1688aiinfra/1688-product-to-ozon/SKILL.md
将1688的商品铺货到俄罗斯电商平台Ozon(上架),通过Ozon官方API实现商品信息的上传和状态查询。适用于需要将单个1688的商品上架到Ozon的场景。
npx skillsauth add openclaw/skills 1688-Product-to-OzonInstall this skill globally with one command. Works with Claude Code, Cursor, and Windsurf.
3 of 9 scanners reported clean
Some scanners were skipped, did not run, or reported a non-clean status. Review each row below.
本技能用于将1688的商品转化为对应的俄罗斯电商平台Ozon的商品数据,产出一个可以用于操作Ozon的上架API的JSON结构化数据。 之后再通过Ozon的开放平台的接口将商品信息上传到Ozon平台并查询上传结果。可以把1688的商品铺货到Ozon,上架到Ozon,上传到Ozon、上架Ozon、Ozon商品发布、Ozon产品上传、查询Ozon上传结果、铺货、1688商品铺货。
触发词:上传到Ozon、上架Ozon、Ozon商品发布、Ozon产品上传、查询Ozon上传结果、铺货、1688商品铺货。
用户说需要铺货到Ozon、上架到Ozon、上传到Ozon、Ozon商品发布、Ozon产品上传、查询Ozon上传结果、铺货、1688商品铺货等。
⚠️ 使用本 SKILL 前,必须先配置以下参数,否则铺货流程会失败。
| 环境变量 | 说明 | 必填 | 获取方式 |
|---------|------|------|---------|
| OZON_API_KEY | Ozon 卖家后台的 API Key | ✅ 必填 | 在 Ozon 卖家后台 → API 设置中生成 |
| OZON_CLIENT_ID | Ozon 卖家后台的 Client ID | ✅ 必填 | 在 Ozon 卖家后台 → API 设置中查看 |
| OZON_CURRENCY | 货币代码,必须与 Ozon 个人中心设置的币种匹配 | ✅ 必填(默认 RUB) | RUB(卢布)或 CNY(人民币),货币不匹配会导致 API 报错 |
| ALPHASHOP_ACCESS_KEY | AlphaShop API Access Key(用于图片翻译) | ✅ 必填 | 可以访问1688-AlphaShop(遨虾)来申请 https://www.alphashop.cn/seller-center/apikey-management ,直接使用1688/淘宝/支付宝/手机登录即可 |
| ALPHASHOP_SECRET_KEY | AlphaShop API Secret Key(用于图片翻译) | ✅ 必填 | 可以访问1688-AlphaShop(遨虾)来申请 https://www.alphashop.cn/seller-center/apikey-management ,直接使用1688/淘宝/支付宝/手机登录即可 |
如果用户没有提供这些参数,必须先询问用户获取后再继续操作。
⚠️ AlphaShop 接口欠费处理: 如果调用 AlphaShop 接口时返回欠费/余额不足相关的错误,必须立即中断当前流程,提示用户前往 https://www.alphashop.cn/seller-center/home/api-list 购买积分后再继续操作。
Ozon 密钥配置文件位置:~/.openclaw/skillconfig/1688-Product-to-Ozon/ozon_config.json
{
"OZON_API_KEY": "your-api-key",
"OZON_CLIENT_ID": "your-client-id",
"OZON_CURRENCY": "CNY"
}
AlphaShop 密钥在 OpenClaw config 中配置:
{
skills: {
entries: {
"1688-Product-to-Ozon": {
env: {
ALPHASHOP_ACCESS_KEY: "YOUR_AK",
ALPHASHOP_SECRET_KEY: "YOUR_SK"
}
}
}
}
}
dictionary_id > 0 的属性,必须先查询该属性的字典值列表error_attribute_values_out_of_range 错误工作流程:
queryOzonProperties.py 获取属性列表dictionary_id > 0 的属性queryDictionaryValues.py 查询可选值id 值(即 dictionary_value_id),填入商品数据使用 queryDictionaryValues.py 脚本查询字典值:
# 搜索模式 - 根据关键词搜索匹配的字典值(推荐,更精准)
python queryDictionaryValues.py \
--attribute_id 85 \
--description_category_id 17028922 \
--type_id 91565 \
--search "Нет бренда"
# 列表模式 - 列出所有可选值(当不确定关键词时使用)
python queryDictionaryValues.py \
--attribute_id 85 \
--description_category_id 17028922 \
--type_id 91565 \
--limit 50
参数说明:
--attribute_id: 属性ID(从 Step 2 获取的属性列表中取)--description_category_id: 描述类目ID(从类目映射结果中取)--type_id: 类型ID(从类目映射结果中取)--search: 搜索关键词(可选,用俄语,不传则列出所有值)--limit: 返回数量限制(默认50)输出格式: JSON 数组,每个元素包含 id(即 dictionary_value_id)和 value
这个是Ozon的结构实例,你需要按照这样的结构规范生成Ozon的商品数据,严格保持这个数据结构
{
"items": [
{
"attributes": [
{
"complex_id": 0,
"id": 5076,
"values": [
{
"dictionary_value_id": 971082156,
"value": "麦克风架"
}
]
},
{
"complex_id": 0,
"id": 9048,
"values": [
{
"value": "一套X3NFC保护膜。 深色棉质"
}
]
},
{
"complex_id": 0,
"id": 8229,
"values": [
{
"dictionary_value_id": 95911,
"value": "一套X3NFC保护膜。深色棉质"
}
]
},
{
"complex_id": 0,
"id": 85,
"values": [
{
"dictionary_value_id": 5060050,
"value": "Samsung"
}
]
},
{
"complex_id": 0,
"id": 10096,
"values": [
{
"dictionary_value_id": 61576,
"value": "灰色的"
}
]
}
],
"barcode": "112772873170",
"description_category_id": 17028922,
"new_description_category_id": 0,
"color_image": "",
"complex_attributes": [],
"currency_code": "RUB",
"depth": 10,
"dimension_unit": "mm",
"height": 250,
"images": [
"https://example.com/translated_image_2.jpg",
"https://example.com/translated_image_3.jpg",
"https://example.com/translated_image_4.jpg"
],
"images360": [],
"name": "一套X3NFC的保护膜。深色棉质",
"offer_id": "143210608",
"old_price": "1100",
"pdf_list": [],
"price": "1000",
"primary_image": "https://example.com/translated_image_1.jpg",
"promotions": [
{
"operation": "UNKNOWN",
"type": "REVIEWS_PROMO"
}
],
"type_id": 91565,
"vat": "0",
"weight": 100,
"weight_unit": "g",
"width": 150
}
]
}
定价规则优先以你的规则为准,如果没有指定定价规则,将会使用下面的定价逻辑,将这个价格配置到price中,old_price价格为空:
按照你的OZON_CURRENCY配置的币种,进行定价,最终决定这个商品在Ozon的售价;都需要使用1688的SKU的价格来进行定价
商品的图片需要翻译成俄语。使用本 skill 自带的 translate_images.py 脚本处理所有图片。
调用方式:
# 翻译单张图片
python translate_images.py --image-url "<图片URL>"
# 批量翻译多张图片(空格分隔)
python translate_images.py --image-url "<图片URL1>" "<图片URL2>" "<图片URL3>"
认证: 需要环境变量 ALPHASHOP_ACCESS_KEY 和 ALPHASHOP_SECRET_KEY。
脚本说明:
POST https://api.alphashop.cn/ai.image.translateImagePro/1.0)iss=AK, exp=now+1800, nbf=now-5,SK 为密钥)处理步骤:
translate_images.py 进行翻译translatedImageUrl 字段)primary_image 和 images 字段:
primary_image: 填入第一张翻译后的图片 URLimages: 填入剩余所有翻译后的图片 URL(数组),不包括 primary_image 中已填的那张⚠️ 必须上传所有图片,不能只传一张! 1688商品的所有主图和SKU图片都必须翻译并填入,primary_image 放第一张,images 数组放其余所有图片。
创建你的商品数据文件,存储到临时目录 tmp/my_products.json(tmp/ 目录已被 .gitignore 排除,不会上传到 git)
所有临时文件(商品数据、翻译缓存、类目ID等)统一存放在 tmp/ 目录下。
/v3/product/import端点上传商品数据。需要提供有效的ClientId和API Key进行认证。python upload_product.py --product-data my_products.json
/v1/product/import/info端点查询上传任务的状态和详细结果。
python check_status.py <task_id>
注意:如果有任意一个步骤失败了,都直接返回错误,不要想象,不要想象,不要想象
1. 用户输入1688商品信息
↓
2. AI模型:解析出1688的叶子类目(thirdCategoryId 或 categoryId)
↓
3. Python脚本`queryCategoryMapping.py`:查询类目映射 (1688类目ID → Ozon类目ID)
↓
4. AI模型:从上一步的结果中解析出来Ozon的类目(externalCategoryId,含description_category_id和type_id)
↓
5. Python脚本`queryOzonProperties.py`:通过externalCategoryId参数获取Ozon类目属性列表
↓
6 Python脚本`queryDictionaryValues.py`:对所有dictionary_id>0的属性,查询正确的dictionary_value_id,一定要执行,这里会影响到商品的上架
↓
7. 翻译图片:调用`translate_images.py`将商品主图和SKU图翻译为俄语
↓
8. AI模型:结合1688商品数据、Ozon属性要求、字典值、翻译后图片,生成符合Ozon上架规则的商品结构数据
↓
9. Python脚本:调用 upload_product.py 上传商品信息到Ozon
↓
10. Python脚本:调用 `check_upload_status.py` 查询商品上传状态(imported=成功)
↓
10. 输出:Ozon的上传结果
queryCategoryMapping.py查询1688到Ozon的类目映射
queryOzonProperties.py查询Ozon类目属性要求
queryDictionaryValues.py查询Ozon属性的字典可选值,支持搜索模式(按关键词搜索)和列表模式(列出所有值)
upload_product.py上传商品信息到Ozon
check_upload_status.py查询商品上传状态
translate_images.py调用AlphaShop图片翻译PRO接口,将商品图片中的文字翻译为俄语(源语种自动识别)
最后更新: 2026-03-16
tools
Use when the user wants to connect to, test, or use the McDonalds service at mcp.mcd.cn, including checking authentication, probing MCP endpoints, listing tools, or calling McDonalds MCP tools through a reusable local CLI.
development
Web scraping platform — Twitter/X data, Vinted marketplace, and general web scraping API
development
SlowMist AI Agent Security Review — comprehensive security framework for skills, repositories, URLs, on-chain addresses, and products (Claude Code version)
data-ai
去除中文文本中的 AI 写作痕迹,使其读起来自然。基于维基百科 AI 写作特征指南,检测 24 种 AI 模式。触发词:humanizer-cn、去除 AI 痕迹、去除 AI 写作痕迹、中文文本人性化。