如何用 AI 自动化亚马逊选品（技能 + MCP）

在亚马逊上找到一款值得卖的产品，本质上是一遍又一遍重复的算账。你打开十几个竞品 listing 的标签页，扫一眼价格和销量，再到 1688 上估个批发成本，然后把重量和尺寸一个个敲进费用计算器——一次只能算一款。等你算出一个自己敢信的利润，一个下午就过去了——而换下一个关键词，又得从头再来。这种重复、有固定规则的工作，正是 AI 助手可以端到端跑完的。本文就用一个 Claude 技能，加上 Profitlee 的 MCP 与 API，演示具体怎么做。

「自动化产品成本分析」到底意味着什么

对单款产品做一次完整的成本分析，回答的其实是一个问题：扣掉亚马逊拿走的一切之后，净利润还剩多少？无论手动还是自动，得到答案都要走同样的四步：

• 找出值得分析的 listing——也就是你关键词下的竞品。
• 估算到岸成本——批发价加上把一件货运到仓库的运费。
• 计算亚马逊的费用栈——该产品在该站点的推荐费、履约费和仓储费。
• 从售价里减去全部成本，得到毛利与净利。

每一步都是机械、有规则的，因此整件事是可以脚本化的。难点一直在于把这几步串起来。下面的工具做的正是这件事。

用 Profitlee 自动化的两种方式

Profitlee 以两种便于自动化的形式开放了它的计算引擎：一个开箱即用、能跑完整条流水线的 Claude 技能，以及一个把计算器直接搬进你 AI 对话里的 MCP 服务器。两者底层都依赖同一个公开计算 API。

Claude 技能：输入关键词，产出损益报告

product-cost-analyze-for-fba 技能能把单个关键词变成一份完整的盈利能力报告，全程无需手动录入数据。你只要上传一个文件（SKILL.md）给 Claude，给它一个关键词，它就会跑完四个阶段：

• 抓取大约十个价格在 $10–$50 区间的亚马逊 listing，采集 ASIN、标题、价格、月销量、图片、组合装数量和尺寸。
• 对每款产品在 1688 上做以图搜图，估算 FOB 批发成本并找到供应商链接。
• 把每款产品发送到 Profitlee 的公开 API，按站点计算完整费用栈——推荐费、履约费和仓储费。
• 生成一份 HTML 报告，横向对比各 listing 的到岸成本、费用和净利润。

最终产出是一份可以直接在浏览器里打开的静态 HTML 报告：每款竞品的单件到岸成本、完整费用拆解和净利润，并排呈现。

Profitlee MCP：在 AI 对话里使用计算器与保存方案

Profitlee MCP 服务器让任何兼容 MCP 的 AI 客户端——Claude Desktop、Claude Code 等——直接调用计算器。它的 calculate_profit 工具免费且无需令牌：你问助手「一款 1.4 磅、成本 $3.20、售价 $24.99 的产品利润是多少？」，它就会返回完整拆解。如果有 Profitlee Pro 的 API 令牌，还能用额外的工具保存、列出、更新和删除方案，让你的分析在多次会话之间保留下来。

实操：从关键词到利润判断

1. 配置技能

该技能以单个 SKILL.md 文件的形式提供——无需克隆任何仓库。把它上传给 Claude，并确认运行环境就绪：

• 本机安装 Node.js 18+ 和 Python 3。
• Chrome 浏览器并装好 Claude-in-Chrome 扩展，用于 Amazon 和 1688 的浏览步骤。
• 一个已登录的 1688.com 账号；建议同时登录 Amazon，以获得完整的 listing 数据。
• 无需克隆仓库，也无需 Profitlee 账号或 API 令牌。

2. 针对一个关键词运行

给 Claude 一个产品关键词——比如「可折叠硅胶食品保鲜盒」。技能会抓取头部 listing，对每一款在 1688 上以图搜图找批发成本，把每款产品送进 Profitlee 计算费用栈，并写出一份 HTML 报告。你顺着表格往下看，净利润健康的产品一眼就能认出来，还附带可以去对接的供应商链接。

3. 用 MCP 复核单款产品

当你想对单款产品做压力测试——调一下售价、换个重量、换个站点试算——MCP 比重跑整条流水线更快。让助手用新数字重新计算，它就会直接调用 calculate_profit。如果你有 Pro 令牌，可以把看好的产品保存成方案，以后随时回看。

为什么要把计算交给 Profitlee

抓取和寻源这两步给你的是输入；而利润判断完全取决于把费用算对。Profitlee 的引擎是按站点区分的——美国、德国和日本各有各的推荐费比例、履约费分档和仓储费率——而且它正是驱动 Profitlee 网站的同一套引擎。把计算集中起来，意味着报告里的每一款产品、对话里的每一次复核，都以同一套一致、及时更新的基准来衡量，而不是靠一张你得手动维护的表格。

什么场景用哪个工具

• 用技能求广度——扫描一个关键词的竞品，找出哪些产品值得深入。
• 用 MCP 求深度——在 AI 对话里追问单款产品、尝试各种变量，并把值得留的保存下来。
• 用公开 API 做你自己的自动化——把 Profitlee 的费用计算接进你自建的脚本、表格或应用。

三者合起来覆盖了选品的完整链路：用技能发现，用 MCP 验证，用 API 集成。重复的算账自己跑起来，而你把时间花在真正的决策上——这款产品到底值不值得卖？