用途：给定 walmart.com 商品 item ID 与页码，在浏览器中打开对应评论页并提取分页客户评论，输出结构化数据。
主要能力：返回 totalReviews、averageRating、reviewsOnPage、ratingBreakdown 与 lookupId；每条评论包含 reviewId、rating、title、text、author、submittedDate、verifiedPurchase、helpfulVotes、notHelpfulVotes、variantSelected、badges、fulfilledBy、sellerName、media 等字段。
使用方式：先确认评论页已打开，URL 为 https://www.walmart.com/reviews/product/{item-id}?page={page}。若 browser-act 当前会话已可用则跳过准备；否则通过 Skill 工具加载用法，按其指引解决安装或配置问题后重试。执行序列为：navigate 到目标 URL、wait stable、再执行 eval "$(python scripts/extract-reviews.py)"。脚本位于 scripts/ 目录，建议用 bash 工具运行；不要并行化单个浏览器，页间加 1–2 秒间隔，批量前先用 1–2 页测试，逐页保存结果以便断点续跑。总页数可由每页 10 条与总评论数推算，终止条件为 reviewsOnPage 为 0 或页码超过 ceil(totalReviews/10)。
适用场景：需要按商品汇总或分页采集沃尔玛评论数据的任务。
限制：每页固定 10 条，沃尔玛未提供更改页大小的 API；多数无标题评论的 title 为 null；纯文字评论的 media 为 null，带图评论在 NEXT_DATA 中不含图片 URL，仅有数量；未选变体时 variantSelected 为 null；排序默认最新，无法通过 URL 参数改变；该技能只读取页面上已展示给用户的数据，不绕过认证或访问控制。执行经验文件位于 {工作目录}/browser-act-skill-forge-memories/walmart-scraper-walmart-product-reviews.memory.md，执行前若存在应先读取，遇到异常再追加记录。