返回顶部
v

vip-search

在唯品会(VIP.com)无感搜索商品,直接调用 Browser Subagent 进行网页内容提取。

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 1.0.1
安全检测
已通过
146
下载量
1
收藏
概述
安装方式
版本历史

vip-search

# 唯品会商品搜索助手 (VIP Search) 本Skill用于在唯品会(VIP.com)网站上检索特定关键字的商品。通过大模型内置的 Browser Subagent 工具,可以在无用户 Cookie 和不用登录的情况下直接抓取搜索结果。 ## Capabilities 1. **Browser 自动化抓取**: 利用内置的 Browser Subagent 工具模拟浏览器打开网页并解析 DOM 提取结果。 2. **数据处理并返回结果**: 将浏览后的商品结果总结为直观格式展现给用户。 ## Usage / 工作流 当用户请求在唯品会搜索商品(例如:“帮我在唯品会搜索一下蓝牙耳机”)时,请严格按照以下步骤执行: ### 第一步:调用 Browser Subagent 执行搜索 直接调用你内置的 `browser_subagent` 工具即可,**不用要求用户提供任何 Cookie,也不要运行任何 Python 请求脚本**。 构建目标 URL(注意对 user 提供的 keyword 进行 URL 编码): `https://category.vip.com/suggest.php?keyword={url_encoded_keyword}` **向 subagent 传递的 Task 描述应当类似于**: `Navigate to https://category.vip.com/suggest.php?keyword={url_encoded_keyword}. Wait for the page to load, and extract the top product names and their prices from the search results.` ### 第二步:返回与展示 等待 Subagent 运行并完成任务后,解析它返回的观察结果与日志。 然后,将收集到的商品列表结果(包含产品名称、特卖价等)以 Markdown 列表或表格的形式友好地提取并呈现给用户即可。 ## 注意事项 - 你必须直接且自主地操作 `browser_subagent` 工具;该工具擅长视觉及 DOM 数据提取。利用它你可以省去以往对抗反爬虫的心智成本。

标签

skill ai

通过对话安装

该技能支持在以下平台通过对话安装:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 xc-vip-search-1776076201 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 xc-vip-search-1776076201 技能

通过命令行安装

skillhub install xc-vip-search-1776076201

下载 Zip 包

⬇ 下载 vip-search v1.0.1

文件大小: 2.39 KB | 发布时间: 2026-4-14 10:19

v1.0.1 最新 2026-4-14 10:19
Version 1.0.1

- Replaced manual Cookie/login workflow with automatic browser agent search.
- Removed the Python request script (search_vip.py); now uses Browser Subagent for data extraction.
- Updated documentation to guide use of internal Browser Subagent for seamless, code-free operation.
- No more user instructions for Cookie handling; all product search and result display is now fully automated.

Archiver·手机版·闲社网·闲社论坛·羊毛社区· 多链控股集团有限公司 · 苏ICP备2025199260号-1

Powered by Discuz! X5.0   © 2024-2025 闲社网·线报更新论坛·羊毛分享社区·http://xianshe.com

p2p_official_large
返回顶部