用 Jev 一小时左右筛完 8 万件电商商品

发布时间：2026-09-27

一个面向亚马逊 FBA 和 TikTok Shop 的大批量选品示例：把利润、FBA 尺寸、侵权风险和起订量放进每件商品的一次 Jev 请求，8 万件商品约 5 美元、一个多小时筛完。

1. 第 1 步

   选品的难点在筛，不在找

   在 1688 这类货源网站搜“露营灯”这种大词，会跳出几万条结果，大多是陷入价格战的同款。人工看详情页，看几十个就看不动了，最后只能凭直觉挑样品。选品真正贵的是筛选，而筛选恰好就是一组窄而明确的判断题。

2. 第 2 步

   8 万件商品要花多少钱、多少时间

   用 TypeSafe 公开的价格和限额算一笔账，以 8 万件商品为例。按官方建议，把同一件商品的 5 个问题放进一次请求：Jev 只读一遍商品信息，就回答所有问题。标题、价格、规格和一段简短描述，加上问题，大约 1,500 个输入 token，8 万次请求约 1.2 亿 token。按每百万输入 token 0.042 美元计算（输出 token 免费），总共约 5 美元。耗时由限流决定，而不是模型速度：按默认每分钟 1,200 次请求，8 万次请求一个多小时跑完。官方说限额仍在调整，也有更高档位，开跑前先看 TypeSafe 模型页上的最新数字。

3. 第 3 步

   亚马逊 FBA 的四道关，一次请求问完

   做 FBA 精品，每件商品问四个问题再加一个渠道判断：用 Score 判断净利润空间，用 Score 判断 FBA 尺寸档位，用 Noul 判断商标或外观专利风险，用 Noul 判断起订量是否允许小批量试单。Score 按你写的等级从低到高返回，四个等级就是 0 到 3 分，可以落在两级之间。淘汰线写在代码里，比如 margin 至少 2、ip_risk 低于 0.2。

   {
     "model": "jev-latest",
     "state": {
       "product": "Solar collapsible camping lantern",
       "supplier": "1688 Gold Supplier, 6 years, 4.8 rating",
       "unit_cost_usd": 3.2,
       "target_amazon_price_usd": 21.99,
       "weight_g": 180,
       "size_cm": "12 x 8 x 8",
       "moq_pcs": 50,
       "listing_text": "Waterproof IPX6, built-in 4000mAh power bank, CE/RoHS certified, generic brand, no logos."
     },
     "questions": {
       "channel": {
         "type": "choice",
         "instructions": "Which cross-border sales channel suits this product best?",
         "criteria": {
           "amazon_fba": "Amazon FBA private label: steady search demand, repeat utility",
           "short_video": "Shopify or TikTok Shop: impulse buy driven by a visual hook",
           "b2b_wholesale": "Bulk B2B resale",
           "unsuitable": "Not worth selling cross-border"
         }
       },
       "margin": {
         "type": "score",
         "instructions": "After FBA fees and shipping, how much net margin does the gap between unit_cost_usd and target_amazon_price_usd leave?",
         "criteria": [
           "Loses money after FBA fees",
           "Thin margin, under 15%",
           "Healthy margin, 15% to 35%",
           "Strong margin, over 35%"
         ]
       },
       "fba_size": {
         "type": "score",
         "instructions": "How friendly are weight_g and size_cm to Amazon FBA size tiers?",
         "criteria": [
           "Oversize or heavy: expensive to ship and store",
           "Large standard: workable but costly",
           "Small standard: cheap to ship and store"
         ]
       },
       "ip_risk": {
         "type": "noul",
         "instructions": "Does listing_text suggest a trademark, design patent, or brand look-alike risk?"
       },
       "moq_ok": {
         "type": "noul",
         "instructions": "Is moq_pcs low enough for a small seller to order a first test batch?"
       }
     }
   }

4. 第 4 步

   短视频渠道要换一组问题

   做 Shopify 独立站和 TikTok Shop，关卡就变了：产品能不能在视频前几秒展示价值，解决的痛点是否一眼看懂，价格是否在冲动消费区间，这个卖点在广告库里是不是已经被投烂。每一项写成单独的 Score 或 Noul，阈值集中放在一个文件里，方便调。

5. 第 5 步

   人只看短名单，不看整个货盘

   按综合得分排序，只把前几百个交给人去查供应商、下样品单。置信度可以作为第二道筛子：置信度低的 Choice 或 Score，说明这件商品值得人看一眼，而不是自动通过或淘汰。本文的数字是一个演算示例，不是实测案例；先用第一批样品测出自己的命中率，再信任这些阈值。

6. 第 6 步

   怎么把流程跑起来

   把商品导出成表格（标题、价格、规格、重量、起订量、描述），用官方 SDK 每行发一次 Jev 请求，遇到 429 和 529 按退避策略重试，再把分数写回表格的列里。先在 Jev Playground 里用几条真实商品试一下问题写得对不对。

← 所有指南 · 在线运行 Jev