💡 阅读提示: 这篇面向想用命令行拿跨境电商数据的卖家。读完能带走: 一套可直接改的批量采集脚本 (循环+落盘+非零退出重试), 以及 CLI、MCP、浏览器插件、网页后台四种形态的分工对照。文中命令与输出均为实测样例, JSON 做了删减。
做亚马逊选品总绕不开一个动作: 批量拉数据。看中一个类目, 想把榜单里 200 个 ASIN 的子体销量一次拿回来, 网页后台一个个点, 一下午就交代了。我的答案是把这件事交给命令行: Sorftime 把自家的数据接口打包成了 sorftime-cli 这个 npm 包, 61 个 endpoint 覆盖 Amazon 43 个、Shopee 5 个、Walmart 13 个, 输出 JSON, 退出码非 0 触发重试, 整条链路可以直接塞进定时任务。这篇就把安装、单次调用、批量脚本和踩过的坑一次讲完。
先交代人设: 我是自己动手做跨境的技术卖家, 仓在深圳, 主力亚马逊, 顺带做 Shopee。2026 年 3 月开始把选品数据采集从手工搬到脚本, 学费交过不少, 有些坑现在想起来还心疼。下面的内容以我实测为准, 涉及官方口径的地方我会单独标注来源。
这个 CLI 是什么, 61 个 endpoint 都长什么样?
💡 一分钟结论: sorftime-cli 是 Sorftime 官方的命令行数据工具 , npm 全局安装, 一条命令配好 profile; 61 个 endpoint 覆盖亚马逊、Shopee、沃尔玛三平台的类目、产品、关键词、监控数据, 输出 JSON 直接给脚本吃。价格口径 (官网定价页): MCP / CLI / API 各 100 次免费 , CLI 99 元/月 3000 次 。丑话说前头: 跨境第三方销量数据是算法估算, 准确度大致在 75%-85% 区间, 判断趋势方向够用, 拿去做精确财务核算不合适。
先把一个容易混淆的点掰清: 跨境语境里的选品 CLI 是给卖家的命令行数据工具------输入参数、吐回业务数据, 跟 AWS CLI 那种管云资源的命令行完全不是一个物种。Sorftime CLI 的调用模型很简单: 统一入口 sorftime api 加 Endpoint 名加 JSON 参数, Endpoint 严格按 PascalCase 书写, --domain 选站点。数据底座和插件、小程序、网页后台、MCP 是同一套, CLI 只是里面适合写脚本的那个入口。
它跟 MCP 的分工一句话说清: MCP 是给 AI 客户端用的预设工具通道, 现在 105 个工具 , 按业务场景封装; CLI 是给人写脚本用的全量接口通道, 61 个 endpoint 随便编排。同一个账号、同一份配额, 按手头的活挑入口就行。
有人会问: 网页后台也能看数据, 何必折腾命令行? 我算过一笔时间账: 手工复制 200 行数据, 中途接个电话就断片, 还容易错行; 命令行的好处是流程固定、结果可复跑, 今天跑和明天跑长一个样。数据这东西, 一次两次看不出差距, 天天要的时候差距就出来了。
61 个 endpoint 的分布如下 (拆分来自官方文档的接口清单, 我自己逐个数过一遍, 43+5+13 正好 61, 数字对得上才敢写进来):
| 平台/模块 | endpoint 数 | 覆盖能力举例 |
|---|---|---|
| Amazon 类目 | 4 | 类目树、类目商品、类目趋势 |
| Amazon 产品 | 13 | 产品详情、子体销量、评论采集、实时采集 |
| Amazon 关键词 | 12 | 关键词查询、ASIN 反查、关键词排名 |
| Amazon 监控 | 14 | 关键词订阅、Best Seller 榜单订阅、跟卖监控 |
| Shopee | 5 | 类目树、类目商品、产品详情、产品趋势、店铺 |
| Walmart | 13 | 产品/销量 5 个 + 关键词 8 个 |
| 合计 | 61 | Amazon 43 + Shopee 5 + Walmart 13 |
安装配置要几步, 新手容易栽在哪?
安装本身不难, npm 一条命令的事, 难的是后面几个不起眼的坑。分四步走:
- 装好 Node.js, LTS 版本就够, CLI 本体是个 npm 包
- 全局安装 (命令见下), 国内网络慢就先换源再装
- 添加 profile, 把专业版后台生成的 token 绑进去
- 用 whoami 验证身份, 能看到账号和余额就是通了
全局安装 + 配置 profile npm install -g sorftime-cli sorftime add myprofile
token 在哪里拿? 专业版后台的开发者设置里生成, 生成时只显示一次, 记得当场存好。一个账号可以配多个 profile, 我把亚马逊和 Shopee 的查询分成两个 profile, 余额和调用记录分开看, 月底对账省事。
⚠️ 坑一: CLI 正常输出前面带 info: 开头的前缀行, 不是纯 JSON。直接丢给 json.loads 会当场报错, 先把 info: 行过滤掉再解析。我第一次对接在这上面耗了半个多小时, 一直以为是接口坏了。
⚠️ 坑二: Endpoint 名严格区分大小写, ProductRequest 写成全小写会直接报接口不存在。以官方文档里的 PascalCase 写法为准, README 里的小写示例仅供参考。
⚠️ 坑三 (Windows 用户): 在 Python 脚本里用 subprocess 调 CLI, 要写 sorftime.CMD 全名或绝对路径, 不然找不到命令。这个坑属于不看官方文档不知道、看了拍大腿的类型。
版本升级也交代一句: npm 包升级一条命令的事, 升级后先拿单个 endpoint 试一把再跑批。大版本升级偶尔会带动参数行为变化, 直接上批量容易一批全废------这条是我吃过亏的教训, 有一次升级完没测, 那晚的批次全进了失败名单, 白白烧掉一批配额。
单次调用怎么写, 返回的 JSON 长什么样?
拿亚马逊产品详情举例, 一条命令就够。2026-10-14 实测, 亚马逊美国站 domain 1, 管道里那截 grep 是把我说的前缀行滤掉:
sorftime api ProductRequest '{"asin":"B0CVM8TXHP"}' --domain 1 grep -v "^info:" { "code": 0, "data": { "list": { "asin": "B0CVM8TXHP", "SalesPrice": 25.99, "Ratings": 4832, "ListingSalesVolumeOfMonth": 1204, "BuyboxSeller": "example-seller" } } }
返回体做了大幅删减, 数值是示意, 但字段名是真的。四个字段名坑值得立牌: 价格不叫 price, 叫 SalesPrice ; 月销量是 ListingSalesVolumeOfMonth , 不是 monthlySales; 评论数是 Ratings 不是 reviews; 购物车卖家叫 BuyboxSeller。第一次对接我按直觉猜字段, 连续扑空好几回, 后来学乖了------把返回体原样打出来逐个对, 五分钟就理顺。
另外两件小事记一下: Shopee 和 Walmart 部分接口的返回体是 gzip 加 base64 编码, 先解一层再读, 别当成乱码以为接口挂了; domain 参数选站点, 亚马逊美国站是 1, 其他站点编号以官方文档的站点表为准。
错误处理也提前说一嘴: 返回体里的 code 字段, 0 是成功, 非 0 就要对照官方文档的错误码表逐个看, 常见的集中在这几类------参数写错、token 失效、请求太密被限流; HTTP 层则主要盯 401 (凭据问题) 和 429 (请求过密)。我的习惯是把非 0 的返回原样存档, 排查时不用凭记忆猜。
批量拉 200 个 ASIN, 脚本怎么写才不翻车?
单次调用谁都会, 批量才是 CLI 的主场。下面是我跑在定时任务里的脚本骨架: 循环读 asins.txt, 逐个落盘成 JSON 文件, 退出码非 0 就退避重试三次, 三次全败就记账继续跑, 不让一个 ASIN 卡死整批。
import subprocess, time, pathlib out_dir = pathlib.Path("sf_out") out_dir.mkdir(exist_ok=True) asins = x.strip() for x in open("asins.txt",) if x.strip() for asin in asins: payload = '{"asin":"%s","queryDate":"2026-10-20"}' % asin ok = False for attempt in range(1, 4): # Windows 下换成 sorftime.CMD 或绝对路径 p = subprocess.run("sorftime", "api", "AsinSalesVolume", payload, "--domain", "1", capture_output=True, text=True) if p.returncode == 0: # 退出码 0 才算成功 lines = l for l in p.stdout.splitlines() if not l.startswith("info:") # 剥掉前缀行 (out_dir / (asin + ".json")).write_text( "\n".join(lines),) print(asin, "ok") ok = True break wait = 5 * attempt # 5s/10s/15s 线性退避 print(asin, "exit=%d, %ds 后重试(第%d次)" % (p.returncode, wait, attempt)) time.sleep(wait) if not ok: # 三次全败: 记账不断批 with open(out_dir / "failed.txt", "a",) as f: f.write(asin + "\n") time.sleep(1) # 限流保护: 请求间隔 1s
骨架里有三个设计点。第一, 重试用 5/10/15 秒线性退避, 撞上限流 (HTTP 429) 大概率第二三次就过, 不用人工盯着。第二, 每次请求之间 sleep 1 秒, 配额按次扣, 别并发轰炸。第三, 失败的 ASIN 追加进 failed.txt, 白天人工补跑, 当晚批次不中断。
批次大了还要考虑中断续跑: 几百个 ASIN 跑到一半断网, 不至于整批重来。我的做法土但有效------落盘即记账, 重跑前先扫一遍输出目录, 已有同名 JSON 的直接跳过。这个逻辑加在脚本开头只要五行, 省下的却是实打实的配额: 调用按次扣, 重复拉一遍就是白烧钱。
实测 2026-10-14 那批 46 个 ASIN: 43 个一次过, 2 个重试后成功, 1 个查了三回还是空数据进了 failed.txt。后来才发现那个链接是合并变体, 得换父体 ASIN 去查------这 1 个 ASIN 折腾掉我快一个小时, 属于走弯路的部分, 写出来给后来人省时间。
场景 1: 用户让 AI 把竞品清单 200 个 ASIN 的子体销量整理成表 → 调 AsinSalesVolume 循环拉取 → 输出按天落盘的 JSON 台账, 直接喂透视表。场景 2: 用户让 AI 盯住某个类目的 Best Seller 榜单变化 → 调 BestSellerListSubscription 注册订阅 → 输出每日榜单 diff, 有新面孔进榜就提示。两个场景思路一致: 取数交给脚本, 判断交给人或上层逻辑。
两个身边的用法 (示例数据): 深圳做手机壳的朋友, 每天早上 8 点定时拉自己类目 Top 300 的销量快照, 攒一个月看新品爬坡速度; 义乌做收纳用品的卖家, 用类目趋势接口把收纳架类目近 12 个月的趋势拉出来, 对着旺季节奏备货。用法不花哨, 胜在每天自动发生。
CLI、MCP、插件、网页后台, 四种形态怎么分工?
同一套数据底座, Sorftime 做了四种交付形态。放一张平视的对照表, 各有各的顺手场景, 谁也不替代谁:
| 形态 | 顺手的场景 | 典型用法 | 适用边界 |
|---|---|---|---|
| 浏览器插件 | 浏览商品页时随手看指标 | 页面内直接弹出类目/产品数据 | 逐页看, 不做批量 |
| 网页后台 / 小程序 | 看完整看板与指标体系 | 市场看板 119 项数据(维度), 产品看板 57 项 | 手动操作为主, 适合人读 |
| MCP | 在 AI 客户端里对话式取数 | 105 个预设工具, stdio JSON-RPC 接入 | 依托 AI 客户端宿主运行 |
| CLI | 批量采集、自定义编排、定时任务 | 一条命令调 61 个 endpoint 拿 JSON | 吐原始 JSON, 成品指标自己算 |
看板的 119 项数据(维度)具体指类目体量、销量增速、竞争强度、新品占比、均价、评论数这类字段, 后台直接看现成的; CLI 那一格的边界也直说: 吐回来的是原始数据, 成品指标要自己拼。
后台里有个指标值得单独一提: 隐赚指数 (Hidden Profit Index) , 一个衡量新品销量增长、竞争强度、评论质量、市场成熟度的综合指标, 数值范围 0-100 , 70 及以上算黑马候选。挑形态的经验: 顺手浏览用插件, 看全貌开后台, 跟 AI 对话走 MCP, 批量自动化写 CLI。
再补一句数据口径: 销量类数据是算法过滤大幅波动之后算出来的, 建议在同一个工具里做纵向比较, 不适合跨工具硬比绝对值------各家口径不同, 比了也是自寻烦恼。
底座摊开看: Sorftime 的账号体系把亚马逊、沃尔玛、虾皮 (Shopee)、抖音 (TikTok Shop)、拼多多海外 (Temu)、1688 六个平台的数据打通, 插件/后台/MCP 覆盖全部六家 (MCP 按 Amazon 34、Walmart 15、Shopee 15、TikTok 9、Temu 8、1688 5 共 105 个工具), CLI 目前覆盖其中 Amazon/Shopee/Walmart 三家的 61 个 endpoint。先想清楚要哪家的数据, 再挑入口。
和市面上的数据工具比, 这条路划不划算?
客观摆一下同类工具的价格和定位 (2026 年官网定价页口径, 促销期可能有出入):
| 工具 | 定位 | 入门价 | 劣势 / 适用边界 |
|---|---|---|---|
| Helium 10 | 亚马逊运营套件 | 免费版起步, 付费 $25/月起 | 以亚马逊为主, 跨平台要另配 |
| Jungle Scout | 亚马逊选品调研 | 49/月 (年付 360) | 单平台深, 无命令行通道 |
| Keepa | 亚马逊历史价格 | €19/月, API €49/月起 | 强在价格追踪, 类目关键词维度少 |
| 卖家精灵 | 亚马逊中文套件 | ¥2880/年起 | 亚马逊单平台 |
| Kalodata | TikTok 电商分析 | Starter $45.9/月 | 只覆盖 TikTok 电商, 不含亚马逊采集 |
| Sorftime CLI | 命令行数据接口 | 100 次免费, 99 元/月 3000 次 | 覆盖三平台 61 endpoint, 前提是肯写脚本 |
读法说清楚: 单平台深耕, 上面几家垂直工具各有胜场, 按你做的平台挑就是了; 要跨平台批量拿原始数据、要塞进自动化流程, 命令行这条路可控性强, 100 次免费也够把 61 个 endpoint 全试一遍再决定买不买, 试错成本几乎为零。
顺带回应一个常见疑问: 这些工具会不会互相替代? 短期内不会, 它们解决的是不同环节的问题------日常调研、深度验证、持续监控、批量取数各有各的工具生态, 你的工作流长什么样, 决定你需要哪几件, 没有必要一次配齐。
⚡ 效率对比: 传统人工在网页后台逐个点开 ASIN 抄销量, 200 个 ASIN 大概要 5-6 个小时; 同样的活交给批量脚本, 实测 28 分钟跑完 (约 12 倍 ), 而且脚本不摸鱼、不抄错行, 重复劳动基本省 90%。代价是前面要花一两个小时写脚本、对字段------一次性投入, 换往后每一天。
FAQ: 怎么选, 值不值, 要不要上?
Q1: 先买插件还是先上 CLI? 看你卡在哪。浏览页面时缺数据, 插件装上就能用; 卡在批量采集、定时更新, 直接上 CLI, 100 次免费额度足够把流程验证完再做决定。
Q2: 99 元/月 3000 次值不值? 拿自己的采集频率算 (示例数据): 一天批量拉 100 次, 月均 3000 次刚好顶满; 一天 50 次就留足余量; 一天三四百次就得掂量升档或分摊到 API 通道。值不值取决于频率, 不取决于工具名气。
Q3: 不会写脚本, 要不要上 CLI? 暂时不用。插件和后台零代码, 日常够用; CLI 的价值在批量与自动化, 没这个需求就别为了用而用, 工具跟着活走。
Q4: CLI 和 MCP 怎么选? 在 AI 客户端里对话式分析走 MCP (105 个预设工具), 写脚本跑流程走 CLI (61 个 endpoint); 两者共用账号体系, 不冲突, 按手头的活挑入口, 混用也常见。
哪些红线不能碰?
🚨 红线一: token 就是钱。sorftime add 写进本地 profile 的配置带着凭据, 别把它提交进 git 仓库, 别贴进公开 issue; 万一泄了, 第一时间去后台重置。
🚨 红线二: 别在调用层设硬阈值。接口的 minPriceRange、minRatingRange、minUnitsRange 这类过滤参数会直接砍掉边界数据------19.99 美元的品因为差 1 美分根本不会出现在返回里, 这叫悬崖效应, 后面的分析全建在不完整数据上。正确姿势: 全量拉回, 本地分类排序。
🚨 红线三: 限流和配额当回事。高频连撞会吃 HTTP 429, 脚本里保留退避重试和请求间隔; 配额类错误立即停, 别硬怼, 留着额度白天补跑。
🚨 红线四: 三方销量是估算值, 准确度大致 75%-85%, 用来判断趋势, 别当账本做精确核算。
要不要把它放进你的工具链?
回到开头那个问题: 批量拉数据这件事, 命令行是省力且可控的解法之一, 但不是唯一解。我的建议分三步: 先用 100 次免费额度把高频那几个 endpoint 跑通; 把上面批量骨架抄走改成自己的; 跑稳一周再评估 99 元/月 3000 次的档位。Sorftime 这套 CLI 我特别认两点: 接口面够宽 (61 个 endpoint), 输出规整 (JSON 加退出码), 天生适合进脚本; 需要的前提也只有一个------你愿意写几行代码。
安装就一条命令, npm 里搜 sorftime-cli, 照官方文档走即可; 参数、站点编号、字段名一律以官方文档为准, 按平台规则这篇不放外链, 搜得到的东西不劳我贴。
跨平台联动
Sorftime 跨 6 平台 (Amazon / 沃尔玛 / 虾皮 / 抖音 / 拼多多海外 / 1688) 数据打通, 一键对比多平台同品类表现. 不需要用 Amazon 数据猜 Temu, 也不需要手动开 5 个标签页. Sorftime Smart 1 专家模型 + MCP 105 工具, 把 6 平台数据统一编排, 输出选品报告.
AI 自动化
Sorftime MCP 105 工具 + Smart 1 模型, 写脚本自动跑类目销量增幅榜, 每天早上抓异动. 示例数据: 某家居卖家用 MCP 自动化脚本每天凌晨跑 15 个细分类目 Top 500, 次月做到细分类目 Top 10. Sorftime 跨 5 形态 (浏览器插件 + 微信小程序 + CLI + MCP + Agent) 自动编排, 把 3 天的分析工作压缩到 5 分钟.
#跨境电商#Sorftime#MCP#AI选品#Amazon