况调整。

模型成本:按任务选择模型。

FluxLane 按实际模型调用量计费,不需要为每种模型单独购买订阅。日常巡检可以使用 DeepSeek、Kimi 等性价比较高的模型,复杂的选品分析再切换到 Claude、GPT 等模型。

实际花费取决于每天抓取多少商品、输入多少数据、生成多长的分析报告,以及模型调用次数。可以在 FluxLane 控制台的数据看板中查看实际用量,再根据运行记录估算每月成本。

数据源****成本:根据自己的身份和需求选择。

你的身份可考虑的****数据源成本特点
已有亚马逊专业销售计划SP-API(官方卖家接口)API 本身无额外调用费,但需要满足账号和权限要求
没有卖家资质Apify 按量付费可以从免费额度开始,按实际使用量付费

如果你本来就是亚马逊卖家,可以了解一下官方的 SP-API。

亚马逊目前没有向第三方开发者收取 SP-API 年费和 API 调用费。此前亚马逊曾计划推出相关收费,后来宣布取消。不过,API 本身免费不代表整个系统没有成本,销售计划、云服务器、存储和日常维护仍可能产生费用。

在价格监控方面,SP-API 的 Product Pricing API 可以提供 Featured Offer 价格、竞争价格、最低报价和不同卖家的商品报价等信息。配合 Product Catalog API 获取商品目录和属性数据,可以构建自己的价格监控系统。

当然,具体能够获取哪些数据,仍然取决于 API 权限、ASIN、Marketplace 和调用限制。相比网页抓取,官方 API 不需要处理网页验证码和页面结构变化等问题,数据结构也更加稳定,但仍需遵守亚马逊的 API 调用频率和权限规则。

SP-API 的接入门槛相对更高。如果是卖家为自己的业务开发私有 SP-API 应用,需要拥有 Professional Selling Account,个人销售计划不符合这一要求。如果使用公开应用,则可以通过卖家 OAuth 授权访问相应数据。

因此,如果目前还没有自己的 SP-API 接入环境,可以先用 Apify 验证整个比价流程,等到监控需求稳定、数据量增加后,再评估是否迁移到官方 API。

对于非卖家用户,也没必要仅仅为了使用 SP-API 而额外开通专业销售计划。以美国站为例,Professional Selling Plan 的月费为 39.99 美元,具体费用还需要以所在站点的官方定价为准。对于刚开始尝试比价自动化的用户,Apify 按量付费可能更合适。

如果每天只监控少量商品,模型调用和数据抓取的实际费用都不会太高。不过,具体月成本还是要根据商品数量、抓取频率和模型用量来计算,建议先运行一段时间,再根据账单做预算。

总结

从实际搭建过程来看,这套方案可以分成三个阶段:

第一阶段:配置和验证。 使用 OpenCode、FluxLane 和 Apify 搭建基本环境,先完成一次真实商品抓取,再把验证过的调用方式和业务规则保存下来。

第二阶段:定时运行。 将抓取和分析拆成两个任务,通过 CSV 保存每天的价格记录,再由第二个任务生成趋势简报。

第三阶段:消息推送。 接入企业微信机器人或 Server酱,让分析结果每天自动送到手机。

这套流程并不局限于亚马逊采购比价。只要数据能够通过 API 或抓取工具获取,类似的方法也可以用在竞品价格监控、商品评论巡检、跨平台比价和价格预警等场景。

对于已经在使用 OpenCode 的开发者来说,这也是一个比较直观的 Agent 自动化实践:让模型负责理解和分析任务,让工具负责获取数据,再用定时任务把整个流程串起来。

参考链接

相关产品与选型

把教程落到可用的云资源上

相关标签

相关文章

Kimi Code 如何接入 Claude、GPT 等模型?Kimi Code接入 Fluxlane API 教程
精选
教程

Kimi Code 如何接入 Claude、GPT 等模型?Kimi Code接入 Fluxlane API 教程

本文提供 Kimi Code macOS 客户端接入 Fluxlane API 的图文教程。无需命令行或额外工具,通过图形化界面即可添加第三方模型供应商,轻松实现 Claude、GPT、DeepSeek、GLM 等多款大模型的灵活切换。

2026年11月12日
Codex 如何接入 Claude 等其它模型?使用 CC Switch 接入 FluxLane API 教程
精选
教程

Codex 如何接入 Claude 等其它模型?使用 CC Switch 接入 FluxLane API 教程

macOS 上为 Codex 桌面客户端接入 FluxLane API 的完整教程:借助 CC Switch 图形化配置,无需命令行,让 Codex 灵活调用 Claude、DeepSeek 等多款模型。

2026年11月9日
Claude Code 新手怎么安装、接 API?保姆级教程,接入 Claude、GLM 等大模型
精选
教程

Claude Code 新手怎么安装、接 API?保姆级教程,接入 Claude、GLM 等大模型

本文面向 macOS 和 Windows 新手,介绍 Claude Code CLI 的安装方法,并借助 CC Switch 添加 Fluxlane 自定义 API 供应商,解决官方接入限制,实现 Claude 及多模型调用。

2026年11月4日