← 全部技能

多平台比价15 积分/次

沃尔玛商品详情

yasina-walmart-product-detail

抓沃尔玛单品页的条码、定价与卖家结构，条码可跨平台对同款。

下载此技能（56 KB）安装全部技能

这个技能能做什么

抓沃尔玛单个商品页的完整内容 —— 铺货到沃尔玛前，用这个看清同款在这边的定价、卖家结构与买家反馈。返回商品标题与描述（HTML 片段）、UPC 条码（**跨平台找同款的钥匙**：拿它去亚马逊搜就能对上同一个产品）、售价与单位价、币种（取页面真实值）、库存状态与限购数量、评分与评论数、图集、类目路径、规格参数表、制造商与型号、卖家（`Walmart.com` 是自营，其他是 marketplace 第三方）、**还有几个其他卖家在卖**（决定要不要再查多卖家报价）、报价类型（`STORE_ONLY` 表示只能到店买，线上根本不构成竞争）、配送与自提可用性、评论概要（星级分布、推荐率、买家高频提及词）。支持指定门店 ID（沃尔玛价格与库存**按门店不同**）与设备类型。当用户提到沃尔玛商品详情、walmart 单品、这个沃尔玛链接、沃尔玛这款多少钱、沃尔玛库存、有没有货、UPC、条码、跨平台找同款、同款对应、沃尔玛自营还是第三方、只能到店、门店价格、商品参数、买家怎么说、高频提及、walmart product detail, upc, in stock, store only, marketplace seller, specifications 时触发此技能。即使用户未明确提及“详情”，只要其需求涉及某个沃尔玛商品的具体情况、这款在沃尔玛卖多少、是不是自营、能不能在线买到，也应触发。不适用于：按关键词搜一批沃尔玛商品（用 yasina-walmart-search，先搜到再拿 `usItemId` 过来）、看全部卖家的报价对比（用 yasina-walmart-product-sellers）、亚马逊或 eBay 单品（各有专门技能）。

怎么用

复制下面这句话，发给你的 AI 助手（WorkBuddy、Claude Code、Codex 都可以）：

下载 https://plusskill.oss-cn-guangzhou.aliyuncs.com/skills/yasina-walmart-product-detail.zip 并安装这个 skill，然后阅读这个 skill 告诉我如何使用

助手会自动下载安装并读懂用法，然后告诉你能问它什么。首次使用它会引导你用手机号注册，赠送 50 积分。

入参

沃尔玛商品详情

POST /v2/walmart/product-detail

参数	类型	必填	说明	默认
`product_id`	string	是	取搜索结果的 `us_item_id`（不是 `product_id`）	—
`store_id`	string	否	门店 ID，影响库存与价格	—
`device`	string	否	desktop / tablet / mobile	desktop

返回值

字段	怎么用
`product_result`	单数 `product_result`（不是 results）：`us_item_id` / `title` / `seller_name` / `categories` / `manufacture_number` / `manufacturer`
`product_result.short_description_html / detailed_description_html`	两段文案都在，写 listing 时的主要参照对象。⚠️ 长描述的键名是 `detailed_description_html` —— 不叫 `long_description_html` 也不叫 `description`（那两个名字压根不存在，用它们读会得到 `None` 且不报错，看着像上游没长描述）。实测 4 个品类 × 5 个商品共 20/20 都有值：`short_description_html` 82~1925 字符、`detailed_description_html` 296~1866 字符
`product_result.specification_highlights`	`{key, value}` 列表，实测每个商品 8~23 条（`Volume capacity` / `Material` / `Color` 这类）。这是「该填哪些属性」最直接的参照 —— 沃尔玛的属性完整度直接计入 LQS 的内容分
`product_result.brand`	⚠️ 实测恒为空（20/20 全是 `None`）。要品牌名读 `manufacturer`（实测有值：`ThermoFlask` / `Neihepal` / `TAL`）
`product_result.upc`	UPC 条码。跨平台对同款的唯一可靠依据，搜索结果里没有这个字段，只能在详情里拿。 ⚠️ 拿它去搜亚马逊有静默误配：品牌标品可行（实调 Duracell `041333270357`、LEGO `673419282895` 首条都精确命中），但白牌/私标会返回一堆无关品而不是空结果（实调猫饮水机 `769293184605` 回 8 条烤箱点火器与咖啡豆）。用完必须核对标题的品牌与型号是否对得上，对不上就当「亚马逊无此同款」，不要取第一条
`reviews_results.ratings`	五档星级分布：`[{stars, count}]`，1★~5★ 各一条。实测合计与 `reviews.count` 严格相等（1761 = 80+71+177+271+1162）—— 算差评占比的分母只能用这里
`reviews_results.reviews`	聚合量：`count`(评论总数) / `rating`(综合分) / `recommended_percentage`(推荐率)
`reviews_results.reviews.customer_reviews[]`	评论正文，实测约 10 条（`title` / `text` / `rating`(int) / `review_submission_time`(`7/8/2026` 这种 M/D/YYYY 字符串) / `user_nickname` / `customer_type`(list，如 `['VerifiedPurchaser', 'Staff']`))。 ⚠️ 只有这一页，不能翻页、不能按星级筛 —— 上游的沃尔玛评论专用 engine 自 2026-09-25 起持续 503，我方已不提供那个技能，评论就这一个来源。所以这 10 条是样本观察，拿它当分母算占比一定是错的（分母用 `ratings`）
`reviews_results.reviews.top_positive / top_negative`	上游挑出的代表性好评与差评，字段同上，另有 `positive_feedback` / `negative_feedback`（这条评论被多少人点了有用/没用）。 ⚠️ 各是一个 dict，不是 list —— 当列表遍历会拿到一串键名字符串且不报错，静默产生垃圾数据
`reviews_results.reviews.top_mentions[]`	买家高频提及词 `[{name, count}]`。找候选问题词用它，但⚠️ 高频不等于差评 —— 排第一的常是正面词，要结合 `top_negative` 判断情绪
`search_information.location`	本次报价对应的门店：`postal_code` / `province_code` / `city` / `store_id`。 ⚠️ 不传 `store_id` 时上游会自己挑一个门店（实测只传 `product_id` 就回了 `{41042, KY, Florence, 1510}`）—— 也就是说价格与库存永远是某个具体门店的，不存在「全国价」，跨商品比价前先核对这里的 `store_id` 是否一致。好处是：`walmart/product-sellers` 的 `store_id` 是必填的，而它的值可以直接从这里取，不必另找

积分收费规则

15 积分/次。一次查一个商品。

沃尔玛的评论只能在这里拿（reviews_results）—— 约 10 条评论正文、五档星级分布、推荐率、上游挑出的代表性好评差评、高频提及词都在这一次调用里，不用再调第二个技能。

调用失败（参数错误、数据源不可用）不扣积分。

对应的 API 端点

POST/v2/walmart/product-detail

怎么直接调 API →用 MCP 接入 →

同类技能

eBay 商品搜索

搜 eBay 在售与拍卖商品，带已售件数，交叉验证价格水位与残值。

eBay 商品详情

抓 eBay 单品页的参数表、运费可达性、卖家信誉与本商品评论。

沃尔玛商品搜索

搜沃尔玛商品，评估同款在另一个渠道的价格与库存。