Token导航 LogoToken导航

Agent Skill · 效率

inquiry-1688(询价 1688)

inquiry-1688 用于辅助前端页面、组件、样式和交互逻辑开发,适合在 OpenClaw 中需要维护前端项目、生成组件或检查界面实现时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

inquiry-1688 是效率类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为接触敏感数据;许可证为 MIT-0,第三方扫描有提醒项,按安装量在效率类的 21,003 个 Skill 里排第 12,082。

总安装 4,290周安装 177GitHub Stars 公开资料未说明下载 1,402核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.2

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:inquiry-1688(询价 1688)
来源仓库:https://github.com/1688aiinfra/inquiry-1688
安装命令:
openclaw skills install inquiry-1688
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install inquiry-1688

这个 Skill 是做什么的

效率类 Skill 把重复的整理、汇总、转换工作交给助手完成,减少手工复制粘贴。

inquiry-1688 可自动向 1688 供应商发起询盘对话并获取回复结果。适用于跨境采购、批发拿货、OEM 定制等场景下的商家沟通需求。支持价格、起订量、物流、样品等多维度咨询,结果通过钉钉推送。安装命令:openclaw skills install inquiry-1688,需确认账号权限与数据合规边界。

使用时注意维护状态及是否涉及敏感商业信息处理。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install inquiry-1688;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要接触敏感数据,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

inquiry-1688 怎么安装?

在终端执行 openclaw skills install inquiry-1688。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

inquiry-1688 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

inquiry-1688 需要什么权限?

权限级别是接触敏感数据。该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

inquiry-1688 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

inquiry-1688 用的人多吗?

公开数据是累计安装 4,290 次,近一周安装 177 次,下载 1,402 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

inquiry-1688 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。

先想清楚的地方

  • 需要接触敏感数据,装到常用环境前要先评估影响面。
  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理效率类任务、又不想每次都手写提示词的人。

不太适合

  • 环境里有大量密钥、凭证,不方便给第三方 Skill 读取的人。
  • 需要厂商级技术支持和 SLA 的生产系统。

效率类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
github

GitHub 代码协作 · OpenClaw

7,632,918545需要联网MIT-0通过
nano-pdf

Nano PDF 文档 · OpenClaw

4,249,476231需要联网MIT-0通过
auto-updater

自动更新程序 · OpenClaw

2,964,063386操作浏览器MIT-0通过
video-frames

视频帧 · OpenClaw

2,621,304112需要联网MIT-0通过
gemini

Gemini 助手 · OpenClaw

2,547,39648需要联网MIT-0有提醒
inquiry-1688

询价 1688 · 本页

4,290—接触敏感数据MIT-0有提醒

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
inquiry-1688
category
official-1688
description
>-
metadata
version
1.0.2
label
1688询盘
author
1688官方技术团队

1688 询盘

向1688供应商发起询盘,20分钟后自动查询结果并回复。

前置配置(必须先完成)

⚠️ 使用本 SKILL 前,必须先配置以下环境变量,否则询盘接口调用会失败。

环境变量说明必填获取方式
ALPHASHOP_ACCESS_KEYAlphaShop API 的 Access Key✅ 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_KEYAlphaShop API 的 Secret Key✅ 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 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。

配置方式

在 OpenClaw config 中配置:

{
  skills: {
    entries: {
      "inquiry-1688": {
        env: {
          ALPHASHOP_ACCESS_KEY: "YOUR_AK",
          ALPHASHOP_SECRET_KEY: "YOUR_SK"
        }
      }
    }
  }
}

如果用户没有提供这些密钥,必须先询问用户获取后再继续操作。

核心机制:询盘任务提交后,API 端最多执行 20 分钟,到时间后任务一定结束。通过 cron 在 20 分钟后查询结果并写入文件,用户下次发消息时 agent 检查文件并回复。

工作流程

1. 提取:1688商品链接 + 询盘问题
         ↓
2. submit 提交询盘 → 获取 taskId → 告知用户"已发起,20分钟后结果就绪"
         ↓
3. 写入追踪文件 pending_inquiries.json
         ↓
4. 用 date 命令计算 20 分钟后的 UTC 时间
         ↓
5. 创建 cron isolated agentTurn 任务
   任务内容:查询结果 → 写入 results/{taskId}.md → 清除 pending 记录
         ↓
6. 20 分钟后 cron 触发 → isolated session 查询结果 → 写入文件
         ↓
7. 用户下次发消息时 → agent 检查 results/ 目录 → 发现结果 → 直接回复
   (心跳也会兜底检查 pending_inquiries.json 中超时未处理的任务)

Step 1: 提取信息

从用户消息中提取:

  • 商品链接或ID(必须)
  • 询盘问题:自由文本(必须)
  • 期望订购量(可选)
  • 地址(可选)

如果用户没提供商品链接,必须询问。

Step 2: 提交询盘

python3 scripts/inquiry.py submit "<商品链接或ID>" "<询盘问题>" [--quantity X] [--address "地址"]

从响应中提取 result.data 作为 taskId。提交成功后告知用户:

询盘已发送给供应商,20分钟后给你结果 ✅

Step 3: 写入追踪文件 + 创建 cron 查询任务

3a: 写入追踪文件

将待查询的任务信息追加到追踪文件:

TRACK_FILE="/home/admin/.openclaw/workspace/skills/inquiry-1688/pending_inquiries.json"

# 写入格式(JSON Lines,每行一个任务):
echo '{"taskId":"<taskId>","productId":"<商品ID>","url":"<商品链接>","question":"<用户问题>","submitTime":"<ISO时间>"}' >> "$TRACK_FILE"

3b: 创建 cron 查询任务(钉钉主动推送)

⚠️ 时间计算必须用 date 命令,禁止手算!

date -u -d '+20 minutes' --iso-8601=seconds

然后创建 cron 任务。核心:查询结果后通过 message 工具直接推送到钉钉:

cron action=add
job={
  "name": "inquiry-result-{商品ID}",
  "schedule": {"kind": "at", "at": "{上面的UTC时间}"},
  "sessionTarget": "isolated",
  "payload": {
    "kind": "agentTurn",
    "message": "你是询盘结果查询助手。请严格执行以下步骤:\
\
1. 执行查询命令:\
python3 /home/admin/.openclaw/workspace/skills/inquiry-1688/scripts/inquiry.py query \"{taskId}\"\
\
2. 将结果总结为中文消息,包含:\
   📋 询盘结果\
   商品链接: {链接}\
   用户原始问题: {用户的问题}\
   商品名称 + 价格 + 供应商名称\
   各问题的回答\
   AI 总结\
\
3. 使用 message 工具发送到钉钉:\
   message action=send channel=dingtalk target=238382 message=\"整理好的询盘结果\"\
\
4. 清除追踪记录:\
python3 /home/admin/.openclaw/workspace/skills/inquiry-1688/scripts/inquiry.py remove-pending \"{taskId}\"\
\
⚠️ 必须用 message 工具发钉钉!不要用 sessions_send,不要写文件!",
    "timeoutSeconds": 120
  },
  "delivery": {
    "mode": "none"
  },
  "enabled": true
}

关键参数:

  • sessionTarget: isolated(独立 session 执行,不抢主 session 锁)
  • payload.kind: agentTurn(独立 agent turn)
  • delivery.mode: none(不走 announce,由任务自己用 message 工具推送钉钉)
  • 钉钉 target: 238382(流畅的钉钉 peer ID)

Step 4: 结果投递(钉钉主动推送)

cron 任务查到结果后,直接通过 message action=send channel=dingtalk target=238382 推送到流畅的钉钉私聊。用户在钉钉即时收到通知 ✅

兜底机制

如果钉钉推送失败,任务会把结果写入 results/{taskId}.md,用户下次发消息时 agent 检查并回复。

回复格式参考:

📋 询盘结果

商品: {taskInfo.title 或商品名称}(¥{价格}) 供应商: {sellerInfo.companyName} 状态: ✅/❌ {taskInfo.status}

问题回复
{问题1}{回答1}
{问题2}{回答2}
AI 总结

{aiSummary 核心内容,精简展示}

脚本命令参考

命令用途示例
submit提交询盘inquiry.py submit "链接" "问题"
query查询结果inquiry.py query "taskId"

注意事项

  • questionList 固定填 ["自定义"],用户实际问题放入 requirementContent
  • isRequirementOriginal 设为 true,原文发送
  • 不要轮询! submit 后创建 cron,20 分钟后 query 一次就够
  • cron 用 sessionTarget: isolated + payload.kind: agentTurn,在独立 session 里查询结果
  • delivery.mode 必须是 none(由任务自己用 message 工具推送钉钉)
  • 时间计算必须用 date -u -d '+20 minutes' --iso-8601=seconds
  • 如果用户中途问"结果出来了吗",可以提前 query 一次看看
  • 钉钉推送目标: target=238382(流畅的钉钉 peer ID)
  • ⚠️ 不要用 systemEvent + main session!(教训 #13)
  • ⚠️ 不要用 sessions_send 推送结果!(教训 #15)

兜底机制:心跳检查未完成询盘

追踪文件:/home/admin/.openclaw/workspace/skills/inquiry-1688/pending_inquiries.json(JSON Lines 格式)

心跳检查流程(已加入 HEARTBEAT.md):

如果 pending_inquiries.json 存在且非空:
  1. 逐行读取每个待查询任务
  2. 检查 submitTime 是否已超过 20 分钟
  3. 如果已超时,执行 query 并通过钉钉推送结果
  4. 推送后执行 remove-pending 清除记录

教训记录

2026-03-05 ~ 03-06 连续踩坑: 1. ❌ cron isolated + announce:delivery 配置问题 + announce 不送达 2. ❌ sessions_spawn + announce:用户收不到结果 3. ❌ sessions_spawn + message 推送 webchat:webchat 不支持 4. ❌ 同步 poll:阻塞进程,无中间输出 5. ❌ 循环 query:process poll 延迟导致超时 / yieldMs 超系统上限被后台化 6. ❌ sleep 1200 同步等:yieldMs 超系统上限,exec 被后台化,结果拿不回来 7. ❌ cron systemEvent + wakeMode 默认(next-heartbeat):systemEvent 注入了但要等心跳才处理,用户等不到结果 8. ✅ 最终方案:submit → cron systemEvent(20分钟后注入主session,wakeMode=now 立即唤醒)→ agent 收到后 query 一次 → 直接回复用户 9. ❌ cron systemEvent wakeMode=now 但主 session 忙:报 "timeout waiting for main lane to become idle",任务被 skipped,用户收不到结果 10. ✅ 兜底修复:除 cron 外,同时写入 pending_inquiries.json 追踪文件,心跳时兜底检查超时任务并补回结果 11. ❌ 用户 /new 重置 session 后,cron systemEvent 注入新 session,新 session 没有上下文不知道该干啥,结果又丢了 12. ✅ 修复:systemEvent 文本改为完全自包含,包含所有必要信息和明确操作指令,不依赖任何 session 上下文 13. ❌ systemEvent 触发后,回复发到了 heartbeat session(agent:main:main),而不是用户的 webchat session(agent:main:openresponses-user:xxx)。用户看不到回复。根本原因:systemEvent 走主 session 的心跳通道,回复目标是心跳 session,不是用户 session 14. ✅ 彻底重构:改用 isolated agentTurn + sessions_send。cron 触发独立 session 查询结果,然后用 sessions_send 主动推送到用户的 webchat session。不再使用 systemEvent 15. ❌ isolated agentTurn + sessions_send:sessions_send 确实把消息注入到了用户 session,agent 也生成了回复,但回复的 delivery.mode 是 "announce"(跨 session 投递),用户看到的是 "Agent-to-agent announce step" 而不是直接对话。内容虽然最终送达了,但用户体验差,看起来像系统消息而不是正常回复。根本原因:sessions_send 触发的回复走 announce 通道,不走 webchat 直连通道 16. ❌ message 工具发 webchat:webchat 不是可外发的 channel,message action=send channel=webchat 报 "Unknown channel: webchat",不指定 channel 报 "no configured channels detected" 17. ✅ 被动模式(webchat 时代):cron isolated agentTurn 只负责查询结果并写入文件(results/{taskId}.md),不尝试任何跨 session 推送。用户下次发消息时 agent 检查 results 目录,发现新结果就直接回复。心跳也可兜底检查。牺牲实时性换取可靠性 18. ✅ 钉钉主动推送(v2.0):接入钉钉 channel 后,cron isolated agentTurn 查询结果后直接用 message action=send channel=dingtalk target=238382 推送到流畅的钉钉私聊。delivery.mode 仍为 none(不依赖 announce),由任务自己调 message 工具发送。实时性 + 可靠性兼得 🎉

平台分布

OpenClaw

82.16%
按下载量换算1,152

安全审计

VirusTotal

可疑

ClawScan

可疑

Static analysis

通过

权限和风险

接触敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在提醒或未通过项,安装前请自行复核。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills