01
系统总览
System Overview
3
协作 Agent
选品 / 建联 / 上架
16+
核心工具
数据抓取 · 智能分析 · 自动执行
$90
月运行成本
按需弹性伸缩
5
AI 模型
Sonnet / DeepSeek / GLM / Gemini
核心能力矩阵
TikTok Shop 选品分析
TikTok热门/话题趋势 + 亚马逊市场验证 → AI选品报告 → 供应商排序
达人自动建联
TikTok/IG达人发现 → WhatsApp个性化触达 → 对话跟踪
TikTok Shop 智能上架
选品数据 → 商品详情+短视频脚本 → TikTok Shop一键上架
知识库与学习
历史选品案例 → RAG增强推理 → 逐步微调专属模型
系统架构
LavaClaw Gateway
🔍
Agent1
选品分析
sourcing
开发进度0%
🤝
Agent2
达人建联
outreach
开发进度0%
📦
Agent3
智能上架
listing
开发进度0%
🗄️ 共享 Workspace + RAG 知识库
↓ ↓ ↓
🎵 TikTok Shop / 1688
趋势数据 & 供应链
💬 WhatsApp / Baileys
达人通信渠道
🏪 TikTok Shop / 亚马逊
主+辅销售渠道
技术栈
Claude Sonnet 4.5
DeepSeek V3.2
GLM-5
Gemini 3 Pro/Flash
Qwen VL Max
Puppeteer
Baileys
OpenRouter API
RAG
Cloudflare Pages
TikTok Shop API
TikTok API
架构决策：单Gateway多Agent — 一个进程省资源，Agent间内存隔离互不干扰，配置集中在 openclaw.json 维护成本低，规模化再拆分。
02
三Agent详细设计
Agent Details
🔍
Agent1 · 选品分析
以TikTok Shop为核心，发现爆款趋势 → 亚马逊验证需求 → 1688匹配供应链
开发进度0%
$15-25/月
▼
主模型
Sonnet 4.5
辅助-抓取
DeepSeek V3.2
辅助-中文
GLM-5
辅助-视觉
Gemini 3 Pro
核心工具集
tik_trend_trackerTikTok热门/话题/带货数据
tik_shop_analyzerTikTok Shop竞品店铺分析
review_analyzer亚马逊评论情感+痛点提取
supplier_scraper1688供应商数据采集
profit_calculator全成本利润计算(含TK佣金)
image_comparator供应商图vs实物图对比
选品逻辑：
TikTok热门发现 → 亚马逊评论验证需求 → 1688匹配供应商 → 全成本计算 → 输出选品报告
🤝
Agent2 · 达人建联
关系驱动的建联引擎，个性化触达+对话跟进+防封号
开发进度0%
$40-60/月
▼
主模型
Sonnet 4.5
通信渠道
WhatsApp (Baileys库)
核心工具集
whatsapp_senderWhatsApp消息发送
creator_finder达人搜索(TikTok/IG)
msg_generator个性化消息生成
followup_scheduler跟进消息调度
conversation_tracker对话状态追踪
⚠️ 防封号规则引擎
频率控制
- 消息间隔 30-180秒随机
- 每小时 ≤15条
- 每天 ≤80条新联系人
消息去特征化
- 每条长度变化（短/中/长交替）
- 段落结构变化
- emoji随机 0-3个
- 开头称呼变化
行为模拟
- 优先回复已有对话
- 模拟"先看再回"延迟
- 偶尔发图片/语音
号码管理
- 冷启动用小号
- 同IP限5-8号
- 规模化切Business API
📦
Agent3 · 智能上架
从产品信息到TikTok Shop高转化商品页+短视频脚本，一键上架
开发进度0%
$15-25/月
▼
主模型
Sonnet 4.5
辅助-翻译
DeepSeek
辅助-视觉
Gemini 3 Flash
主平台
TikTok Shop
核心工具集
tk_listing_writerTK商品标题/描述/属性生成
video_script_gen带货短视频脚本生成
image_qc主图合规质检(白底/水印)
keyword_researcherTK搜索关键词+热搜词
tk_shop_uploader对接TikTok Shop API上架
03
Agent协作机制
Collaboration
数据流
Agent1 选品分析 → TikTok趋势+亚马逊验证+1688供应链 → 输出选品报告
Agent2 读取报告提取达人画像 · Agent3 生成TK商品页+短视频脚本
Agent2 达人建联 → WhatsApp个性化触达 + 对话跟进 → workspace/outreach/
达人反馈写入 workspace/feedback/ → 通知Agent1更新选品判断
Agent3 智能上架 → TK商品页+短视频脚本 → TikTok Shop上架完成
上架完成 → 通知Agent2可以发样品给达人带货
共享 Workspace
workspace/
├── sourcing/ # Agent1 产出
│ ├── reports/ # 选品报告
│ ├── tik_trends/ # TikTok热门数据
│ ├── suppliers/ # 1688供应商数据
│ └── amazon_validation/ # 亚马逊需求验证
├── outreach/ # Agent2 产出
│ ├── campaigns/ # 建联活动
│ ├── templates/ # 消息模板
│ └── contacts/ # 达人联系人库
├── listing/ # Agent3 产出
│ ├── 产品名-TK/ # TikTok Shop商品页
│ └── 视频脚本/ # 带货短视频脚本
├── feedback/ # 跨Agent反馈
└── knowledge/ # RAG知识库
├── cases/ # 历史选品案例
├── rules/ # 业务规则
└── market/ # 市场数据
Agent间通信
推荐
📁 文件共享
Agent写入workspace，其他Agent按需读取。简单可靠，通过文件名约定和数据格式约定保证一致性。
实时
🔀 Gateway消息转发
Agent A → Gateway → Agent B。适合实时通知场景，在 openclaw.json 的 bindings 中配置路由规则。
自动化
📡 事件订阅
Agent订阅workspace目录变更，有新文件/更新时自动触发。适合"选品报告一出就自动开始建联"。
典型协作：TikTok新品上线全链路
Day 1-2
Agent1 抓取TikTok热门趋势 + 亚马逊评论验证 → 输出选品报告
Day 2-3
Agent3 基于选品报告生成TK商品页 + 带货短视频脚本
Day 3-5
Agent2 开始达人建联（同步进行），WhatsApp个性化触达
Day 5-7
Agent3 完成图片质检 + TikTok Shop上架
Day 7+
Agent2 跟进达人反馈，发样品安排带货
04
技术实现
Technical Stack
模型路由决策
默认：Sonnet 4.5（所有Agent主模型）
DeepSeek
简单格式化/翻译 · 批量抓取清洗 · 省60%成本
GLM-5
中文内容理解 · 供应商沟通
Gemini 3 Pro/Flash
图片对比/质检 · 主图合规检测
降级策略
主模型限流 → 自动降级DeepSeek
⚠️ 子Agent模型必须显式传model参数（bug #10963/#18787/#47358）· DeepSeek V4旧模型名7月24日废弃，用 deepseek-v4 而非 deepseek-chat
工具实现方案
05
部署方案
Deployment
1
开发调试（本地）
- 单台电脑跑Gateway
- 手动测试各Agent
- 用 openclaw agents list --bindings 验证路由
- 预计 1-2 周
2
上线初期（2-3台VPS）
- VPS-1：Gateway + Agent1 + Agent3
- VPS-2：Agent2（WhatsApp，独立IP）
- VPS-3（可选）：备用/测试
- 不同IP避免WhatsApp关联封号
- 预计 2-4 周调稳
3
规模化
- WhatsApp切Business API
- 多号并行建联
- Gateway做负载均衡
- 监控告警接入
- 持续迭代
06
成本总览
Cost Overview
Agent1 选品 $15-25/月
Agent2 建联 $40-60/月
Agent3 上架 $15-25/月
VPS $20-40/月
合计 $90 - 150 / 月
07
已知风险与对策
Risks & Mitigations
WhatsApp封号
严重
防封号规则引擎 + 多号 + 小号冷启动
1688反爬
高
CDP手动登录 + 降频 + IP轮换
子Agent模型配置bug
高
显式传model参数，不依赖默认值
多Agent路由bug
高
openclaw agents list --bindings 验证
DeepSeek旧模型名废弃
中
7月24日前切换新模型名
OpenRouter限流
中
准备备用Provider（硅基流动/Anthropic官方）
08
开发路线图
Roadmap
💬
意见反馈
Feedback
有任何想法或建议？
提交反馈后将发送至项目邮箱，我们会认真阅读每一条。