基于 Instacart 历史记录预置家庭购物车
一组用于 OpenClaw 的基础设施插件，将其转变为家庭操作系统。任务：该系统通过分析 Instacart 购买历史来自动识别需要补货的家庭杂货，并预置购物车。使用确定性 CLI 和规范化商品 ID 将商品添加到购物车，避免了基于 LLM 的浏览器自动化错误。LLM 仅负责初始设置和解释用户意图，而 Python 守护进程处理数据抓取、频率分析和购物车构建。最后通过 iMessage 通知人类审查并手动下单，确保不会发生自主消费。；工具：OpenClaw。人工角色：原始帖子未说明人类如何保持参与。；局限：需要活跃的 Instacart 会话和 instacart-pp-cli 二进制文件。系统依赖稳定的规范化商品 ID；如果 Instacart 轮换 ID，回退的名称搜索可能会引入错误。人类干预对于下单是强制性的，因为工具仅预置购物车。运营成本包括潜在的基础服务 API 费用，但核心逻辑在本地运行。所述架构的来源可靠性较高，但未提供准确率之外的具体性能指标。。
工具
Agent Work Atlas 发布日期:
概述
一组用于 OpenClaw 的基础设施插件，将其转变为家庭操作系统。
工作流程
该系统通过分析 Instacart 购买历史来自动识别需要补货的家庭杂货，并预置购物车。使用确定性 CLI 和规范化商品 ID 将商品添加到购物车，避免了基于 LLM 的浏览器自动化错误。LLM 仅负责初始设置和解释用户意图，而 Python 守护进程处理数据抓取、频率分析和购物车构建。最后通过 iMessage 通知人类审查并手动下单，确保不会发生自主消费。
原文报告的结果
最初的 LLM 驱动浏览器方案因自动建议匹配错误导致 14 个商品中有 11 个添加错误。改用基于规范化商品 ID 的 CLI 后，准确率达到 100%，并使工作流变得确定性。系统成功在每周三和周六预置购物车，并发送包含结账链接的单条通知。由于 CLI 故意不具备结账功能，因此不会发生自主下单，需要人工确认才能完成购买。
人工角色
原始帖子未说明人类如何保持参与。
局限
需要活跃的 Instacart 会话和 instacart-pp-cli 二进制文件。系统依赖稳定的规范化商品 ID；如果 Instacart 轮换 ID，回退的名称搜索可能会引入错误。人类干预对于下单是强制性的，因为工具仅预置购物车。运营成本包括潜在的基础服务 API 费用，但核心逻辑在本地运行。所述架构的来源可靠性较高，但未提供准确率之外的具体性能指标。
试一试
扮演家庭自动化工程师。我需要利用 OpenClaw 和自定义 CLI 设置一个确定性的杂货补货系统。 输入： - [Instacart 账户凭证] - [购买历史数据源] - [目标通知渠道，例如 iMessage] - [脚本输出目录] 步骤： 1. 实施一个夜间脚本，使用规范化商品 ID 将订单历史抓取到本地 SQLite 数据库中。 2. 创建一个频率分析器，计算购买之间的中位天数，将商品标记为“到期”、“即将到期”或“未到期”。 3. 构建一个购物车预置脚本，使用 CLI 通过商品 ID 将“到期”商品添加到 Instacart 购物车，并为 ID 轮换提供安全回退。 4. 配置每周定时任务（例如周三/周六）运行预置脚本并发送包含结账 URL 的通知。 5. 确保系统绝不自动下单；它必须仅预置购物车并通知用户。 交付物： - 用于历史抓取、频率分析和购物车构建的 Python 脚本。 - 用于跟踪补货通知的 SQLite 架构。 - 定时任务和通知交付的配置文件。 质量检查： - 验证 100% 的预置商品与历史中的规范化 ID 匹配。 - 确认在实际购物车构建或通知交付步骤中不涉及 LLM。 - 在全面部署前使用 5 个商品的小样本进行测试。 - 在启用针对真实账户的定时任务前需要人工确认。 如果缺少输入，请询问具体的 Instacart CLI 工具或 API 访问详细信息。如果有 CLI 可用，请勿继续使用浏览器自动化。
来源报告未经独立核验。发布日期为本站案例发布日期，并非原始文章日期。