自动优化亚马逊广告出价与预算,变更可预览可回滚
29.9/100
综合分
0
GitHub 星标
—
npm 周下载
—/5
用户评分
数据截至 2026/10/21 · 周下载取自 npm 全网(含 CI / 镜像),非本站安装数;综合分由星标、活跃度与兼容性检查合成。
安装命令 · 需先装 dsh CLI 引擎
dsh plugin --profile web add Jegozhou/dsh-scale-commander该包不可直接 npm 安装,改从 GitHub 源安装(明细见下方安装检查)
状态速览
判定依据:实装验证 · 静态安装检查 · 自动扫描 · 仓库维护状态信任档位:仅索引
是什么
dsh 原生插件 · ads
装得上吗
本站尚未做安装检查
安全吗
本站尚未对该插件做风险分级
暂未覆盖,不等同于无风险
还在维护吗
活跃:最近一次提交在 14 天前
档位由哪些信号合成
本站实装验证(真实安装 L4 覆盖全站;L5 为运行时冒烟或实机截图,覆盖范围小于 L4) · 验证所用 dsh 版本 · 静态安装检查 · 风险分级 · 仓库维护状态。 下方各区块是它的证据明细。
社区实装还没有人打卡 · 装过的第一个就是你
安全扫描自动 · 静态分析源码v2.7.0🟢 扫描:未发现敏感能力尚无人工评估展开查看扫描说明与证据 ↓
安全扫描自动 · 静态分析源码
v2.7.0静态扫描未发现敏感能力:最多只发网络请求、读取自身元数据或只读文件,未发现执行命令、文件写入或敏感信息读取。
扫描于 2026/11/3(0 天前) · 范围 全包扫描 · 来源 GitHub 仓库
静态扫描只反映源码中出现的调用,不构成安全背书;人工评估与自动扫描相互独立、互不覆盖。
给这个插件打分还没有人投票↓
用户评分
还没有人投票,来当第一个
Scale Commander — 面向 DeepSeek Harness 的 Amazon PPC 自动化:11 种算法、智能出价、分时段投放、否定词、批量广告活动、归因、可审计预览与回滚。
README
由 DeepSeek 最新模型翻译生成Scale Commander
亚马逊 PPC 自动化插件,为 DeepSeek Harness 而生 —— 原生双端插件,把你的广告策略变成可审计的自动化。
English · 中文
Scale Commander 是面向亚马逊广告的生产级 DeepSeek Harness 插件。它实现了卖家对专业 PPC 工具期待的全部操作面:十一种可叠加算法、可复用的条件配置档、带每小时出价修正的分时段投放、否定与白名单管理、关键词收割、批量广告活动构建器、预算与展示位置规则、销售归因,以及一条 预览 → 应用 → 回滚 流水线,记录它做的每一次变更。
它对接真实的 Amazon Advertising API,并附带一个沙箱服务商,在本地生成仿真账户 —— 因此无需凭据就能跑通并验证每一条工作流。
为什么要有它
PPC 自动化工具有一条普通软件没有的要求:人审阅的计划,必须就是执行的那份计划。 Scale Commander 用同一遍纯求值来算预览和应用计划,以此保证这一点。预览不会偏离执行,审计轨迹也绝不会出现审阅者没见过的动作。
十一种算法
每种算法都是纯函数,输入是已聚合的指标,每个建议动作都附带背后的逐步算术。
| 算法 | 做什么 |
| 出价 | 把关键词和商品定向的出价推向目标 ACOS,每次只走一个设了上限的步长,用的是有文档记载的最优出价公式。
展开完整文档(README 剩余 1 节)
Scale Commander 亚马逊 PPC 自动化插件,为 DeepSeek Harness 而生 —— 原生双端插件,把你的广告策略变成可审计的自动化。 English · 中文 Scale Commander 是面向亚马逊广告的生产级 DeepSeek Harness 插件。它实现了卖家对专业 PPC 工具期待的全部操作面:十一种可叠加算法、可复用的条件配置档、带每小时出价修正的分时段投放、否定与白名单管理、关键词收割、批量广告活动构建器、预算与展示位置规则、销售归因,以及一条 预览 → 应用 → 回滚 流水线,记录它做的每一次变更。 它对接真实的 Amazon Advertising API,并附带一个沙箱服务商,在本地生成仿真账户 —— 因此无需凭据就能跑通并验证每一条工作流。 为什么要有它 PPC 自动化工具有一条普通软件没有的要求:人审阅的计划,必须就是执行的那份计划。 Scale Commander 用同一遍纯求值来算预览和应用计划,以此保证这一点。预览不会偏离执行,审计轨迹也绝不会出现审阅者没见过的动作。 十一种算法 每种算法都是纯函数,输入是已聚合的指标,每个建议动作都附带背后的逐步算术。 | 算法 | 做什么 | | 出价 | 把关键词和商品定向的出价推向目标 ACOS,每次只走一个设了上限的步长,用的是有文档记载的最优出价公式。 | | 分时段 | 按小时开关广告组,并施加每小时百分比出价修正;最优时段模式从实际表现反推计划。 | | 导入 | 把有转化的搜索词收割成新关键词或商品定向,定价为其平均 CPC 的某个百分比。 | | 否定 | 把满足条件的搜索词否定掉,形式为否定精确或否定词组。 | | 否定词 | 把搜索词拆成单个词,聚合后把表现不佳的词按词组否定。 | | 黑名单 / 白名单 | 把维护好的列表强制转为否定项,并保护白名单词不被否定类算法命中。 | | 复活 | 给曾经表现好、如今已死的关键词加价,直到流量回来。 | | 默认出价 | 为老式自动广告活动优化广告组默认出价。 | | 状态 | 按条件暂停或启用广告活动和广告组。 | | 每日预算 | 先套基线,再乘星期几系数,然后按顺序套用每条匹配的条件。 | | 展示位置 | 把搜索结果顶部、商品页面和其余位置的修正推向目标,每次运行走一个增量。 | 可叠加规则按优先级顺序执行。互斥的类型(分时段、黑名单、默认出价、每日预算)每个广告只保留一条规则,而直接同类规则中,已分配的规则会覆盖继承来的规则。 安全模型 1. 预览不写入任何内容。 每个操作都会显示改动前 → 改动后的值,以及背后的计算过程。 2. 应用操作必须带上 confirm: true —— 界面和智能体工具执行同样的校验,因此助手无法应用你尚未批准的计划。 3. 每个已应用的操作都会记录,并附上完整的 Amazon 请求体。 4. 回滚会恢复改动前的值,最新的优先,回滚本身也会被审计。 5. 沙箱账户绝不接触 Amazon。 安装 从 DSH 插件市场安装(推荐)。 仓库带有 dsh-plugin 主题标签,因此会被自动索引,并出现在市场的 Discover 标签页中: Settings → Plugins → Discover → search "Scale Commander" → Install 市场会克隆仓库,在 package/ 内运行 npm run build(构建不需要预先安装依赖 —— esbuild 以二进制方式调用),并注册 bundle 补丁。之后重启 DeepSeek Harness。 从本地检出安装,使用插件管理器工具: plugin_manager action=install_bundle target=<absolute path>/package 配置位于 bundle 行中。包名现在是 dsh-scale-commander(不带 scope,因此不会在 npm 上冲突): - insert: - id: scale-commander name: 'dsh-scale-commander' config: dataDir: '' # defaults to <DSH_HOME>/scale-commander schedulerEnabled: true schedulerTickSeconds: 60 requestTimeoutMs: 45000 需要 Node 22.5+ 才能使用 node:sqlite。没有原生模块,也没有安装脚本。 安装后请重启 DeepSeek Harness。 浏览器端由 clientModules 服务加载,该服务会缓存每个包的扫描结果,直到进程结束;新安装的包只会在下次启动时被识别。Host 端 —— 引擎、调度器、HTTP API、智能体工具、数据库 —— 会立即生效。 隐私 这个插件会向 Amazon 发送广告数据,因为它自动化的正是这件事。它不联系任何其他方。端点和凭据处理方式在 package.json 的 disclosure 字段中声明,因此市场卡片会在你安装前展示它们: | 网络 | advertising-api.amazon.com 及其 EU/FE 镜像,外加 api.amazon.com/auth/o2/token 用于 token 交换 | | 离线模式 | 支持 —— 沙箱账户在本地生成数据,不联系任何方 | | 凭据 | Amazon LWA client id、client secret、refresh token;以 AES-256-GCM 加密后存放在 0600 文件中,挂载时同步到 Harness 凭据服务,绝不返回给浏览器,绝不写入日志 | | 静态数据 | SQLite 加上加密的附属文件,都位于插件数据目录内 | | 保留 | 仅本地;不向第三方服务器发送任何内容 | 快速开始 1. Accounts → Add account → Sandbox。 无需凭据;它会生成约 120 天 1. 从预设中创建战略目标(Bulk Auto、Sales Exact、Ranking Exact……),再把它指派给几个广告活动。 2. 同步,然后从预设中创建战略目标(Bulk Auto、Sales Exact、Ranking Exact……),并把它指派给几个广告活动。 3. 打开预览 —— 每个操作都附带计算过程 —— 然后应用。 4. 查看变更日志,回滚一次运行,看改动前的值是否恢复。 接入真实账户:创建 Login with Amazon 应用,为你的广告配置档授权,然后把 client id、client secret 和 refresh token 粘贴到凭证对话框。这些凭证在存储时用 AES-256-GCM 加密,绝不会返回给浏览器。 智能体工具 共注册 12 个工具,同一配置档下的助手可以用对话方式操作账户 —— scale_commander_accounts、_overview、_preview、_apply、_rollback、_runs、_rules、_create_rule、_assign、_insights、_audit、_sync。每个工具调用的服务方法,和浏览器调用的是同一个。 开发 node scripts/build.mjs # bundle both halves node scripts/test.mjs # 62 assertions in 3 suites + 22 end-to-end checks 文档 - 用户指南 —— 走遍全部 14 个界面 - 架构 —— 设计决策及其理由 - 验收 —— 每条需求,以及验证它的命令 许可证 MIT Scale Commander 是一个生产级的 DeepSeek Harness 插件,用于亚马逊广告投放。它实现了专业 PPC 工具应有的完整操作面:11 种可叠加算法、可复用的条件配置档、带小时竞价系数的分时策略、否词与白名单管理、关键词收割、批量广告创建、预算与广告位规则、销售归因,以及一套预览 → 应用 → 回滚流程,记录它做出的每一次改动。 它对接真实的 Amazon Advertising API,并附带一个沙箱服务商,在本地生成一个逼真的账户 —— 因此每条工作流都可以在没有凭证的情况下被完整演练和验证。 为什么做这个 PPC 自动化工具有一个普通软件没有的硬性要求:给人审阅的计划,必须和执行的计划完全一致。 Scale Commander 用同一次纯函数评估 pass 同时计算预览计划和执行计划来保证这一点。预览不会与执行产生偏差,审计流水里也永远不会出现审阅者没看过的操作。 11 种算法 每种算法都是作用于已聚合指标的纯函数,每个建议操作都附带一步步的计算过程。 | 算法 | 作用 | | Bidding 竞价 | 按文档所述的最优出价公式,以受控步长把关键词和商品投放出价推向目标 ACOS。 | | Dayparting 分时 | 按小时开关广告组,并按小时应用竞价系数;"最优时段"模式从实际小时表现推导计划。 | | Import 收割 | 把有转化的搜索词导入为新关键词或商品投放,初始出价取其平均 CPC 的百分比。 | | Negative 否词 | 把满足条件的搜索词加为否定精准或否定词组。 | | Negative word 否词-词根 | 把搜索词拆成单词、聚合表现,把无效单词加为否定词组。 | | Blacklist / whitelist 黑/白名单 | 把维护的无关词列表强制转为否定,并保护白名单词不被否定。 | | Revive 复活 | 对曾经有效、现在没有流量的"死词"提价,直到流量恢复。 | | Default bid 默认出价 | 为传统自动广告优化广告组默认出价。 | | Status 状态 | 按表现暂停或启用广告活动和广告组。 | | Daily budget 日预算 | 先乘基线,再乘星期系数,然后依次应用每个满足的条件。 | | Placement 广告位 | 把搜索顶部、商品页、搜索其他的修饰符推向目标,每次运行只走一档增量。 | 可叠加算法按优先级依次执行;互斥类型(分时、黑白名单、默认出价、日预算)每个广告只保留一条规则,直接指派的规则会覆盖继承来的同类型规则。 安全模型 1. 预览不写任何数据。 每个操作都展示改动前后的值和背后的计算。 2. 应用必须传 confirm: true —— UI 和智能体工具执行同一条规则,所以助手无法应用你没批准的计划。 3. 每个已应用的操作都被记录,连同发给 Amazon 的确切请求体。 4. 回滚从最新开始恢复改动前的值,并且回滚本身也进审计。 5. 沙箱账户绝不触碰 Amazon。 安装 从 DSH 插件市场安装(推荐)。 仓库已打上 dsh-plugin topic,会被市场自动收录,出现在 Discover 标签页里: Settings → Plugins → Discover → 搜索 "Scale Commander" → Install 市场会克隆仓库、在 package/ 内执行 npm run build(构建不依赖任何已安装包 —— esbuild 以二进制方式调用),然后注册 bundle patch。之后重启 DeepSeek Harness。 从本地检出安装,用插件管理器工具: plugin_manager action=install_bundle target=<绝对路径>/package 配置写在 bundle 行里。包名已改为 dsh-scale-commander(不带 scope,避免 npm 撞名): - insert: - id: scale-commander name: 'dsh-scale-commander' config: dataDir: '' # 默认 <DSH_HOME>/scale-commander schedulerEnabled: true schedulerTickSeconds: 60 requestTimeoutMs: 45000 需要 Node 22.5+(使用内置 node:sqlite)。无原生模块,无安装脚本。 安装后请重启 DeepSeek Harness。 浏览器端由 clientModules 服务加载,它把每个包的扫描结果缓存到进程生命周期;新装的包要到下次启动才会被发现。而 Host 端 —— 引擎、调度器、HTTP API、智能体工具、数据库 —— 立即生效。 隐私 这个插件会把广告数据发到 Amazon,因为它自动化的就是这件事。除此之外它不联系任何端点。网络端点和凭据处理方式都声明在 package.json 的 disclosure 字段里,安装前就能在市场卡片上看到: | 网络 | advertising-api.amazon.com 及其 EU/FE 镜像,加 api.amazon.com/auth/o2/token 用于令牌交换 | | 离线模式 | 支持 —— 沙箱账户本地生成数据,不联系任何端点 | | 凭据 | Amazon LWA 的 client id、client secret、refresh token;以 AES-256-GCM 加密存放在 0600 文件里,同时镜像到 Harness 凭据服务(若已挂载),永不返回浏览器,永不写日志 | | 落地数据 | SQLite 加加密边车文件,都在插件数据目录内 | | 保留策略 | 仅本地;不上传任何第三方服务器 | 快速上手 1. Accounts → Add account → Sandbox。 不需要凭证,它会生成约 120 天的真实广告活动、关键词、投放、搜索词和小时数据。 2. Sync,然后从一个预设创建战略目标(Bulk Auto、Sales Exact、Ranking Exact……),指派给几个广告活动。 3. 打开 Preview —— 每个操作连计算过程一起看 —— 然后 Apply。 4. 看 Change log,回滚一次运行,看改动前的值回来。 接入真实账户:创建一个 Login with Amazon 应用,为你的广告 profile 授权,然后把 client id、client secret、refresh token 粘进 Credentials 对话框。它们以 AES-256-GCM 加密存储,永不返回浏览器。 智能体工具 注册了 12 个工具,同一 profile 里的助手可以对话式地操作账户 —— scale_commander_accounts、_overview、_preview、_apply、_rollback、_runs、_rules、_create_rule、_assign、_insights、_audit、_sync。每个工具调用的都是浏览器调用的同一个服务方法。 开发 node scripts/build.mjs # 打包双端 node scripts/test.mjs # 3 个套件 62 条断言 + 22 项端到端检查 文档 - 用户指南 —— 14 个界面逐一走查 - 架构 —— 设计决策及理由 - 验收 —— 每项需求配一条可复现的验证命令 许可 MIT
预览分享卡片长什么样 ↓
分享 · DeepSeek Harness Hub
Jegozhou/dsh-scale-commander
自动优化亚马逊广告出价与预算,变更可预览可回滚
相关插件 · 营销 / 广告
复古广告弹窗Nagi-ovo/dsh-ads
把 DSH 变成 2005 年门户网站|Parody ads, fake games, and popups for…
★ 679已汉化DSH
67.4
精酿竖版宣传片Finderchangchang/brewreel
精酿 BrewReel:让 DeepSeek 这类便宜模型也能做出好看的竖版宣传片。写一份产品简报,AI…
★ 166已汉化DSH
62.6
工作区分组树KannaKuron/dsh-better-workspace
给 DeepSeek Harness DSH 的侧边栏「工作区」列表装上一套两层文件夹系统——磁盘层按目录路径嵌套官方…
★ 31已汉化DSH
48.1
跨窗提醒Aisland-SJL/dsh-reminder
🔔 DeepSeek Harness 跨窗口完成与审批通知——弹窗提醒把你拉回 DSH,Codex/WorkBuddy 风格。
★ 18已汉化DSH
40.4
推理档位自动选择justhalfbit/dsh-plugin-jev-effort-selector
让 Jev System One 模型替你决定每条消息该用多深的推理。
★ 7已汉化DeepSeek 客户端
37.1
模型价格看板vitas/dsh-model-pricing
在选择模型之前比较 LLM API 价格——并在使用之后查看你实际支付了多少。 这是一个
★ 2已汉化DeepSeek 客户端
36.5