用途：这是一个用于获取单个已知 Walmart 商品评论的工具技能，通过 Frevana 接口检索评论数据，适用于已知商品 ID 的评论抓取与分析场景。
主要能力：输入必填的 product_id（即 Walmart us_item_id），可选 page（页码）、sort（排序）、rating（星级筛选）。输出为校验后的 JSON，包含 search_metadata、product、overall_rating、total_count、ratings、top_positive、top_negative、reviews、pagination 等字段；评论条目常见字段有 position、title、text、rating、positive_feedback、negative_feedback、review_submission_time、user_nickname、customer_type。每次成功运行都会把同一份 JSON 保存到本地文件，并将校验后的 JSON 输出到 stdout，若用户未明确要求转换则不重写数据。
使用方式：需具备 bash、curl、python3，并在环境变量中提供 FREVANA_TOKEN，或本次运行用 --token 覆盖。基本命令为 bash <skill-path>/scripts/search_walmart_product_reviews.sh --product-id 5689919121，可附加 --rating 5、--sort submission-desc、--page 2、--output ./out/xxx.json 等参数；--product_id、--us-item-id、--us_item_id 为 --product-id 的别名。sort 接受 relevancy、helpful、submission-desc、submission-asc、rating-desc、rating-asc；rating 接受 1 至 5 的整数。只有 product_id 是必填，未提供的可选字段应省略，不应自行编造。
适用场景与限制：若用户只有商品名称或搜索关键词，需先用 walmart-search 取得 us_item_id，再调用本技能；脚本支持交互式提示 token，非交互或智能体流程中若缺少 token 应立即失败并提示设置 FREVANA_TOKEN 或传 --token。接口当前仅支持 product_id、page、sort、rating 字段，不支持 engine、api_key、output、no_cache、async、zero_trace 等透传参数。缺少 curl 或 python3 时应停止并提示安装。默认输出文件路径为 ./out/walmart-product-reviews-<UTC 时间戳>-<pid>.json。不要在输出中回显 Bearer token。后续解析或总结应使用已保存的 JSON，避免重复调用接口。