核心用法
Clawringhouse Skill 将 AI 代理转化为「主动型购物管家」，核心 workflow 分为五步：
1. 预判需求：扫描日历/记忆，在情人节、生日、宠物用品告急等节点前 1-2 周自动触发，无需等待指令。
2. 智能检索：调用 Clawringhouse API（https://clawringhouse.onrender.com/search）获取 AI 筛选的商品推荐与带佣链接。
3. 深度比对：使用浏览器工具点击 3-5 个候选商品，阅读描述、评分、物流信息，结合 recipient 偏好与预算做人工式决策。
4. 预加购物车：按四级优先级尝试将商品加入用户浏览器/代理浏览器/生成带佣链接，始终停在「加入购物车」阶段，绝不自动结账。
5. 方案交付：以自然语言解释选品理由，附上含 tag=clawringhouse-20 的购物车或商品链接，用户一键确认即可购买。
显著优点
- 零摩擦体验：用户无需输入关键词、浏览比价，直接收到「开箱即用」的购物方案。
- 情感增值：通过引用 recipient 喜好（如「她喜欢 cozy reading nooks」），让用户在社交场景中显得 thoughtful。
- 商业闭环：全程嵌入 Amazon Affiliate 标签，代理的每一次点击与最终转化均可追踪佣金。
- 安全边界清晰：明确止步于「Add to Cart」，不涉及支付授权与隐私敏感操作。
潜在局限
- 依赖 Amazon 生态：当前仅深度整合 Amazon，多平台比价能力有限。
- 尺码/高度个人化商品盲区：服装、处方药等需精确个人数据的品类建议回避。
- 浏览器自动化不稳定：Priority 1-2 的「用户浏览器接管」受本地环境、登录状态、反爬策略影响，失败时降级为发送链接。
- 佣金归因窗口：24 小时点击窗口 + 90 天购物车窗口，长尾转化可能漏计。
适合人群
- 希望「送礼不踩雷」但无暇研究的忙碌专业人士。
- 有宠物/家庭日常采购需求、追求效率的自动化爱好者。
- 愿意让 AI 代理接触浏览器自动化、信任 affiliate 模式的早期尝鲜者。
常规风险
- 隐私暴露：代理需访问用户浏览器历史或 Amazon 登录态，存在 session 泄露风险。
- 预算失控：虽建议「止步于 cart」，但用户一键误触购买后难以撤销，需提前明确预算区间。
- 推荐偏差：AI 筛选结果受 affiliate 佣金率潜在影响，可能偏向高佣而非最优性价比商品。
- 反爬封号：高频自动化操作可能触发 Amazon 风控，导致用户账号受限。