用途
本技能用于亚马逊反向选品：从一个由历史商业洞察报告沉淀而成的细分市场指标数据池中，按业务条件反查符合要求的赛道与关键词。与正向生成报告的工具不同，本技能不产出新的 AI 分析报告，而是对已有指标池进行反向筛选，返回匹配的（站点，关键词）记录，并按采集时间倒序排列（最新在前）。
适用判断：当用户给出的是业务标准（如低竞争、高增长、蓝海、痛点机会），希望发现哪些关键词/细分市场符合条件时，使用本技能；当用户已有一个关键词、需要完整的多维度 AI 报告时，应使用正向报告类工具；当需要深入细分市场内的具体 ASIN 或卖家时，应转交商品搜索类工具。
主要能力
数据池中每条记录为细分市场/关键词级快照（非 ASIN 级），包含约 37 个字段，覆盖六组业务维度：
- 市场规模与增长：如 nicheRevenue360dMinUsdAtLeastGte、nichePeakSearchVolumeAtLeastGte、nicheSearchVolumeYoyChangePctAtLeastGte、nichePeakMonthGte/Lte 等。对应“市场够大”“高速增长”“Q4 季节性”等诉求。
- 竞争密度：如 nicheBrandCountLte、nicheBrandCountYoyChangePctAtLeastLte、nicheTop5ProductClickSharePctAtLeastLte、featureTop5BrandSharePctAtLeastLte 等。对应“新人友好”“品牌分散”“无寡头”“品牌退场”等诉求。
- 价格与档位：如 priceMinUsdGte、priceMaxUsdLte、priceSweetSpotMinUsdGte/Lte、priceEntryClickSharePctAtLeastGte、priceMidClickSharePctAtLeastLte、priceHighClickSharePctAtLeastGte 等。
- 人群画像：如 demoPrimaryAgeMinGte、demoPrimaryAgeMaxLte、demoGenderDominant、demoPrimaryIncomeTier、demoLifeStageTagsContains 等。
- 产品特征：如 featureNewAvgReviewCountAtLeastLte、featureEstablishedAvgReviewCountAtLeastLte、featureEmergingTrendTagsContains、featureUncommonFeatureTagsContains、searchTopCategory1Label 等。
- 评论洞察：如 reviewPositiveTop1Topic、reviewPositiveTop1PctAtLeastGte/Lte、reviewNegativeTop1Topic、reviewNegativeTop1PctAtLeastGte/Lte、reviewNegativeTop2Topic、reviewStrategicInsightTagsContains 等。
标签类字段（如 featureEmergingTrendTagsContains、demoLifeStageTagsContains、reviewNegativeTop1Topic）接受 snake_case 词片段，采用 LIKE 匹配，建议传入词根（如 size、parent、cordless）以覆盖归一化变体。
使用方式
API 端点：POST /amazon/opportunity/searchByMetrics（完整参数、响应与错误码见 references/api.md）。
Python 脚本：python scripts/amazon_opportunity_screener.py '<JSON 参数>' [--inline]
筛选参数均可选，但必须至少提供 keyword / nicheName 之一或任一指标筛选条件，全空调用会被拒绝。建议首次调用使用 2–4 个强筛选条件加 limit=25；若结果为空或过少，应放宽最强的一条筛选而非叠加新条件。不要静默添加用户未提出的筛选条件。
输出策略（脚本默认行为）：完整响应始终写入 <cwd>/linkfox/<YYYY-MM-DD>/<session>/data/linkfox-amazon-opportunity-search-by-metrics-<timestamp>.json（禁止写入 /tmp，当前目录不可写则报错）；响应体 ≤ 8 KB 时落盘后打印完整 JSON，> 8 KB 时仅输出摘要（顶层字段、total/costToken 等计数、最大列表字段长度加前 3 条样本）；加 --inline 可强制全量打印。读取数据时建议先看摘要，再用 jq 或 ConvertFrom-Json 从保存的 JSON 文件按需抽取字段，避免整份 JSON 进入上下文。
典型查询示例：
- 关键词反查细分市场：{"keyword": "whoop band", "limit": 25}
- 新人友好低竞争：{"nicheBrandCountLte": 20, "featureNewAvgReviewCountAtLeastLte": 500, "limit": 25}
- 高增长蓝海（同比 ≥100%，品牌尚未涌入）：{"nicheSearchVolumeYoyChangePctAtLeastGte": 100, "nicheBrandCountYoyChangePctAtLeastLte": 30, "limit": 25}
- 中档价格空白（低价主导、中档稀缺）：{"priceEntryClickSharePctAtLeastGte": 70, "priceMidClickSharePctAtLeastLte": 5, "limit": 25}
- 尺码痛点切入：{"reviewNegativeTop1Topic": "size", "reviewNegativeTop1PctAtLeastGte": 70, "limit": 25}
- 高收入女性驱动的高档友好市场：{"demoGenderDominant": "female", "demoPrimaryIncomeTier": "high", "priceHighClickSharePctAtLeastGte": 25, "limit": 25}
- Q4 季节性与峰值搜索 ≥10 万：{"nichePeakMonthGte": 11, "nichePeakMonthLte": 12, "nichePeakSearchVolumeAtLeastGte": 100000, "limit": 25}
- 追踪某品牌周边赛道：{"featureTopBrandsContains": "WHOOP", "limit": 50}
认证与算力
未配置 API Key（环境变量 LINKFOX_AGENT_API_KEY 或 LINKFOXAGENT_API_KEY 缺失）、响应返回 401/402、或提示算力/余额不足（含“余额不足/quota exceeded/insufficient balance/套餐到期/需充值”等含义）时，按 references/onboarding.md 引导处理。
算力消耗按动态规则计费：消耗算力 = 1.5 × (N ≤ 25 ? 5 : 5 + ceil((N - 25) / 5))，N 为接口实际返回条数；即使 N = 0，只要接口成功也按 15000 计费。该计费按倍数动态计算，可能一次性消耗大量算力，须提醒用户并由用户决定是否继续。同一会话同一参数组合默认只调用一次，脚本带 24 小时本地缓存；失败或空结果不得自动换关键词、翻页或改邮编连续试探，需继续检索时应先说明会产生额外消耗。
适用场景
以业务语言描述选品标准、需要匹配候选细分市场的场景，例如：低竞争/新人友好/品牌轻度的品牌密度筛选；品牌退场（品牌数同比下降）；高速增长赛道；中档蓝海；高档友好或高收入人群；性别主导市场；父母/学生/退休/健身爱好者等生命周期标签；尺码/质量/耐用性痛点；舒适或性价比驱动的卖点；跟踪某品牌周边的所有赛道；Q4 季节性、Prime Day 窗口等。
不适用的场景：需要针对单一关键词的完整 AI 报告；ASIN 级竞品调研与销量估算；实时关键词排名与搜索词挖掘；美国以外的站点；通过 @智能数据查询 对细分市场做分组聚合统计（结果不落仓，无法二次聚合）。
限制
- 仅支持美国站（amazonDomain = US）；用户请求其他站点时应告知暂不支持。
- 无分页参数，只能通过增大 limit（最大 200）扩大候选池，结果按采集时间倒序。
- 必须至少提供一个筛选条件，否则调用被拒绝。
- 数据为快照：记录由历史机会报告聚合而来，新报告会随时间刷新数据池，但单条记录并非实时；当结果看起来过时或与用户外部认知矛盾时需提示这一点。
- 粒度为细分市场/关键词级，非 ASIN 级；需深入细分市场内具体商品时应转交商品搜索类工具。
- 输出为数据呈现：以对比表格形式渲染返回的细分市场（细分市场名/关键词、市场规模、增长、品牌数、价格区间、关键标签），不给出主观商业建议；需回显所用筛选条件；结果为空或过短时建议放宽最强筛选条件；查询失败时依据 msg 字段说明原因（最常见为参数全空）并建议至少添加一个筛选条件；结果不落仓，无法进行分组统计，需分组时应在本地计算或先拉取更大 limit。
反馈
当技能功能或目的与实际行为不符、结果与用户意图不符、用户表达不满或赞赏，或存在可改进之处时，按 references/api.md 通过反馈 API 自动检测并上报，不打断用户流程。