翻到第二十个竞品页时，
你已经忘了第一个写了什么。
判断一个品值不值得做，意味着要把二十个 listing、一份供应商报价单、一份退货政策和几百条评论同时装在脑子里，然后对它有个感觉。感觉那部分是你真正擅长的。装在脑子里那部分不具备扩展性——这也是为什么一晚上看的第三个品，比第一个品得到的审视要差。
可以交出去的那部分「读」
每次都以同样结构回来的打分
类目可行性、价格带、竞品格局、毛利假设、供应链风险，按固定结构回来——因为这才是让两个候选品能比较的前提。每次都被你改一遍的提示词，产出的是两份没法并排看的报告，而并排看恰恰是你在两者之间选的时候需要的。
拿报价单去对评论
供应商说防水。同一个货换三个牌子在卖，那边的评论说第四个月接缝处漏水。这两份文件就在同一个文件夹里，把它们放在一起看，是你下第一单、订一个柜之前最便宜的一道检查。
决定还没做的时候，先把店的东西起草出来
商品标题、描述、FAQ、退货说明、第一版广告角度，都可以在你还没定之前先写出来。早写不是仓促，反而让决定更好——因为你会发现自己到时候实际要声称什么。起草的成本就是一次模型调用，不碰任何线上的东西。
那些其实谁也没有的数字
对 AI 选品的失望，大半来自期待它拥有它本来就不会有的数据。
没有搜索量，没有销量估算
Helium 10、Jungle Scout、Keepa 花钱买的是你没别的途径拿得到的平台数据，这里一样都没有。问题是「上个月有多少人搜这个词」，那要买订阅；问题是「你手上这些数字撑不撑得起这个类目，以及 listing 到时候该怎么写」，那是这里的活。
展示销量和 BSR 是指标，不是事实
平台展示的销量、BSR、热度分、评论总数、第三方估算，全都带误差；每个数字旁边会写明它从哪来，你可以自己掂量，而不是继承别人的信心。
它不替你下单
最终的采购、备货、投放和定价决策，设计上就归你——因为它们取决于你的现金、供应商账期，以及你能吞下多少风险，而这些不在你给它的任何一个文件里。食品、保健、美妆、儿童、医疗器械、宠物食品、电器这类高风险类目，证据门槛会提高，人工复核是必需的而非建议。
把它对准一个类目之前
它会去爬供应商和平台的站吗？
默认不爬，也绝不越过任何屏障。登录、验证码、反爬、权限、付费 API 限制一律不绕；要自动采集，必须你确认授权、登录状态、平台条款和采集频率。实际上多数调研用导出文件和保存下来的页面就跑得很好，大家也确实是这么干的。
这就是网上写的那套 Claude Code dropshipping 配置吗？
同样的几块东西，只是终端那部分已经替你做好了。那些指南讲的是：agent 每次都会读的规则文件、作为任务手册的 skill、并行做调研的子 agent、碰线上店铺数据前的确认步骤。这四样在这里都是应用自带的；你习惯 Claude Code 的话，它也能从里面被驱动。
它能顺便把 Shopify 店也搭了吗？
要放进店里的东西它都能起草，也能通过连接器跟 Shopify Admin 通信；但那个连接器是原生集成，要你用自己的 Shopify 应用和 API 权限配起来，不是一键连上。它不会做的是：替你发布、改价、花钱。
跑一遍调研要多少钱？
应用免费，MIT 许可；变量是模型用量。一次读二十个竞品页是很大的上下文读取，所以在你排三十个品下去之前，值得先弄清自己是直接付给供应商还是走 Orkas 套餐。两种都不按品数或报告份数收费。