建议优先把 GitHub amazon-niche-finder 的递归关键词框架和 TrendRadar 的 TikTok Shop 数据字段框架纳入 任务化，因为输入输出结构最清晰；Amazon Seller blog 的 BSR、Bundle、Private Label 方法适合作为策略规则层，用于校验需求、差异化与风险边界。
本次整理 5 条未与近期入库标题和 sourceUrl 重复的方法论：Amazon BSR 类目需求带筛选、Amazon 捆绑互补需求筛选、Amazon Private Label 差异化缺口筛选、开源递归关键词长尾利基筛选、TikTok Shop GMV/增长/内容信号候选池筛选。整体偏向可结构化执行，适合后续拆成数据采集、评分、排除规则、人工复核四段式 任务 工作流。
主要风险包括：公开资料不等于实时市场数据、Amazon BSR 与 TikTok GMV 可能有滞后或噪声、GitHub 项目质量参差且需要二次验证、TikTok 内容爆发可能短生命周期、捆绑与 Private Label 涉及合规/品牌/专利/IP 风险。第一版应只输出方法论和候选评分，不自动创建具体商品 任务，也不直接推荐具体商品。
下一天建议继续补充 TikTok Shop Academy 中关于达人、内容、履约和商品合规的官方方法，并寻找 Amazon Seller University 视频中关于类目、库存、商品页 和定价的可结构化教程，形成跨平台候选池评分模板。