diff --git a/ecommerce_tools.py b/ecommerce_tools.py
new file mode 100644
index 0000000000000000000000000000000000000000..6accfd2223cd4b2514aec43fa2a68ab04687b8e3
--- /dev/null
+++ b/ecommerce_tools.py
@@ -0,0 +1,84 @@
+import requests
+import re
+from bs4 import BeautifulSoup
+import json
+
+class ECommerceScraper:
+    """
+    一个专门用于从电商产品页面抓取关键信息的工具。
+    它可以提取商品标题、价格和顾客评分。
+    """
+
+    def __init__(self):
+        # 这是一组基于常见电商网站（如亚马逊）HTML结构的启发式选择器
+        self.selectors = {
+            'title': ['#productTitle', 'h1.product-title', 'h1'],
+            'price': [
+                '.a-price-whole', '.price-large', '.price',
+                '[class*="price-value"]', '[class*="product-price"]'
+            ],
+            'rating': [
+                '#acrPopover', '[data-hook="rating-out-of-text"]',
+                '[class*="rating-stars"]', '[class*="average-rating"]'
+            ]
+        }
+
+    def _scrape_element(self, soup, selectors):
+        """尝试用多个选择器定位元素并提取文本"""
+        for selector in selectors:
+            element = soup.select_one(selector)
+            if element:
+                return element.get_text(strip=True)
+        return None
+
+    def __call__(self, url: str) -> str:
+        """
+        抓取给定的产品URL，提取标题、价格和评分。
+
+        Args:
+            url: 产品页面的URL。
+
+        Returns:
+            一个包含抓取数据的JSON字符串，或一条错误信息。
+        """
+        try:
+            headers = {
+                'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36',
+                'Accept-Language': 'en-US,en;q=0.9' # 伪装成英文浏览器以获取更标准化的页面
+            }
+            response = requests.get(url, headers=headers, timeout=15)
+            response.raise_for_status()
+            soup = BeautifulSoup(response.text, 'html.parser')
+
+            title = self._scrape_element(soup, self.selectors['title'])
+            price_text = self._scrape_element(soup, self.selectors['price'])
+            rating_text = self._scrape_element(soup, self.selectors['rating'])
+            
+            # 对提取的文本进行一些清理
+            price = "Not Found"
+            if price_text:
+                price_match = re.search(r'[\d,.]+', price_text)
+                if price_match:
+                    price = price_match.group()
+
+            rating = "Not Found"
+            if rating_text:
+                rating_match = re.search(r'[\d.]+\s*out of\s*[\d.]+', rating_text)
+                if rating_match:
+                    rating = rating_match.group()
+                else:
+                    rating = rating_text # 如果格式不匹配，返回原始文本
+
+            product_data = {
+                'product_title': title or "Not Found",
+                'price': price,
+                'customer_rating': rating
+            }
+
+            # 以JSON格式返回结构化数据，便于LLM理解
+            return json.dumps(product_data, indent=2, ensure_ascii=False)
+
+        except requests.RequestException as e:
+            return f"Error: Network issue while fetching the URL: {e}"
+        except Exception as e:
+            return f"Error: An unexpected error occurred during scraping: {e}"
\ No newline at end of file
diff --git a/product_selection_agent.py b/product_selection_agent.py
new file mode 100644
index 0000000000000000000000000000000000000000..62f8da122ca44c476f5134227ad2603c4974fbd3
--- /dev/null
+++ b/product_selection_agent.py
@@ -0,0 +1,36 @@
+import lazyllm
+from ecommerce_tools import ECommerceScraper
+
+# --- 主程序 ---
+if __name__ == '__main__':
+    # 1. 实例化我们为电商选品定制的工具
+    ecommerce_scraper_tool = ECommerceScraper()
+    print("--- 定制工具 [ECommerceScraper] 加载成功 ---")
+
+    # 2. 定义 Agent 的角色和目标 (System Prompt)
+    system_prompt = (
+        "你是一名资深的跨境电商选品专家。你的任务是帮助用户分析产品的市场潜力。"
+        "请使用你所掌握的工具从产品页面抓取数据（如标题、价格、评分）。"
+        "基于抓取到的数据，给用户提供一个简明扼要的分析。例如，你可以评论其价格是否有竞争力，或根据评分判断顾客满意度。"
+        "当你调用工具后，会得到一个JSON格式的数据，请将这些信息以易于阅读的方式呈现给用户，然后再附上你的专家分析。"
+    )
+    print("--- Agent 角色设定：跨境电商选品专家 ---")
+
+    # 3. 创建聊天 Agent 核心
+    # 使用通义千问模型，并装备新工具和系统角色
+    product_agent = lazyllm.OnlineChatModule(
+        source="qwen",
+        model="qwen-turbo",
+        api_key="sk-0939b9db273c46089ecc48a18dbcd5f8", # 使用您提供的 API Key
+        tools=[ecommerce_scraper_tool],
+        system_prompt=system_prompt
+    )
+    print("--- 选品 Agent [OnlineChatModule] 创建成功 ---")
+
+    # 4. 创建并启动 Web 界面 (使用新的端口范围以避免冲突)
+    print("--- 正在准备启动 Gradio Web 界面... ---")
+    web_ui = lazyllm.WebModule(product_agent, port=range(23471, 23475))
+    
+    print("--- 服务启动中，请在浏览器中打开给出的地址 ---")
+    web_ui.start().wait()
+    print("--- Web 界面已关闭 ---")
\ No newline at end of file
diff --git "a/\350\267\250\345\242\203\347\224\265\345\225\206\351\200\211\345\223\201 Agent \346\212\200\346\234\257\346\226\207\346\241\243.pdf" "b/\350\267\250\345\242\203\347\224\265\345\225\206\351\200\211\345\223\201 Agent \346\212\200\346\234\257\346\226\207\346\241\243.pdf"
new file mode 100644
index 0000000000000000000000000000000000000000..35881344ffbbe963f626ef233a00ed42ee3d3fae
Binary files /dev/null and "b/\350\267\250\345\242\203\347\224\265\345\225\206\351\200\211\345\223\201 Agent \346\212\200\346\234\257\346\226\207\346\241\243.pdf" differ