翻到第二十個競品頁時，
你已經忘了第一個寫了什麼。
判斷一個品值不值得做，意味著要把二十個 listing、一份供應商報價單、一份退貨政策和幾百條評論同時裝在腦子里，然後對它有個感覺。感覺那部分是你真正擅長的。裝在腦子里那部分不具備擴展性——這也是為什麼一晚上看的第三個品，比第一個品得到的審視要差。
可以交出去的那部分「讀」
每次都以同樣結構回來的打分
類目可行性、價格帶、競品格局、毛利假設、供應鏈風險，按固定結構回來——因為這才是讓兩個候選品能比較的前提。每次都被你改一遍的提示詞，產出的是兩份沒法並排看的報告，而並排看恰恰是你在兩者之間選的時候需要的。
拿報價單去對評論
供應商說防水。同一個貨換三個牌子在賣，那邊的評論說第四個月接縫處漏水。這兩份檔案就在同一個檔案夾里，把它們放在一起看，是你下第一單、訂一個櫃之前最便宜的一道檢查。
決定還沒做的時候，先把店的東西起草出來
商品標題、描述、FAQ、退貨說明、第一版廣告角度，都可以在你還沒定之前先寫出來。早寫不是倉促，反而讓決定更好——因為你會發現自己到時候實際要聲稱什麼。起草的成本就是一次模型呼叫，不碰任何線上的東西。
那些其實誰也沒有的數字
對 AI 選品的失望，大半來自期待它擁有它本來就不會有的資料。
沒有搜索量，沒有銷量估算
Helium 10、Jungle Scout、Keepa 花錢買的是你沒別的途徑拿得到的平台資料，這裡一樣都沒有。問題是「上個月有多少人搜這個詞」，那要買訂閱；問題是「你手上這些數字撐不撐得起這個類目，以及 listing 到時候該怎麼寫」，那是這裡的活。
展示銷量和 BSR 是指標，不是事實
平台展示的銷量、BSR、熱度分、評論總數、第三方估算，全都帶誤差；每個數字旁邊會寫明它從哪來，你可以自己掂量，而不是繼承別人的信心。
它不替你下單
最終的採購、備貨、投放和定價決策，設計上就歸你——因為它們取決於你的現金、供應商賬期，以及你能吞下多少風險，而這些不在你給它的任何一個檔案里。食品、保健、美妝、兒童、醫療器械、寵物食品、電器這類高風險類目，證據門檻會提高，人工復核是必需的而非建議。
把它對準一個類目之前
它會去爬供應商和平台的站嗎？
預設不爬，也絕不越過任何屏障。登入、驗證碼、反爬、權限、付費 API 限制一律不繞；要自動採集，必須你確認授權、登入狀態、平台條款和採集頻率。實際上多數調研用導出檔案和儲存下來的頁面就跑得很好，大家也確實是這麼乾的。
這就是網上寫的那套 Claude Code dropshipping 配置嗎？
同樣的幾塊東西，只是終端那部分已經替你做好了。那些指南講的是：agent 每次都會讀的規則檔案、作為任務手冊的 skill、並行做調研的子 agent、碰線上店鋪資料前的確認步驟。這四樣在這裡都是應用自帶的；你習慣 Claude Code 的話，它也能從裡面被驅動。
它能順便把 Shopify 店也搭了嗎？
要放進店裡的東西它都能起草，也能通過連接器跟 Shopify Admin 通信；但那個連接器是原生集成，要你用自己的 Shopify 應用和 API 權限配起來，不是一鍵連上。它不會做的是：替你發佈、改價、花錢。
跑一遍調研要多少錢？
應用免費，MIT 許可；變量是模型用量。一次讀二十個競品頁是很大的上下文讀取，所以在你排三十個品下去之前，值得先弄清自己是直接付給供應商還是走 Orkas 套餐。兩種都不按品數或報告份數收費。