作者｜文定

編輯｜白婉佳

“用上龍蝦（ OpenClaw）之后，我就琢磨一件事，瀏覽器自動化。一個多月時間，我已經實現商品自動上架、抓取店鋪數據。”大偉（化名）告訴派代，龍蝦的能力很強大、很復雜，他自己琢磨不明白，就死磕一件事。

大偉從事電商行業近10年，在一家食品公司負責運營工作，手里有7家京東店、1家拼多多店、1家淘寶店，年銷售額數千萬元。

“我們這樣的小公司，運營負責人，就是個打雜，啥都要干。”大偉表示，正是這種“什么都得干”的狀態，加上龍蝦爆火，把他一步步推向了自動化。

很多運營工作的難，不在專業門檻有多高，而在于它們太碎、太重復、太耗人。

比價要分析、報表要整理、商品要上架，店鋪還不止一個，很多動作單看都不復雜，疊在一起卻會把人困在后臺里。大偉透露，自己研究自動化，“純粹就是個人一點愛好”，但這個愛好不是憑空長出來的，而是被業務逼出來的。

讓他對這件事動心的，是一段更早之前的經歷。

2020年，他在另一家公司做運營，因為產品多，他每天都要做比價。他就開始學編程，“那時候我就用一個Excel表就做好了一個爬蟲，原本要干半天的比價工作量，我20分鐘搞定了。”

從那時起，他就意識到，很多運營動作不是不能自動化，而是以前沒人真把它拆開。接觸龍蝦，他也不是一上來就會，寫代碼編程也只是知道一點點，并不精通。

大偉說，“3月中旬我找你（大管家）進派代「龍蝦電商」交流群的時候，才剛開始研究，還很小白。把這套流程跑出結果，也就一個多月的時間。”

一步一步把后臺拆開

實現商品自動上架

很多人對龍蝦期待很高，以為自動上架，只需要發一句“幫我發商品”就結束了。實際上，這個過程，對人類來說很簡單，但對AI來說，是多個復雜的步驟，需要被拆成了連續的動作，具體要分四步走：

第一步，把商品發布頁面打通，不求一口氣上完整個商品，只求腳本能準確打開指定鏈接，穩定到達上架頁面。

第二步，是只做最簡單的一件事，比如先填標題。讓龍蝦打開頁面，再把標題填進去。標題跑對了，才繼續往后走。

第三步，是去啃最麻煩的參數區，里面有很多框要填寫，所以要反復測試。

第四步，再拆詳情頁、頭圖、主圖這些板塊，讓每一塊都能單獨跑順。

最后再把這些流程，寫成固定腳本，給龍蝦調用。只有把一個完整流程切成幾段，一個板塊一個板塊啃，腳本才有機會穩定下來。

京東商品自動上架腳本，圖源大偉

大偉透露，“我做的是京東商品上架，我們品不多，一周就上新一兩個，但是京東的后臺，比淘寶、拼多多頁面復雜，不同框的邏輯不一樣，所以我當時就研究這個框的邏輯，怎么去選中它，怎么填寫好我要的信息，就這個卡了我最久。”

難點還有很多。比如發貨地，不是選完湖北就結束了，還要繼續往下點武漢，屬于連續選擇；再比如使用人群、商品屬性、發貨模板，不同字段對應的是不同的操作邏輯，有的是勾選，有的是復選，有的是下拉框。

大偉有些選擇框“跑了幾個小時沒跑通”，后面才一點點把位置和邏輯摸出來。

龍蝦調用上架腳本，圖源大偉

把這些細節摸清以后，他才開始把整條鏈路拼起來，這個過程耗時七八天，京東自動上架才算基本做成。

最初上架成功率有90%，后面繼續修，已經能做到95%左右。

更關鍵的是，他不是只在一個類目里跑通。大偉透露，自己連續測過5個商品，滋補、手機殼這些跨類目商品都跑過，結論是“京東平臺全類目都可以實現”。

一套腳本跑全類目

靠的是參數表、圖片空間和店鋪協同

大偉后來能把上架做成可復用流程，關鍵不在腳本寫得多復雜，而在他把“固定動作”和“變化信息”分開了。

不同商品、不同類目、不同店鋪之間，變化最多的就是參數。

比如品牌、使用人群、七天無理由退換貨、運費模板、類目屬性這些內容，都可能不一樣。大偉的經驗是，直接用Excel表來調整參數。腳本負責跑固定流程，表格負責承載可變信息。

這套表格在他的流程里非常關鍵。自動上架進入第二階段后，大偉把步驟繼續往前推進。

第一步，是在 Excel 表里把商品信息一行一行填好，一行對應一個商品。

商品上架參數（部分）

第二步，是把類目、參數、品牌、模板、圖片信息都寫進對應字段，讓腳本只負責讀取，而不再臨場判斷。

第三步，是讓腳本根據表里的類目信息，自動選類目、自動跳轉到對應發布路徑，再把每個字段填進去。

把信息填好之后，它就自己會讀內部信息，然后圖片空間的文件夾，然后讀商品參數，它就會自己填。

到這一步，流程已經不再是“某個商品能不能發”，而是“不同商品怎么通過同一套邏輯去發”。

圖片處理這一步，大偉也沒有為了追求形式上的“全自動”硬碰硬。他沒有讓系統直接去選本地圖片文件夾，而是先把商品圖片，批量傳進京東后臺的店鋪圖片空間，再讓腳本在網頁端直接去選這些圖。

具體分為這幾個步驟：

第一步，先在 Windows 端，用微軟的OneDrive工具把準備上的商品信息和圖片整理好。

第二步，把這些圖片整包上傳到店鋪圖片空間。

第三步，等腳本跑到上架頁面以后，直接去網頁端調用已經上傳好的素材。

龍蝦自動調用商品圖

這里的坑是，龍蝦在操作瀏覽器時，選不了本地文件夾，或者上傳極不穩定。在大偉看來，與其把時間耗在一處不穩定的環節，不如先換一種能穩定跑通的辦法。

為了讓這套流程更順，大偉平時并不是在蘋果電腦上辦公，而是用 Windows 作為主工作電腦，把 Excel 表在 Windows 端整理好，再通過微軟的同步工具傳到蘋果電腦可讀取的位置。

這個過程很快，文件“在一分鐘左右就會同步到另外一個電腦上”，這樣他就能一邊用 Windows 做日常整理，一邊讓蘋果電腦專門跑自動化。

同樣的思路也延伸到了拼多多。拼多多上架“更簡單，沒京東那么復雜”。

因為它大量字段還是普通輸入框，不像京東有那么多復雜的連續選擇和勾選邏輯，改一改頁面元素，很多思路是可以直接復用的。

龍蝦自動填寫商品字段

雖然大偉手里的拼多多店只有1家，但跑通思路已經足夠讓他判斷，不同平臺頁面長得不一樣，真正決定難度的，是后臺控件邏輯。

至于淘寶商品自動上架，大偉目前還未進行測試。他判斷，淘寶自動上架方法應該差不多，只要沒有遇到額外的監測和攔截，就能跟京東、拼多多一樣，能順利上架商品。

不過要警惕的是，淘寶天貓生意參謀的反爬，抓得越來越嚴。大偉透露，3月初自己還用虛擬機跑過生意參謀，當時“沒有任何問題”，但3月底換到蘋果電腦再去試時，發現“根本沒有任何辦法，去做生意參謀的操作”。

大偉在龍蝦電商群交流

抓數據這件事

也得拆成明確的步驟

比起上架，大偉更看重的其實是數據下載。原因很簡單，他手里不是一個店，而是七家京東店。

一個店鋪每天要下5份商智報表，再加3份京準通報表，“等于1個店鋪有8份表”，7個店加起來就是56份。

這里面既有關鍵詞、交易、商品明細，也有推廣側的全站、快車、站外等報表。

京東后臺的8份數據報表

人工當然也能做，但問題是太碎、太慢，還得不斷退出、登錄、掃碼。大偉認為，“人工的話，一個是根本就做不了這么細，第二個的話很費時間，一個小時都搞不完。”

所以在抓數據這件事上，他同樣沒有依賴一句模糊指令，而是把流程拆成了連續步驟：

第一步，解決登錄問題。因為有七個店，他又不想把密碼直接交出去，很多店鋪只能掃碼登錄，這就意味著必須把不同店鋪，分開放進不同瀏覽器實例里，讓每個實例各自保存登錄狀態。

OpenClaw創建瀏覽器實例

第二步，把各個報表頁面的直達鏈接提前整理出來。直達鏈接是最快的，讓龍蝦點很慢，出錯概率也高。

第三步，是腳本進入商智和京準通后，按順序下載每一份報表，不再臨時找頁面。

第四步，把不同店鋪的數據按固定順序保存下來，避免中途串店、串表。

第五步，等原始數據下完，再往后接數據清洗和分析。

這套下載流程最能體現大偉的一線經驗。因為真正難的，從來不是讓腳本先跑起來，而是把最后那10%的問題修掉。

龍蝦的下載腳本“三四天就寫出來了”，初版都能運行，但后面還有很多 bug，要反復調。

比如不同店鋪之間元素會有細微變化，商智里交易數據和商品數據也不一定能沿用同一套邏輯，換個店鋪就得重新測，換個頁面就要補步驟。

大偉稱，“可能90%能正常跑，還有10%的有bug，又要花好幾天的時間，去修復剩下10%的bug，然后就可以穩定了。”

這里面的坑是，一定要部署本地龍蝦，不能用云端龍蝦。

3月初的時候大偉就是用云端，發現怎么都跑不順，為了研究這套流程，大偉在3月底，花八千多元，專門買了一臺蘋果電腦部署本地龍蝦。對于這筆投入，大偉說，“這東西肯定是趨勢，作為電商運營，我不能落后了，哪怕研究不出來東西，也虧不了多少錢，大不了把它賣了。”

云端最大的問題，不是跑不動，而是“不知道它在干嘛，看不到后臺的代碼”；而且“連升個級都升級不了”，虛擬機配置不低卻依然“卡卡的”。

本地部署最大的價值，不是更快，而是“直觀”。因為只有放在本地跑，你才能看到頁面怎么跳，哪里報錯，哪個彈窗被攔住了。

比如他后來給多個店鋪開不同瀏覽器實例，某次切店鋪登錄時，頁面會彈出一個鏈接，但被瀏覽器自動攔截了。這個問題解決起來并不復雜，“你點一下允許彈出鏈接就可以了”。這類情況如果放在云端，“你是根本發現不了這個問題的。”

用這套方法，他已經連續下載7個京東店鋪、20天的數據，“都沒有出錯”，到這里，自動下載數據系統算是跑通了。

他做出來的，是一套運營方法

大偉這套方法，都是非常具體的業務判斷。先找最小需求，從比價開始；跑通一個動作，再往下拆第二個；不好調的地方，就拆細；不好跑的環節，就換辦法。

圖片選不了本地文件，就先傳后臺圖片空間；類目參數差異大，就交給 Excel 表去承載；云端不直觀，就回到本地。一步一步拱下來，他做出來的不是一段偶爾能跑通的腳本，而是一套貼著業務、能反復復用的流程。

而這套流程還沒有停在“替人點鼠標”這一步。

大偉透露，自己下一步準備做的是數據清洗，再往后是數據分析。原始數據先沉淀下來，后面的日報、復盤、趨勢判斷，才有繼續做深的基礎。

對很多商家來說，大偉這段經歷最值得看的，是他已經先把那些最重復、最耗時間、最容易被忽視的動作拆開了。

很多自動化紅利，往往不是從一句大而空的話開始，而是從一個運營把自己每天到底在重復什么，先想明白開始。