OpenClaw Skill 每日推荐 - 购物与电商
「OpenClaw Skill 每日推荐」第 25 期。每天从 awesome-openclaw-skills 的 30 个分类中取一个，精选代表性 skill 深入介绍。今天是 购物与电商（Shopping & E-commerce）。
今日分类概述
购物与电商分类共收录 51 个 skills，是整个 skill 生态里”烟火气”最重的分类之一。粗看一遍清单，你会发现它覆盖了交易的完整链路：
- 买前：商品搜索（dupe 找同款、marktplaats 逛二手市集）、比价（csfloat 查皮肤行情）、灵感收集（add-wish 万能愿望清单）
- 买中：对话式下单（buy-anything、moltpho 自主购物）、外卖点餐（food-order、checkers-sixty60、irish-takeaway）、买菜（gurkerlcli、gousto）
- 买后：订单管理（amazon-orders）、寄件物流（atoship 比价下单）
- 清单侧：anylist、listonic 购物清单同步
- 卖家侧：商品图视频生成（eachlabs-product-visuals）、Shopify 店铺管理（clawpify）、数字产品销售（whop-cli、clawver-digital-products）、评价处理（clawver-reviews）
- 金融支付边角：moonpay（给 agent 充值）、sp3nd（USDC 买 Amazon 商品）、mt5-httpapi（MetaTrader 5 交易）
有意思的是，这个分类里还混进了几个”看起来不太像购物”的成员——动森大头菜价格预测器 turnip-prophet、日本央行数据 boj-mcp、耶路撒冷咖啡店搜索 jlm-coffee。这也侧面说明：凡是”花钱”的场景，大家都在想办法让 agent 接手。
下面精选 5 个最能代表这个分类的 skills 详解。
精选 Skill 详解
1. amazon-orders —— 让 agent 管好你的订单历史
链接：github.com/openclaw/skills/…/amazon-orders
核心功能：通过非官方 Python API 和 CLI 下载并查询你的 Amazon 订单历史。买了什么、花了多少、什么时候到的，全部变成 agent 可查询的结构化数据。
实用场景：
- “我上个月在 Amazon 花了多少钱？” —— agent 拉取订单记录，按月汇总
- “去年买的那个降噪耳机什么型号来着？” —— 按关键词搜历史订单
- “这个包裹到底发货了没？” —— 查最新订单的物流状态
- 年度消费复盘：配合数据分析 skill 生成消费报告
技术实现：从描述看，它封装了 Amazon 的非官方订单 API，提供 Python 库 + CLI 双入口。OpenClaw agent 通过执行 CLI 命令获取 JSON 结果，再交给模型理解和汇总。登录态走本地 cookie/session，无需在对话中暴露密码。
推荐指数：⭐⭐⭐⭐⭐
入选理由：它是这个分类里”风险最低、价值最直接”的一个——只读不写，不碰你的钱包，却把最烦的”翻订单”体验彻底改变。所有人都用得上。
2. buy-anything —— 对话式购物结账
链接：github.com/openclaw/skills/…/buy-anything
核心功能：通过对话式结账直接在 Amazon 购买商品。你说”帮我买一箱农夫山泉”，agent 走完搜索、选品、下单全流程。
实用场景：
- 日用品补货：”猫粮快没了，按上次那个牌子再来一袋”
- 定期采购自动化：结合 cron 定时任务，每周自动下单耗材
- 帮家人代购：口头描述需求，agent 挑选并下单
技术实现：基于 Amazon 的对话式购物结账能力（conversational checkout），agent 充当你的购物代理，在会话中完成商品确认和支付流程。这类 skill 的关键设计在于”确认环节”——下单前向用户展示购物车明细，确认后才执行。
推荐指数：⭐⭐⭐⭐
入选理由：Agentic shopping 的代表作，真正把”嘴上说一句就买到”变成现实。扣一星是因为涉及真实支付，建议配好 spending limit 再放开用。
3. atoship —— 寄件比价 + 折扣面单
链接：github.com/openclaw/skills/…/atoship
核心功能：AI 帮你寄快递——横向比较 USPS、FedEx、UPS 三家费率，购买折扣面单，全程跟踪物流。
实用场景：
- 个人卖家发货：出个二手物件，agent 自动比价选最便宜的渠道
- 小团队发货台：把”打印面单”这件事变成一句”把这单寄了，选最便宜的”
- 物流追踪：发货后主动汇报异常（延迟、派送失败）
技术实现：atoship 本身是一个集成了多家承运商 API 的寄件服务，skill 封装其能力供 agent 调用。比价 → 下单 → 出面单 → 追踪是一条完整的物流工作流，agent 只需在关键节点（确认价格、确认收件地址）请求授权。
推荐指数：⭐⭐⭐⭐
入选理由：把一个高度碎片化的线下流程（开三个网站比价、手填地址、贴单）压缩成一次对话。对经常寄件的人是实打实的省钱 + 省时间。
4. anylist —— 购物清单的 agent 化
链接：github.com/openclaw/skills/…/anylist
核心功能：通过 AnyList 管理买菜和购物清单——增删条目、勾选已完成项、跨设备同步（AnyList 本身有 iOS/Android/Web 客户端）。
实用场景：
- 语音/聊天记账式加购：”牛奶没了” → agent 自动加进清单
- 从菜谱生成清单：看到一道菜谱，agent 把缺的食材批量加入
- 家庭共享清单：你在通勤路上对 agent 说”周末火锅，把这些加上”，家人打开 App 就能看到
技术实现：对接 AnyList 的私有 API（逆向实现），agent 直接操作你账号下的清单数据。与同类 listonic（对接 Listonic）二选一即可，取决于你在用哪家清单 App。
推荐指数：⭐⭐⭐⭐
入选理由：购物清单是最适合 agent 介入的”低风险高频”场景——说错了顶多多买瓶酱油，但它把”随手记”这件事的摩擦力降到了零。
5. eachlabs-product-visuals —— AI 生成电商商品图
链接：github.com/openclaw/skills/…/eachlabs-product-visuals
核心功能：生成电商级的商品摄影图和视频——把手机随手拍的商品图，变成有专业布光、场景化背景的宣传素材。
实用场景：
- 独立卖家上新：一款产品 5 张不同场景的主图，不用租摄影棚
- A/B 测试素材：同一商品批量生成多种风格的 listing 图，看哪张转化好
- 社媒带货内容：短视频素材批量产出
技术实现：基于 EachLabs 的 AI 图像/视频生成管线，输入商品原图 + 风格描述，输出成品视觉素材。对 OpenClaw 而言就是”收图 → 调 API → 回传成图”的流水线，可以和其他 skill 串联（比如生成完直接由 clawpify 上架到 Shopify）。
推荐指数：⭐⭐⭐⭐
入选理由：这个分类不止服务买家，卖家侧的 skill 同样亮眼。商品图是电商的”门面”，AI 生成让小卖家第一次拥有了和大品牌同等质量的视觉能力。
应用场景总结
把 51 个 skills 按角色归纳，能看到三条清晰的主线：
① 买家的完整购物代理add-wish（种草）→ dupe（找同款/平替）→ buy-anything / moltpho（下单）→ amazon-orders（查订单）→ atoship（退换货寄件）。这条链路里每一段都有 skill 接管，理论上你可以全程只用嘴完成一次购物。
② 卖家的轻量电商工作台eachlabs-product-visuals（做图）→ clawpify（Shopify 上架）→ clawver-reviews（处理评价）→ whop-cli（卖数字产品）。对独立开发者和小卖家来说，一个人 + 一个 agent 就是一个迷你电商部门。
③ 生活半径的延伸
买菜（gurkerlcli、gousto）、点外卖（food-order、checkers-sixty60）、逛二手市集（marktplaats、marketplace-clis）、找餐厅（ontopo）。这些区域性强、平台分散的服务，恰好是 skill 生态最擅长的”长尾整合”。
推荐指数排名
| 排名 | Skill | 定位 | 推荐指数 |
|---|---|---|---|
| 1 | amazon-orders | 订单历史管理 | ⭐⭐⭐⭐⭐ |
| 2 | buy-anything | 对话式购物 | ⭐⭐⭐⭐ |
| 3 | atoship | 寄件比价物流 | ⭐⭐⭐⭐ |
| 4 | anylist | 购物清单 | ⭐⭐⭐⭐ |
| 5 | eachlabs-product-visuals | 商品图生成 | ⭐⭐⭐⭐ |
（同星级的按”上手门槛从低到高”排序：只读的先试，碰钱的最后开。）
实用建议
先只读，后写入，最后才碰支付。这个分类里 skill 的风险等级差异巨大：amazon-orders 只读零风险，anylist 最多改个清单，而 buy-anything / moltpho / sp3nd 涉及真实资金。建议按”只读 → 清单 → 下单”的顺序逐级放开权限。
给花钱类 skill 设硬上限。无论是 Amazon 对话购物还是 sp3nd 的加密货币支付，都建议在服务端预设单笔/单日消费限额，agent 能做的永远不超出你的容忍度。
清单类 skill 是最佳入门点。anylist / listonic 几乎零风险，但能让你完整体验”自然语言 → 结构化操作 → 跨端同步”的 agentic 流程，很适合作为第一次玩购物类 skill 的起点。
卖家侧的组合拳价值更大。单个 skill 只是工具，串起来才是自动化：eachlabs 出图 → clawpify 上架 → atoship 发货 → clawver-reviews 回评，一条龙跑通后，”上新一个产品”的时间成本从几小时降到几分钟。
分类清单来自 awesome-openclaw-skills，明天介绍：智能家居与物联网（smart-home-and-iot）。