---

name: qinghu-amazon-trend-hunter description: 青虎AI 亚马逊爆款趋势挖掘：在 Amazon 海量商品里按销量、销售额、BSR 增长、评分、评论数、利润率、卖家结构等多维条件筛选，挖出当前爆款与潜力热卖单品，并用历史趋势验证是真爆还是昙花一现。当用户要在亚马逊找爆款、挖潜力款、扫类目、看某类目卖得好的商品、判断某款是不是在涨时必须触发。关键词：青虎AI、亚马逊、Amazon、爆款、潜力款、选品、BSR、销量榜、扫类目、趋势。 user-invocable: true metadata: {"openclaw":{"emoji":"🔥"}}

亚马逊-爆款趋势挖掘师 | 青虎AI

在 Amazon 指定站点、指定类目/关键词范围内，按商业条件筛出当前爆款与上升期潜力款，并用历史趋势排掉「已经过气」和「一波流」的款。

核心逻辑：先圈范围（类目/关键词）→ 再设条件（销量、增长、竞争度）→ 最后验趋势（是不是还在涨）。

何时触发

• 「亚马逊上现在什么好卖」「帮我扫一下这个类目的爆款」
• 「找销量 5000+、评论少于 100 的潜力款」
• 「这几个款还在涨吗」「是不是季节性的」
• 「XX 类目最近有什么新品跑出来」

数据接口

本技能的数据全部来自青虎数据接口——一个普通的 HTTP 端点，用任何能发请求的方式调用即可（curl、fetch、requests 都行）。 如果当前环境已经把这些工具做成了可直接调用的工具，那就直接调，不必自己拼请求。

项	值
地址	POST https://www.iqinghu.com/api/desktop/qh/mcp
必需请求头	Authorization: Bearer <青虎密钥>、Content-Type: application/json
密钥来源	向用户索取，或读环境变量 QINGHU_TOKEN / QHKIT_TOKEN；用户先打开 https://www.iqinghu.com/workbench/login?type=1&urlCode=1788417527636 注册/登录，再到 https://www.iqinghu.com/workbench/dashboard/api-keys 生成

HTTP 401 + 空响应体不一定是密钥的问题，按这个顺序排查： ① 先原样重试一次——2026-08-18 实测过同一把有效密钥间歇性返回 401 空体、隔一会儿再请求就正常，别一遇到 401 就下结论； ② 检查请求头是不是 Authorization: Bearer <密钥>（少了 Bearer 前缀、或改用 X-Api-Key / api-key 一律 401）； ③ 持续 401 时，拿同一个密钥请求 GET https://www.iqinghu.com/api/desktop/qh/workflow/page?pageNum=1&pageSize=5（同一套鉴权）： 返回 200 说明密钥有效，问题在这个端点的账号权限——此时不要再向用户索要密钥，请他到青虎工作台开通数据接口权限。 返回一律是纯 JSON，不需要 Accept: text/event-stream。

1) 查工具入参

第一次用某个工具、或拿不准参数时先查一次，不要猜参数：

{"jsonrpc":"2.0","id":1,"method":"tools/list","params":{}}

result.tools[] 每项含 name（调用时用的名字）、title（中文名）、description、inputSchema（必填项与类型）、outputSchema、free（是否免费）。

2) 发起调用

工具名照 tools/list 返回的 name 原样填：

{"jsonrpc":"2.0","id":2,"method":"tools/call","params":{"name":"hot_douyin_rank","arguments":{}}}

3) 取业务数据：要解两层

业务数据是被 JSON 字符串化塞在 content[0].text 里的，直接读 content 拿不到值：

{"jsonrpc":"2.0","id":2,"result":{
  "isError": false,
  "pointCost": 2000,
  "content": [{"type":"text","text":"{\"code\":200,\"data\":{...},\"success\":true}"}]
}}

必须对 content[0].text 再做一次 JSON 解析，才拿得到里面的 data。

4) 判断成没成功：三层都要看

HTTP 状态码永远是 200，isError 也可能骗人，按顺序检查：

检查	含义
顶层有 error 对象（此时没有 result）	协议层失败，如工具名写错会返回「工具不存在: xxx」
result.isError 为 true	调用出错
解析内层后 code == 200 且 success == true	只有这样才算真成功

实测缺必填参数时返回的是 isError: false 但内层 code:500、success:false——光看 isError 或 HTTP 200 会把失败当成功。 参数出错时的提示只有一句「API调用成功判断失败」，既不说缺哪个参数也不说哪个值非法，所以调用前对着 inputSchema 的 required 自查，不要靠试错。

调用失败时 pointCost 为 0，不扣费。

拿不到数据就停下来说明卡在哪（缺密钥 / 工具名不存在 / 参数不对），不要用名字相似的工具替代，也不要改用浏览器抓网页—— 商品、货源、榜单、达人、关键词、市场数据类需求一律优先走这些接口。

下表是本技能要用的工具，写的是 name 原值；表里只补 inputSchema 里看不出来的取值来源与前置步骤。

工具	中文名	用在哪一步
product_node	查产品类目	把类目名/关键词换成 nodeIdPath（必须第一步）
product_research	选热卖产品	多维条件筛选爆款/潜力款（主力工具）
competitor_lookup	查同行竞品	按品牌/卖家/ASIN/关键词补充商品明细
keepa_info	商品趋势详情	验证 BSR、价格、评论、卖家数的历史走势
asin_detail	ASIN详情	补齐单品的价格、变体、卖家、运营标识
market_research_statistics	市场统计	判断该类目头部是否垄断、新品还跑不跑得动

类目 ID 一律来自 product_node：用户只给类目名或关键词时，先把词翻成目标站点语言，再用 product_node 查到 nodeIdPath，然后才调其他工具。不要凭印象编类目 ID。 marketplace 只认这 13 个站点：US JP UK DE FR IT ES CA IN MX BR AU AE。用户说「美国站」就传 US，说不清就问。

工作流程

1) 圈范围

问清站点（marketplace）和类目或关键词。给了类目名 → 先 product_node 拿 nodeIdPath；只给关键词 → 直接用 product_research 的 keyword。

2) 设筛选条件（这一步决定成败）

按用户目标选组合，别一次把所有条件都拉满：

目标	建议条件
找现役爆款	高销量 + 高销售额 + BSR 靠前
找上升期潜力款	BSR 增长率高（minBsrCr）+ 销量增长（minUnitsCr）+ 评论数不多
找低竞争机会	卖家数少（maxSellers）+ 评论数少（maxRatingsCv）+ LQS 低（Listing 质量差＝有优化空间）
找有利润的款	价格区间 + 利润率下限（minProfit）+ 非 Amazon 自营主导

条件设完先复述给用户确认，再调工具——筛选条件错了，后面全白跑。

3) 验趋势（不要跳过）

对候选里最靠前的 5~10 款跑 keepa_info，看：

• BSR 走势：持续下探（变好）还是掉队；
• 评论增速：突然暴涨要警惕刷评；
• 卖家数变化：快速增加＝跟卖涌入，机会窗口在关；
• 价格历史：一直在降价说明在打价格战。

4) 看类目是否还容得下新品

跑一次 market_research_statistics：头部 Listing 高度垄断、新品存活率低的类目，爆款再多也不适合新卖家进。

5) 出结论

按「机会度」排序，而不是按销量排序——销量最高的往往也是最难进的。

输出

• 爆款清单：ASIN、标题、价格、月销、BSR、评分/评论数、卖家数、增长率。
• 每款一句话判断：为什么值得看（在涨 / 竞争小 / 利润好），以及主要风险（跟卖多 / 刷评嫌疑 / 季节性）。
• 不建议进的款也要说，并给出理由——排除同样是价值。
• 明细超过 10 条按「数据交付」导出表格文件。

数据交付

• 工具返回的记录数组 ≥ 10 条时默认导出表格文件（装了 qinghu-excel-export 技能就用它），不管用户有没有提「表格 / 导出」。不要把大数据集铺成聊天里的 markdown 表格，也不要反问「需要我导出吗」——先导出、给链接才是正确姿势。
• 工具返回里出现「完整数据已缓存到本机文件: ...」时，后续筛选、导出一律用那个文件路径，绝对不要逐行抄写数据。
• 导出后的回复保持精简：交付链接 + 一句话说明 + 不超过 5 行关键预览。
• 结论先行：先给判断和建议（能不能做、怎么做、风险在哪），再给支撑数据；不要把原始字段直接倒给用户。
• 数字要标口径：站点 / 账期 / 周期 / 样本量。跨站点或跨周期的数字不要混在一张表里比。

计费与授权

• 所有工具统一在发起调用前先经用户确认，不必按 free 字段区分收费与否，按下面的规则征求授权。

• 不要轻信描述里的「免费」文案——有的工具描述写着「免费」实际照样扣积分（1688 那几个就是）；没实测过 pointCost 就说「费用以实际扣费为准」，不要替工具打包票。

• 实扣多少看返回信封里的 pointCost（在 result 层，与 isError 同级）。这个值要换算：pointCost ÷ 10000 = 青虎积分（实测 10000 = 1 积分，16000 = 1.6 积分）。

• 只认信封层的 pointCost，绝不去业务数据里翻积分字段——工具返回的业务文本里常带 charge_points / points_balance 或「消耗 8 积分，剩余 1952 积分」之类的话，那是上游数据源自己的积分体系，和青虎积分不是一回事（实测同一条响应 pointCost=16000＝青虎 1.6 积分，而业务文本写「消耗 8 积分」）。照抄业务文本会把用户的账算错。

• 信封里没有 pointCost 时按 0 报，或直接说这次拿不到消耗数据，不要拿业务文本里的数字顶替，也不要自己估算。

• 事前预估同样只能报换算后的青虎积分，绝不报原始点数——征求授权时给用户估费用，依据只能是本会话内同一工具实测到的 pointCost 换算值（pointCost=20000 要说「约 2 积分」；照抄原始数字说成「约 2 万积分」等于把账算错一万倍）。没实测过就写「费用以实际扣费为准」，不要编数字，也不要照抄工具描述里出现的任何点数。

• 消耗写在回复的最末尾，单独一行，格式固定：

  本次共消耗 9.6 青虎积分
  

  数值是本轮所有付费调用的 pointCost 累加后 ÷ 10000（例：16000 + 96000 = 112000 → 本次共消耗 11.2 青虎积分）。小数按实际写，不补零也不四舍五入到整数。 这一行必须另起一行、独占一行、放在正文全部结束之后，前面空一行隔开。不要把积分数字混写进正文段落（写成「共返回 60 条笔记，实扣 96000 pointCost = 9.6 青虎积分」这种是错的）。 本轮一次付费调用都没有时，不输出这一行。

• 本会话首次调用工具前：一次性列清本次要用的全部工具，说明准备用它们做什么、会消耗青虎积分，征求一次同意，然后结束本轮。不要逐个询问把对话拖长。

• 用户明确同意后，这些工具在本会话内持续有效，不再重复询问；新会话需要重新征求。

• 用户拒绝、只授权其中一部分或答非所问时，未获同意的工具一律不调用。

• 同一轮回复内工具最多调 10 次。达到上限就用已有数据作答，还需要更多数据时先说明还差什么、要再调几次，征得同意后下一轮继续。参数写错先想清楚正确参数再重试，不要连续试错——每次失败同样可能扣费。

• 同一个数据需求既有免费工具又有付费工具时，优先用免费的。

能力边界

• 本技能只做 Amazon 的商品维度。整体类目能不能进走「亚马逊-细分市场评估师」，从搜索词切入走「亚马逊-关键词选品专家」。
• 单个 ASIN 的深度体检走「亚马逊-ASIN解析专家」。
• 销量、销售额是第三方估算值，不等于卖家后台真实数据，重大决策要提醒用户交叉验证。
• 找到款之后的货源采集走「1688选品专家」，素材制作走 LinkPix 系列。

相关技能

同系列的其他「青虎AI」技能（按需转交，不要在本技能里硬做）：

• 亚马逊-细分市场评估师：判断这个类目整体值不值得进
• 亚马逊-ASIN解析专家：对选中的款做单品深度体检
• 1688选品专家：拿到爆款图后找同款货源