该项目旨在为跨境卖家提供可验证的经营决策支持，集中处理散落在多个渠道的信息。这些信息涉及政策、费用、广告更新及合规风险等。项目采用轻量级本地架构，通过Python进行数据采集及处理，使用DuckDB进行存储和审计。核心功能包括信息提取、重复数据去除以及结构化分析。通过Codex系统，卖家能够生成日报、周报，确保信息及时有效。该系统在设计时注重合规性，保证不采集私人数据并遵守相关政策，确保信息可靠。

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...

一、 背景与痛点 在选品流程中，我们往往拥有一套祖传下来的，极度消耗人力的“标准模板”（通常是 Excel、飞书文档或 PPT）。常规做法是：人工使用卖家精灵、Sorftime、飞鱼、Sif 等各个 SaaS 选品工具，频繁地复制数据、截取图表，再机械地粘贴到模板中。 尤其是针对重点款式和产品具体参数的分析，极度依赖人工逐个点击 ASIN 链接、浏览 Listing、肉眼归纳总结。简单总结就是，一...