近期，AMZ Helper 完成了一次底层架构与交互界面的全面重构。旧版本采用“单一助手+功能按钮”的模式，新版本则引入多 Agent 分工机制，左侧设置通用助手、市场调查、分析报告等独立智能体，并支持用户自定义创建 Agent。
此次调整旨在解决随着接入能力增多，单一聊天框难以清晰分配工作任务的问题，通过界面与底层的双重升级，提升工作效率与体验。
架构重构：从单助手到多 Agent 分工
核心看点：
- 助手职能精细化分工
- 差异化工作流配置
- MyLevis MCP Hub 数据接入
- 支持自定义 Agent 创建
WHY CHANGE
为何拆分原有单一助手
早期设计倾向于由一个 Agent 解决所有问题，通过切换功能按钮应对不同场景。然而，随着任务复杂度增加，这种模式暴露出局限性：市场调查需明确产品与站点范围并查询外部数据；评论分析则需基于已有材料进行统计，无需重复市场调研；日常 Listing 优化与运营讨论更不需要完整的调查流程。
混合处理导致用户需频繁理解按钮区别，助手也需在不同逻辑间切换。基于 FastClaw 的 Agent 架构，新版 AMZ Helper 将能力重新划分为三类：
- 通用助手：处理日常问答与临时性运营问题；
- 市场调查：专注于竞品分析与市场数据调研；
- 分析报告：针对已有的评论、调查结果等材料进行深度整理与分析。
用户在左侧选择对应 Agent，右侧查看历史会话。每次具体任务开启独立会话，既明确了“由谁执行”，又保留了上下文连续性。
— AMZ Helper 界面变更为按工作类型选择 Agent
WORKFLOWS
同底层架构，差异化工作流
不同 Agent 虽共享同一底层架构，但配置了差异化的工作流、API 及 MCP（模型上下文协议）：
- 市场调查 Agent：保留原有的调查流程，集成 Sorftime 等数据能力，先确认调查目标，再按需获取并整理数据；
- 分析报告 Agent：聚焦于已有材料的处理，如评论分析时需保留依据、统计问题频次并区分原文与推测；
- 通用助手：适用范围更广，仅在需要时调用外部工具查询数据。
这种设计降低了用户的使用门槛，无需理解复杂的 Agent 与 Skill 术语，只需根据任务类型选择对应助手并提交材料即可。未来新增业务场景时，也可通过添加独立 Agent 快速适配。
DATA SOURCES
通用助手接入 MyLevis MCP Hub
本次更新将 MyLevis MCP Hub 正式接入通用助手。首批集成 SIF、卖家精灵和 Sorftime 的部分查询工具，覆盖评论摘要、评论详情、关键词及流量数据。
在实际应用中，用户可在讨论产品时直接指令通用助手查询相关数据，并基于结果进行深入追问，省去了手动登录服务商后台查询、复制数据的繁琐步骤。
MCP 作为 Agent 连接外部工具的桥梁，通过 MyLevis Hub 整合多家服务商资源，避免了数据来源单一化。需注意，目前仅开放选定查询工具，若服务商未覆盖对应站点或商品，系统将如实反馈无数据，严禁模型虚构数值。
— 各 Agent 配备专属工作流与数据工具
YOUR AGENT
支持自定义 Agent 创建
若预设 Agent 无法满足特定需求，用户可创建个性化 Agent。例如，针对客服反馈整理场景，可设定“按问题分类、保留原文、列出待办事项”的规则。后续处理同类材料时，直接在该 Agent 下开启新会话即可。
目前网站支持 Agent 的创建、修改与删除，创建过程不消耗积分，任务执行按页面提示计费。
注：当前开放的是 Agent 名称与用途的自定义。MCP 与 Skill 的深度配置暂未对普通用户开放。FastClaw 底层支持更深度的定制，适合团队在本地部署时接入自有 API、MCP 及工作流。
WORKBENCH
沿用 FastClaw 工作台交互
前端界面升级至新版 FastClaw 工作台布局，并适配 AMZ Helper 的品牌视觉元素。此举旨在同步 FastClaw 在会话管理、文件处理及工具调用等方面的最新能力，避免重复开发独立工作台。
对用户而言，变化不仅在于左侧 Agent 列表的增加，更体现在会话隔离、工具执行过程可视化、文件预览与下载等功能上，同时保持网站整体视觉风格的一致性。
FIELD TEST
实际任务测试与验证
案例测试：评论分析任务
使用一份包含 12 条虚构评论的数据进行全流程测试：上传材料、分类统计、生成文件及连续追问。重点验证了当筛选“负面评论”时，系统能否基于子集（10 条）重新计算比例，而非沿用总量分母。此外，还验证了分析报告 Agent 对同一批材料的二次整理能力。
在外部数据方面，测试了关键词趋势、商品流量及评论摘要的查询，确保数据真实返回、来源清晰，且会话刷新后记录可追溯。测试中发现的文件下载、范围确认及提示语等问题均已修复。
— 正式环境下的分析结果与文件交付示例
LOCAL PRACTICE
本地实践：内外部数据打通
在本地环境中，通过 FastClaw 结合赛狐 ERP 的 API 与 MCP，实现了内部业务数据与外部市场数据的融合分析。例如，在制定产品策略时，既能获取外部竞品与市场信息，又能调取内部经营数据，从而提供更精准的决策支持。
这种模式体现了 FDE（Field Driven Engineering）理念，即深入业务现场，打通团队既有系统、数据与日常任务。FastClaw 完善的接口与管理能力为此提供了坚实基础。
线上版 AMZ Helper 优先提供已标准化的能力，用户既可直接使用预设 Agent，也可将常用任务固化为自定义 Agent。未来将根据实际需求，持续扩充助手类型与数据工具。
END
作者：Terry，专注 AI、跨境电商及 Agent SaaS 实际应用研究。