AI购物助手，主动预判节日/日常需求，深度比价后预加购物车，让人类坐享「贴心」美名
说明：
## 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。
会员专属
