跨境Ai视界 这两天把 AMZ Helper 重新整理了一遍。用过之前版本的朋友，进来应该能看出区别：原来是一个助手，配上几个功能按钮；现在左边放了几个 Agent，通用助手、市场调查、分析报告，各自负责一类事情。你也可以创建自己的 Agent。
这次连界面和底层都一起改了。原因很直接：随着接入的能力变多，继续往一个聊天框里加按钮，越来越难把工作安排清楚。
为什么把原来的一个助手拆开
以前我想的是，一个 Agent 尽量解决所有问题。要调查市场，就切到调查功能；要分析评论，就选分析功能。做得少的时候，这样用也可以。
但这些任务实际需要的东西不一样。
市场调查要先明确产品、站点和调查范围，再去查外部数据。评论分析如果已经有材料，就应该围绕这批材料做统计，不必再额外查一圈市场。日常改 Listing、讨论运营问题，又不需要每次都走一套完整的调查流程。
把这些事情放在一起，用户得先理解几个按钮的区别，助手也要在不同任务之间切换做法。所以这次我顺着 FastClaw 的 Agent 架构，把之前的能力重新分了一下。
现在有日常问题，先找通用助手；想了解市场和竞品，找市场调查；已经有评论、调查结果或者其他材料，要整理分析，找分析报告。
左边选负责这件事的 Agent，右边找它的历史会话。每次具体工作开一个会话，后面还可以接着问。这样一来，“找谁做”和“之前做到哪里”就比较清楚了。
这次调整的是工作的组织方式：不同任务交给对应 Agent，每个 Agent 保留自己的会话。
同样是 Agent，背后的做法可以不同
这次更新里，我比较看重的是这一点。
比如市场调查，我原来已经做了自己的调查流程，也接了 Sorftime 的数据能力。这部分可以继续放在市场调查 Agent 里：先确认要调查什么，再按需要取数、整理结果。
分析报告则围绕已有材料展开。拿评论做分析时，要保留依据、统计问题数量、分清原文和推测。它需要的是另一套处理方法。
通用助手的范围更宽，适合临时问题和日常工作，需要查外部数据时再调用相应工具。
也就是说，几个 Agent 虽然用同一套底层，但可以配置不同的工作流，使用不同的 API 和 MCP。后面增加一个业务场景，也可以单独加一个 Agent，把它的做法和工具接好。
我之前整理的 Agent 和 Skill，也因此有了一个更直接的使用入口。用户不用先看懂这些术语，选好助手，把问题和材料交给它就行。
通用助手接入 MyLevis，增加外部数据来源
这次还把 MyLevis MCP Hub 接到了通用助手。
之前项目里做过 Hub 的连接验证，但没有进入网站通用助手的实际调用流程。这次把这段接上了。首批使用 SIF、卖家精灵和 Sorftime 的部分查询工具，覆盖评论摘要、评论、关键词以及流量相关数据。
举个例子，你在讨论一个产品时，可以让通用助手查评论摘要、评论或者流量；想看一个关键词，也可以让它取相应的数据，再围绕结果继续问。这样就少了一步自己去服务商后台查询、复制回来。
MCP 可以简单理解成 Agent 使用外部工具的一种连接方式。MyLevis Hub 把多个服务商接在一起，我这边也就不必把通用助手的数据来源固定在一家。
当然，这次只开放了选定的查询工具，具体数据还要看服务商是否覆盖对应站点和商品。没有查到时就说明没有查到，不能让模型自己补一个数字出来。
通用助手使用首批 MyLevis Hub 查询工具；市场调查保留自己的流程和数据接入；分析报告主要处理已有材料。
现成的可以用，自己的也能建
如果我提供的几个 Agent 不完全符合你的工作，可以创建自己的。
比如你经常整理客服反馈，就建一个“客服反馈整理”，把用途写清楚：每次按问题分类，保留原文，最后列出需要跟进的事项。以后换一批材料，直接在这个 Agent 里开始新会话。
当前网站已经可以创建、修改和删除自己的 Agent，创建本身不收积分，执行任务按页面提示计费。
这里也说清楚目前的范围：网站开放的是 Agent 名称和用途的自定义，MCP、Skill 还没有做成让普通用户自己配置的页面。FastClaw 底层支持更深的定制，我现在先把已有业务能力接好、跑顺。自己部署或者给团队做适配时，再按需要接自己的 API、MCP 和工作流。
界面跟着 FastClaw，保留网站自己的样子
这次底层升级到新版 FastClaw，前端也沿用了它的工作台布局和交互方式，再适配 AMZ Helper 的配色、图标、账号和积分。
FastClaw 最近更新比较频繁，我希望后面能继续跟上它的会话、文件、工具调用等能力。所以这次没有另外设计一套完全不同的工作台，而是在它的基础上把网站需要的部分接好。
对用户来说，变化不只是左边多了几个名字。会话按 Agent 分开，工具执行过程可以看到，生成的文件可以预览、下载。切回网站设置页，视觉上也保持一致。
底座来自 FastClaw，这里也感谢作者。Agent 的创建、运行和管理能力是它原生提供的，我做的是业务流程、数据工具和网站产品这一层的适配。
改完之后，拿实际任务试一遍
这一轮我用一份明确标注为虚构的 12 条评论做了完整试用：上传材料、分类统计、生成文件，再接着追问。
里面有 10 条负面评论。后面要求只看负面评论时，助手需要按 10 条重新计算比例，不能继续拿全部 12 条当分母。同一批材料交给分析报告 Agent，也要能继续整理成报告。
外部数据也按同样的方法验收：在正式网站里查关键词趋势、商品流量和评论摘要，检查有没有实际返回数据，来源是否说清楚，会话刷新后还能不能继续看。
这类小任务很适合查问题：文件有没有读进去，数字对不对，追问能不能接上，最后能不能下载。试用中发现的下载、范围确认和提示文字等问题，也一起修复了。
正式站点截图，使用虚构评论示例，账户标识和积分余额已隐藏。
具体更新放在网站的更新日志里。小样本能检查流程，业务结论是否可靠，还需要继续用真实问题测试。
我自己在本地，还会把内部数据接进来
FastClaw 我自己也在本地真实使用。内部用的是赛狐 ERP，通过它提供的 API 和 MCP 拿业务数据，再结合外部 MCP 服务商的数据一起分析。
比如讨论一个产品接下来怎么做，外部能看到市场和竞品，内部能看到自己的经营情况。把两边放在同一个问题下，才能进一步讨论适合自己的策略。现在我们已经在实际场景中把内外部数据打通，还在做大量测试，核对数据口径和分析结果。
这也是我觉得 FastClaw 适合团队在本地、局域网里使用，以及做 FDE 的原因。放到具体工作里，FDE 就是到业务现场，把团队已有系统、数据和日常任务接起来，边用边改。FastClaw 比较完整的接口和管理能力，给这件事提供了基础。
网站上的 AMZ Helper，先把已经整理好的能力放出来，让大家直接用。你可以用我做好的 Agent，也可以把自己的常用任务固定成一个 Agent。后面我会继续按实际工作需要，补充不同助手和数据工具。
我是 Terry，持续关注 AI、跨境电商和 Agent SaaS 的实际应用。
