说明：本文讨论的是亚马逊运营 Skill 在真实业务场景里的工具选择：什么时候用 MCP 探索，什么时候用 CLI + Python 数据管道交付。它不是在比较 MCP 和 CLI 的协议设计、通信机制或底层实现原理。 最近我翻了一下自己写过的亚马逊运营 Skill。 市场调研，用 Sorftime CLI。 竞品监控，用 Sorftime CLI。 VOC 报告，也还是用 Sorftime CL...

最近招聘运营，发现不少候选人不是没做过事，而是简历写得像岗位说明书，面试也讲不清自己的真实贡献。STAR 方法不用讲复杂，说白了就是四个问题：当时什么情况、你负责什么、你做了什么、最后结果怎样。

我们先看已经跑出来的结果。 特殊说明一下，用户旅程地图的方法论来自于新大佬的文章：亿级品牌化卖家，到底怎么做用户洞察？。这种类似生命周期的表达方式更加直观，可以让我们 get 到具体哪个阶段发生了问题，一目了然。 LLM 审计的作用非常简单，记录所有的 CLI/MCP 调用次数、Token 消耗，让成本清晰可见。 最后，保留完整的评论明细，可以随时阅读，方便快捷。 注意注意！！！上面的报告不是简单...