1. 执行层：为什么 n8n 为这个系列收尾
这个系列的前五篇在不同的房间里回答了同一道题：agent 怎样摸到实时 Amazon 数据？Meta Muse 走了自定义连接器，Claude Code 走了 --header 参数，ChatGPT 走了开发者模式 Token，Workbuddy 走了 Skill 市场，IDE agent 走了编辑器内 skill。它们都有一个共同前提：聊天窗口前坐着一个人，在提问。
n8n 把这个人拿掉了。它是无人值守的执行层：按定时醒来、拉数据、做判断、发通知——在你睡觉的时候。如果说总纲论证的是 agent 为什么需要实时商业数据（总纲），这一篇回答的是没人盯着的时候，谁去跑腿。
先把诚实声明放在前面：Pangolinfo 没有原生 n8n 节点，ScrapeHero 在 2026 年 9 月已经有了。下面是通用的、完整可用的路径——定时触发器 + HTTP Request + 凭证管理，不宣称比原生集成更强。它的赢面在另一个维度：跑的正是本系列自 10 月 12 日以来一直在测量的那套投诉挖掘协议，只不过是自动的。
2. Pattern 1：定时评论挖掘 → 投诉预警
这是值得完整做出来的模式，因为它占着一个真实空位：n8n 监控亚马逊价格的模板一抓一大把，把亚马逊评论监控、做成投诉预警的完整指南几乎没有。工作流每天跑一次，拉取你 ASIN 的最新评论，按投诉主题给 1–2 星评论分类，记住已经见过的内容，只在出现新的差评时才 ping Slack，每次运行都归档到 Google Sheets。
节点 1——Schedule Trigger：每天 02:00 UTC
频率是设计决策，不是默认值。评论按天累积，亚马逊评论页在美国时间的后半夜趋于稳定，更重要的是——每多跑一次都是 API 点数（第 4 节算账）。每天 02:00 UTC 是本系列的既有测量协议：同一时间、同一批 ASIN，数字才可比。
节点 2——HTTP Request：Pangolinfo 评论调用
没有原生节点，这个节点就是集成。配置：
- Method: POST —— URL:
https://scrapeapi.pangolinfo.com/api/v1/scrape - Authentication: Generic Auth Type → HTTP Header Auth。新建一个叫
Pangolinfo Bearer的凭证：Name 填Authorization，Value 填Bearer <你的token>。key 只活在凭证里，不进工作流 JSON，不进表达式。 - Body（JSON）：
{
"url": "https://www.amazon.com/product-reviews/B0FQFB8FMG",
"parserName": "amzReview",
"format": "json"
}parserName: amzReview 选中评论解析器；format: json 返回结构化数据（按文档的格式计费，json 为每次请求 1 credit）。ASIN 多了就复制这个节点或在外面套循环——蓝图里只留一个 ASIN，让 JSON 保持可读。
返回包长这样（字段名已对官方文档核实）：
{
"code": 0, "message": "ok",
"data": { "json": [ { "code": 0, "data": {
"reviews": [
{ "reviewId": "R12W2XCCBZMJK9", "title": "...", "content": "...",
"star": "5.0 out of 5 stars", "author": "DJPizzaboi",
"date": "July 20, 2025", "helpful": "4 people found this helpful",
"purchased": true, "vineVoice": false, ... }
] } } ],
"url": "...", "taskId": "..." }
}下游 Code 节点读的是 data.json[0].data.reviews，这条路径是整个工作流依赖的契约。
节点 3——Code：分类，还要记住
这个节点干 HTTP 节点干不了的两件事：判定什么算投诉，以及记住已经告警过的内容，避免同一条评论 ping 你两次。Code 节点设为 “Run Once for All Items”，粘贴：
const staticData = $getWorkflowStaticData('global');
const seen = staticData.seenReviewIds || {};
const THEMES = [
{ id: 'noise', label: '降噪/音质', kws: ['noise', 'anc', 'sound quality', 'hiss', '降噪', '音质'] },
{ id: 'pairing', label: '配对/连接', kws: ['pair', 'connect', 'bluetooth', 'drop', '配对', '连接'] },
{ id: 'battery', label: '电池/续航', kws: ['battery', 'charge', 'drain', 'dies', '电池', '续航'] },
{ id: 'compat', label: '兼容性', kws: ['compatib', 'not work with', 'ipad', 'iphone', '兼容'] },
{ id: 'defect', label: '故障/品控', kws: ['broke', 'stopped working', 'defect', 'dead on arrival', '故障'] },
];
const results = [];
for (const item of $input.all()) {
const payload = item.json?.data?.json?.[0]?.data || {};
const reviews = payload.reviews || [];
const asin = payload.asin || 'B0FQFB8FMG';
const seenIds = new Set(seen[asin] || []);
const fresh = [];
for (const r of reviews) {
const id = r.reviewId || `${r.author}-${r.date}`;
if (seenIds.has(id)) continue;
seenIds.add(id);
if (!/^([12])\.0/.test(String(r.star || ''))) continue; // 只收 1–2 星
const text = `${r.title || ''} ${r.content || ''}`.toLowerCase();
const themes = THEMES
.filter(t => t.kws.some(k => text.includes(k.toLowerCase())))
.map(t => t.label);
fresh.push({
reviewId: id, date: r.date, star: r.star, author: r.author,
title: r.title, helpful: r.helpful, verified: r.purchased, themes,
});
}
seen[asin] = [...seenIds];
results.push({
json: {
asin,
newCritical: fresh.length,
totalScanned: reviews.length,
themes: [...new Set(fresh.flatMap(f => f.themes))],
samples: fresh.slice(0, 5),
},
});
}
staticData.seenReviewIds = seen;
return results;三处值得注意。第一，星级过滤用的是文档原文格式的正则（"5.0 out of 5 stars"）——1–2 星算投诉，其他的对这个工作流都是噪音。第二，verified: r.purchased 把 verified purchase 标记一路带下来，因为已验证购买用户的投诉权重更高。第三，去重记忆用的是 n8n 自带的 $getWorkflowStaticData('global')——工作流级持久化，”只告警新内容”不需要另搭数据库。
一个真实的坑，写下来是因为一定会踩到：Code 节点里没有 fetch。如果你的 Code 节点自己要调 HTTP，用 require('https')。这里不需要——HTTP Request 节点已经把请求发完了。
节点 4——Google Sheets：每次运行都归档
只追加不修改，一行一次运行：日期、ASIN、扫描数、新增差评数、主题、样例标题。这是最不性感但决定工作流半年后还可信的部分——当有人问”配对投诉从什么时候开始的”，答案是一个筛选器，不是一段回忆。
节点 5——IF：有新的坏消息吗？
条件：{{ $json.newCritical }} 大于 0（数字）。真 → Slack；假 → 结束。工作流按设计是安静的，沉默才是它的正常输出。
节点 6——Slack：告警
发到你的频道（Slack 凭证建一次）：
🚨 {{ $json.newCritical }} 条新增差评 — {{ $json.asin }}
主题：{{ $json.themes.join('、') || '未分类' }}
典型："{{ $json.samples[0].title }}"（{{ $json.samples[0].star }}，{{ $json.samples[0].helpful }}）换成 Telegram、邮件或 webhook 都行，决策逻辑不在乎。
可导入的工作流
上面六个节点，打包成 JSON（工作流 → Import from JSON）。先建好 Pangolinfo Bearer header 凭证和 Slack/Sheets 凭证，sheet ID 换成你自己的。typeVersion 对应 n8n 1.x，导入时如果提示升级节点，点接受。
{
"name": "Pangolinfo Amazon Review Complaint Alerts",
"nodes": [
{
"parameters": { "rule": { "interval": [{ "field": "hours", "hoursInterval": 24 }] } },
"id": "n8n-schedule-1",
"name": "Daily 02:00 UTC",
"type": "n8n-nodes-base.scheduleTrigger",
"typeVersion": 1.2,
"position": [240, 300]
},
{
"parameters": {
"method": "POST",
"url": "https://scrapeapi.pangolinfo.com/api/v1/scrape",
"authentication": "genericAuth",
"genericAuthType": "httpHeaderAuth",
"sendBody": true,
"specifyBody": "json",
"jsonBody": "={\n \"url\": \"https://www.amazon.com/product-reviews/B0FQFB8FMG\",\n \"parserName\": \"amzReview\",\n \"format\": \"json\"\n}",
"options": { "timeout": 60000 }
},
"credentials": { "httpHeaderAuth": { "id": "", "name": "Pangolinfo Bearer" } },
"id": "n8n-http-1",
"name": "Fetch Reviews (Pangolinfo)",
"type": "n8n-nodes-base.httpRequest",
"typeVersion": 4.2,
"position": [460, 300]
},
{
"parameters": { "mode": "runOnceForAllItems", "jsCode": "/* 粘贴上文节点 3 的分类代码 */" },
"id": "n8n-code-1",
"name": "Classify & Delta",
"type": "n8n-nodes-base.code",
"typeVersion": 2,
"position": [680, 300]
},
{
"parameters": {
"resource": "sheetWithinDocument",
"operation": "append",
"documentId": { "__rl": true, "value": "YOUR_SHEET_ID", "mode": "id" },
"sheetName": { "__rl": true, "value": "review_alerts", "mode": "name" },
"columns": {
"mappingMode": "defineBelow",
"value": {
"date": "={{ $now.toISO() }}",
"asin": "={{ $json.asin }}",
"scanned": "={{ $json.totalScanned }}",
"new_critical": "={{ $json.newCritical }}",
"themes": "={{ $json.themes.join('; ') }}"
},
"matchingColumns": [],
"schema": []
},
"options": {}
},
"id": "n8n-sheets-1",
"name": "Archive to Sheets",
"type": "n8n-nodes-base.googleSheets",
"typeVersion": 4,
"position": [900, 300]
},
{
"parameters": {
"conditions": {
"options": { "caseSensitive": true, "leftValue": "", "typeValidation": "loose" },
"conditions": [
{ "id": "cond-1", "leftValue": "={{ $json.newCritical }}",
"rightValue": 0, "operator": { "type": "number", "operation": "larger" } }
],
"combinator": "and"
},
"options": {}
},
"id": "n8n-if-1",
"name": "New Critical?",
"type": "n8n-nodes-base.if",
"typeVersion": 2,
"position": [1120, 300]
},
{
"parameters": {
"resource": "message",
"operation": "post",
"channel": "={{ 'YOUR_CHANNEL_ID' }}",
"text": "=🚨 {{ $json.newCritical }} 条新增差评 — {{ $json.asin }}\n主题：{{ $json.themes.join('、') || '未分类' }}\n典型：\"{{ $json.samples[0].title }}\" ({{ $json.samples[0].star }}, {{ $json.samples[0].helpful }})",
"otherOptions": {}
},
"id": "n8n-slack-1",
"name": "Slack Alert",
"type": "n8n-nodes-base.slack",
"typeVersion": 2,
"position": [1340, 220]
}
],
"connections": {
"Daily 02:00 UTC": { "main": [[{ "node": "Fetch Reviews (Pangolinfo)", "type": "main", "index": 0 }]] },
"Fetch Reviews (Pangolinfo)": { "main": [[{ "node": "Classify & Delta", "type": "main", "index": 0 }]] },
"Classify & Delta": { "main": [[{ "node": "Archive to Sheets", "type": "main", "index": 0 }]] },
"Archive to Sheets": { "main": [[{ "node": "New Critical?", "type": "main", "index": 0 }]] },
"New Critical?": { "main": [
[{ "node": "Slack Alert", "type": "main", "index": 0 }],
[]
] }
},
"active": false,
"settings": { "executionOrder": "v1" }
}3. Pattern 2：价格/BSR 快照——简短而诚实的版本
同一个 HTTP Request 节点换个 parser，就是定时价格快照：parserName: amzProductDetail、content: B0FQFB8FMG、site: amz_us、format: json → 把价格、评分、评论数追加进 Sheets。这个模式只给两段，是故意的：n8n 价格监控是红海。ScrapeHero 2026 年 9 月就上了原生 n8n 节点，Bright Data、ScrapeOps 都有官方模板，”定时拉取→比价→告警”的形状被写透了。想要原生节点体验，去评估他们的。这篇指南的贡献是通用 HTTP 路径能覆盖而模板覆盖不了的东西——从 Pattern 1 开始。
4. 调度 × 额度：先算账，再自动化
自动化把成本乘以频率。公式：
每月消耗 ≈ ASIN 数 × 每天次数 × 30 × 单次 credit
| 配置 | 每天请求 | 每月请求 | 按文档 json 计费（1 credit/次） | 60 免费档够吗 |
|---|---|---|---|---|
| 3 个 ASIN × 每天 1 次 | 3 | 约 90 | 约 90 credits | 不够 → 降到每周 2 次（约 24/月）或升级套餐 |
| 1 个 ASIN × 每天 1 次 | 1 | 约 30 | 约 30 credits | 够，还有余量 |
两个诚实脚注。第一，上面的单价是文档里 format: json 的计费；评论解析的实际扣费以你的控制台账单为准——我们经 MCP 侧实测评论是 5 credits/页，所以先按高估算，跑出第一张账单再调频率。第二，免费档按月重置（每月 60 credits），第一个月跑得下的配置，每个月都跑得下。
5. n8n 做不到的三件事
三条边界，说清楚免得工作流被寄予它做不到的期望。它不是实时的。定时就是定时——投诉预警按天是合理默认；分钟级轮询技术上可行，主要是烧点数的办法。它不解决反爬。验证码、IP 轮换、解析器维护都在 API 那一侧；n8n 只负责定时和凭证。它没有 Pangolinfo 原生节点——该不该有是 roadmap 议题，不是本指南的承诺。至于 agent 为什么需要实时数据——整个系列立足的论证——在总纲，不在这一页。
6. 验证状态：查过什么，没查什么
✅ REST 合约——端点（POST https://scrapeapi.pangolinfo.com/api/v1/scrape）、parser 名（amzReview、amzProductDetail）、header 鉴权形态、format: json 计费、评论字段名（reviewId、star、helpful、purchased…）——2026-10-19 已对官方文档核实。 ✅ 引用数字（AirPods Pro 3，美区，截至 2026-10-12 共 4,269 条评论、差评 1,392 条）是本系列既有的 MCP 实测，非编造。 ✅ 红海判断——ScrapeHero 原生 n8n 节点（2026-09）、Bright Data / ScrapeOps / Crawlbase 模板——来自 2026-10-14 SERP 侦察。 ⚠️ 上面的 workflow JSON 未在我们团队的 n8n 实例里真实执行过。导入后先手动跑一次，看 Code 节点的输出，再开定时。 ⚠️ 评论分页与筛选参数以文档最新版为准，多页循环开工前先确认。节点 typeVersion 对应 n8n 1.x，导入时如提示升级，接受即可。
7. 相关阅读
- AI Agent 接入实时 Amazon 数据完全指南（总纲）——总纲：接地的论证与三种接入模式
- ChatGPT 接入实时 Amazon 数据完全指南（MCP）——有人在场的对照组：回路里有人确认时，工作流有何不同
- Amazon Review API——工作流背后的评论数据引擎
- Amazon Data MCP——同一份数据的对话侧：20 工具服务器
- Pangolinfo API 文档——本工作流所依据的 REST 合约
8. 系列导航
本指南是系列《AI Agent 接入实时 Amazon 数据完全指南（总纲）》的子篇。各篇：
- Meta Muse 篇——自定义 MCP 连接器，在 Muse 客户端内实测走通。
- Claude Code 篇——命令行、Desktop、网页端三条路径对照与鉴权面拆解。
- ChatGPT 篇——开发者模式自定义连接器（Token 鉴权）；有人在场的对照组。
- Workbuddy 篇——Skill 生态路径：应用市场 Skill、MCP 连接器、Expert 组合对照。
- IDE agent 篇——编辑器内的 MCP 与 skill。
- n8n 篇——本篇：定时评论挖掘与投诉预警，无人值守的执行层。
