青虎Agent技能市场有哪些能力？技能调用方法

技能市场是青虎Agent 里最容易被低估的一个模块。多数人第一次进去的用法是挑一个看上去相关的技能，跑一次，看完结果就走；用过一段时间之后才会意识到，同一批公开数据用不同的技能组合去取，能支撑的结论完整度差别很大。

这篇文章讲三件事：技能市场里的能力按什么维度组织，调用语法怎么写才不容易跑偏，以及一个任务里怎么把多个技能串成一条完整的证据链。全程不需要理解任何接口或字段，你只要说清楚自己要什么。

调用格式本身只有一行：@技能名称 + 任务描述 + 链接或关键词。看起来简单，实际使用中结果不理想的情况，绝大多数都出在这三部分里某一处没交代清楚。

边界先说明白：技能取回的都是平台公开数据，比如榜单排名、价格区间、销量档位、评价正文，以及笔记、视频、话题的公开互动数据。店铺后台的真实成交、广告花费、转化率属于卖家私域数据，任何第三方工具都拿不到，技能也做不到。把这条放在开头，后面看结果时不容易产生不切实际的期待。

一、技能市场到底解决什么问题

技能这个词听起来抽象，落到使用场景里其实很直白：它把某一类重复出现的数据获取动作，封装成一件事。你不用每次重新解释要什么维度的数据、从哪个渠道取、取完按什么结构整理，只要点出技能名称，动作就固定下来了。

它解决的第一件事是口径漂移。同一个人做同一个类目的调研，今天说帮我拉一下这个词的相关数据，明天说看看这个关键词的情况，两次得到的表格结构可能完全不一样，后面想并排比较就很麻烦。技能把取数动作标准化之后，同一个技能无论谁调、什么时候调，回来的结构是一致的。

它解决的第二件事是平台差异被封装。不同平台的数据组织方式完全不同，亚马逊按类目层级和榜单组织商品，抖音按内容与达人组织，小红书按笔记与话题组织。这些差异如果没有被封装，运营每次都要重新理解一遍平台结构；封装成技能之后，你只需要知道要什么维度的信号，不需要知道平台内部怎么摆数据。

它解决的第二件事还有一层延伸：把容易发散的调研收敛成几条固定的问题。很多运营做调研时会东看一点西看一点，一会儿看价格、一会儿看内容、一会儿看达人，最后收集了一堆材料却说不出结论。技能按维度分组之后，问题天然被切成几个明确的板块，每个板块回答一件事，拼起来才是一份完整的判断。发散的原因往往不是能力不足，而是缺少一个固定的提问框架。

它解决的第三件事是能力可交接。一个技能就是一个明确的、可描述的取数能力，新人接手时不需要从零摸索到哪里找数据、按什么格式记录，照着技能名称调用就行。老手的经验里本来有一半是知道该看什么，技能把这部分变成公开资源之后，团队的整体下限被抬高了。

二、能力按什么维度组织

青虎Agent 的技能市场里，能力按平台做了分组，覆盖亚马逊、TikTok、Ozon、Shopee、哔哩哔哩、小红书、抖音、1688 这八个渠道。分组的用意是让你先确定自己要做哪个市场的判断，再决定调哪几个技能，而不是拿一堆来自不同市场的信号混在一起下结论。

按任务类型看，能力大致可以归到几类：关键词类，围绕搜索词的规模与竞争展开；内容类，围绕笔记、视频、话题与评论展开；达人类，围绕账号画像、粉丝结构与带货表现展开；榜单类，围绕类目排名与热度波动展开。同一个业务问题往往需要跨这几类取信号。

能力类型	取什么信号	典型使用时机
关键词类	词的搜索规模、相关词、竞争程度	进入一个方向之前，先确认需求是否真实存在
内容类	笔记与视频的公开互动、评论内容、话题热度	判断一个方向在内容平台有没有讨论基础
达人类	账号公开画像、粉丝结构、带货内容分布	决定内容投向什么类型的账号
榜单类	类目排名、热度档位、短期波动方向	跟踪同一个类目在不同时间的变化
类目类	类目结构与商品分布、价格带构成	做市场容量与竞争强度的初步判断

这张表的用法是倒推：先写出你要回答的问题，再判断这个问题需要哪几类信号。如果你要判断一个品类值不值得做，至少需要关键词类加类目类的信号；如果你要判断内容侧该怎么做，需要内容类加达人类的信号。问题决定信号，信号决定技能，顺序不要倒过来。

需要留意的是不同渠道的能力颗粒度不一样。以抖音为例，查达人数据、查达人粉丝画像、查视频数据、查视频评论、查话题详情、查热搜榜这几类能力各有侧重：达人数据看的是账号本身的表现结构，粉丝画像看的是这个账号触达了什么样的人，视频数据看的是单条内容的表现，评论看的是观众的真实反应，话题与热搜看的是短周期内的热度迁移。它们不是可以互相替代的选项，而是一条链上的不同环节。

把这件事放到实际场景里更好理解。判断一个品类值不值得做的第一步是需求是否真实存在，这时关键词类能力给的是需求的规模与竞争程度；第二步是这个需求是否正在被内容侧放大，这时视频与话题类能力给的是热度迁移方向；第三步是现有供给有没有明显缺陷，这时评论类能力给的是受众的原始反馈。三批数据的结论来源不同，恰好可以互相校验。

技能把取数动作固定下来之后，最直接的变化是不用再为同一件事重复组织语言。举一个具体的对比：不用技能的时候，做一次评论梳理要先想清楚看哪几个商品、翻多少条、按什么问题归类；用技能的时候，这三件事都在任务描述里一次说完，下一次换成另一个品类，只要把关键词替换掉。省下的不是操作时间，而是每次都要重新想一遍的思考成本。

三、调用语法：三部分各管什么

在青虎Agent 里，调用语法只有一行，但每一部分承担的功能不同，缺一个结果就会偏。下面拆开讲。

图1：技能名称决定取数能力，任务描述决定分析视角，链接或关键词决定取数对象，三者缺一结果就会偏

一个常见疑问是任务描述要不要写得很长。结论是不用，但要有结构。把平台、站点、范围、产出形式四个要素写全，两三句话就够。写了三百字却没写清产出形式，Agent 仍然只能猜你想要清单还是想要结论。

四、多技能串联：把信号拼成证据链

单个技能只能提供一个维度的截面，而一次真正的判断需要多个维度互相印证。串联的价值就在这里：不是为了取更多数据，而是为了让结论有交叉验证。

串联的组织方式可以按从宽到窄推进。先用一个覆盖面宽的技能把大方向摸出来，再用两到三个更细的技能做交叉验证，最后用评论类的能力补充真实反馈。每一步的结论都写下来，如果后一步和前面矛盾，就回到问题本身重新界定范围，而不是硬把结论捏到一起。

串联阶段	调用目标	希望得到的判断
摸底	用关键词类能力看需求规模与竞争程度	这个方向有没有真实需求
交叉	用内容类与达人类能力看讨论热度与传播结构	需求是否正在被内容侧放大
细化	用评论类能力看受众反馈的高频问题	现有供给没解决什么
对照	用另一个渠道的同类能力验证同一结论	结论是单平台特性还是普遍现象

串联时有一个细节值得注意：每一步的结论都要标注它来自哪个技能、覆盖什么时间范围。等四个阶段跑完，回看这份记录就能知道哪一环是薄弱环节。缺少标注的串联看起来热闹，实际上只是把四份互不相关的数据放在了一起。

另一个细节是不要把串联当成必须走完的流程。熟悉的类目可以直接从细化阶段进入，问题已经很明确时也不需要再摸底。串联是给不确定的情况准备的，不是每周都要跑一遍的固定动作。

串联过程里还有一个容易被忽略的动作：把每一步的原始结果单独留一份，不要只在最后输出里保留整合后的结论。整合后的结论看起来更干净，但一旦有人质疑某个判断，没有原始结果就无法回溯。留原始结果还有一个好处，同一个类目下次再跑时，可以直接和上一轮的原始数据比变化。

串联的数量也有上限。一次任务里用到四到六个技能是比较舒适的区间，超过之后整理成本会快速上升，而且很容易因为维度太多而失去判断主线。如果一个问题需要的维度确实很多，更好的做法是拆成两轮：第一轮把大方向收敛，第二轮只针对剩下的两三个方向深挖。

五、同样是选品，不同渠道看的东西不一样

在青虎Agent 里，技能虽然是同一套调用方式，但不同渠道要用完全不同的判断维度。拿同一个品类去四个渠道看，得到的信号含义并不相同，混淆使用会导致结论失真。

渠道	优先看的维度	这批信号回答什么问题
亚马逊	类目层级、评价数量级与评价正文、卖家集中度	这个类目的供给成熟度和改进空间有多大
TikTok	视频的公开互动结构、达人带货分布、评论情绪	需求是靠内容激发的，还是靠搜索承接的
Shopee	站点之间的价格带差异、类目层级结构、本地供给情况	同一个品类在哪个站点有价格空间
Ozon	类目结构、上下架情况、履约与配送相关约束	供给是否充足，模式上要注意什么

差别为什么这么大，原因在于四个渠道的流量逻辑不同。亚马逊的需求更多由搜索承接，所以词维度和评价维度最接近真实需求；TikTok 的需求由内容激发，所以内容互动与达人结构比静态榜单更能说明问题；Shopee 是多个站点各自独立的市场，同一个品类在不同站点的价格带可能差出几个档位，不按站点拆分看就容易误判；Ozon 的类目结构和履约条件对可做性的影响更直接，光看商品数量不够。

对应的技能组合也不一样。做亚马逊时，关键词类和类目类能力是主力，评论类能力用来找改进方向；做 TikTok 时，视频、达人、话题这三类能力优先级更高，评论用来判断情绪与槽点；做 Shopee 时，需要按站点分别取数再横向对照；做 Ozon 时，类目结构与商品分布要先看清，再看需求侧信号。用同一段话套四个渠道，得到的结论一定经不起追问。

再往细一层看，同一个渠道内部的维度也有先后。亚马逊场景下，类目层级要先确定，因为同一个词在二级子类目和在大类目里的竞争程度差别很大，层级没定下来，后面的评价数量级和卖家集中度都失去参照。TikTok 场景下，要看的是互动的结构而不只是量级，同样量级的互动里，评论占比高和分享占比高指向的是两种完全不同的产品属性。这些细节决定的不是数据准不准，而是这批数据能不能支撑一次具体判断。

Shopee 和 Ozon 还有一个共同点：站点或市场的差异本身就是判断的一部分。同一个品类在不同市场里的价格带可能差出几个档位，主流规格偏好也不一样。取数时不按市场拆开，拿到的平均数看起来平稳，实际上掩盖了所有可用的信息。这两个渠道更适合按市场逐个跑一遍再横向比，而不是一次性拉平看。

图2：同一品类在四个渠道要看的维度各不相同，混用信号会让结论失去可比性

六、从技能取回的数据到电商结论

技能取回来的是数据，不是结论。中间还有一步整理，这一步做得好不好，决定这份材料能不能被别人接着用。

整理时先做一次口径归一。把不同技能回来的字段对齐成同一套表述方式，价格是挂牌价还是区间中值，销量是档位还是排名，评价数量是总量还是近期增量，都要在表格里写清楚。口径没写清楚，后面谁看都会自己脑补一套理解。

再做一次结论收敛。把几个技能里指向同一方向的信号挑出来，写成一段带条件的判断，比如某类目供给已经比较密集、主流价格带集中在中段、评价里反复出现的问题集中在某几个功能点上。条件写进结论里，后面复现的时候才有依据。

最后做一次可执行性检查。结论指向的方向，自己的供应链能不能接住，资金能撑多久，运营能力够不够。这三件事技能答不了，但它决定了这份材料值不值得进入下一步。清单归档时把这一步的判断理由也记下来，后续复盘才有参照。

整理时还要注意区分事实和推断。事实是结果里直接出现的内容，比如某个价格带里商品分布偏密、某类反馈反复出现同一句话；推断是你基于这些内容得出的判断，比如这个方向还有差异化空间。把两类内容分开写，别人复核时才不会把推断当成事实引用，自己也更容易看出哪一步的底气不足。

归档时建议连调用方式一起存。这次用了哪几个技能、任务描述怎么写的、筛选条件是什么，一起记下来，下次复现时直接照着做，不需要重新推导一遍。这一步看起来多余，实际上是把一次性的操作变成了可重复的方法，也是技能体系真正产生复利的地方。

图3：技能加任务描述加关键词，是青虎Agent 最常用的任务下发方式

七、拿到结果之后怎么自查

技能取回的结果不需要盲目采信，也不应该凭感觉判断真假。有四件事可以在拿到结果的两三分钟内完成核对，成本很低，但能过滤掉大部分不可用的情况。

第一件是核对对象。结果里出现的商品、账号、笔记是否都在你给定的范围内。如果任务描述里写了某个关键词，结果里却混进了明显不相关的对象，说明取数条件需要写得再严格一些，或者关键词本身选得偏了。

第二件是核对时间口径。每一列数据覆盖什么时间范围，结果里有没有明确标注。没有标注时间的数据只能当作静态参考，不适合用来做趋势判断，更不能和另一批不同周期的数据并排比较。

第三件是核对结论与数据的对应关系。结论说某个方向竞争比较密集，结果里就应该有支撑这个判断的分布信息。结论和数据对不上，多半是中间整理环节出了问题，回到任务描述重跑一次比反复追问更有效。

第四件是核对一致性。同一个问题换一个渠道的同类能力再跑一次，看两次给出的方向是否一致。方向一致可以提高采信程度，方向相反说明这个判断本身还不稳定，适合先放一放继续观察，而不是急着做决定。

这四步做完，如果结果都通过了，就可以进入正常的分析环节；如果有任何一步没过，建议先修任务描述而不是修改结论。绝大多数看起来不对劲的结果，根因都在输入条件上。

八、四个常见误区

四个误区的共同点是把取数当成了分析。技能负责把公开信息按统一结构取回来，判断和取舍仍然要人来做。认清这条边界，技能的价值才会稳定发挥。

九、四个提效技巧

四个技巧分别对应口径统一、组合固定、筛选节奏和深度挖掘。都不需要额外投入，难的是坚持跑上一段时间，让判断标准慢慢清晰起来。

技巧落地的先后顺序也有讲究。建议先把第一条和第三条固定下来，也就是把调用写法存成模板、坚持先宽后窄跑两轮，这两条决定结果的稳定性；第二条按渠道建组合适合在跑熟之后补上；第四条评论归类则需要积累到一定数量的样本才出效果，一开始就追求完备，反而容易因为步骤太多而放弃。

还有一个小做法值得采用：给每套模板标注适用前提。比如模板适用客单价中段的标品、适用内容驱动的非标品，写清前提之后，交接给别人时不会因为场景错位而误用。模板本身不难写，难的是让接手的同事知道什么情况下不该用它。

十、三个可以照做的使用场景

图4：技能结果可以继续流向文案生成与商品库归档，链路越短，执行时丢掉的细节越少

十一、总结：把技能用成一条稳定的工作流

十二、常见问题解答

把技能调用练成固定动作之后，青虎Agent 就不只是一个能聊天的界面，而是一套可以复用的取数流程。真正的熟练不来自记住多少个技能名称，而来自每次调用之后都留下一条可以回看的证据链。