#WorkBuddy# 用 AI 维护一个商品数据库：从网页采集、解析导出到模糊匹配的完整链路

#WorkBuddy# 用 AI 维护一个商品数据库：从网页采集、解析导出到模糊匹配的完整链路

我要解决什么

十几家店里同款商品在各店的分类、模板、绑定关系不完全一致，靠脑子记必出错。我要的是：一个本机商品数据库，随时能问"这个型号在哪些店、绑了什么模板、状态是什么"。

链路拆解（四步）

第一步：采集。 让 AI 驱动浏览器进入后台商品管理页，按品牌关键词搜索，读取列表行的标题/编号/状态。注意点：分页器切 50 条/页再全量读；同品牌商品要按"创建时间倒序"取完整列表。

第二步：解析导出文件。 后台导出的是带格式的表格文件，直接解析会遇到合并单元格、表头行偏移。做法：AI 写解析脚本 → 抽出"型号、店铺、状态"三要素 → 输出标准 JSON。

第三步：模糊匹配。 标题写法五花八门："F5 Pro"、"F5Pro"、"F5 pro"是同一个 SKU。匹配规则用"品牌 + 型号"双字段：型号做大小写归一 + 去空格比对。有个血的教训：只用品类词（如"健身车"）匹配会把不同品牌的同品类混在一起，曾导致误判"已存在"而跳过、甚至改错别家商品的分类。型号级匹配之后这类事故归零。

第四步：查询服务。 一个 lookup(型号) 函数，AI 对话里直接问："GT5 绑了什么模板？"→ 返回店铺、模板、绑定时间。语音指挥也能命中。

数据长什么样

{"model": "M5", "brand": "易跑", "stores": [
  {"shop": "A1", "template": "T1", "status": "bound"},
  {"shop": "A2", "template": "T2", "status": "bound"}
]}

维护节奏

数据库不是建完就完：每次批量任务完成后，让 AI 把本次变更写回数据库（追加式，保留历史），每周人工抽验 5 条。现在这个库 1000+ 条记录，查询秒回。

一点体会

这类"多店铺/多账号对账"需求，传统做法是写死一套爬虫，改一次业务改一次代码。用 WorkBuddy 的方式是：AI 直接在对话里驱动浏览器采集 + 落 JSON，业务变了改的是对话指令不是代码。对非程序员来说，这个模式的门槛低得多。