实时KDP市场数据
挑选读者真正在搜索的分类。利基清单由亚马逊自己的搜索自动补全构建并定期刷新，因此它是实测的需求信号，而不是去年的猜测。
可直接上架的文件
按 KDP 规范制作的 DOCX、EPUB 和印刷 PDF，开本、页边距和前言部分均正确。
内置关键词与元数据
KDP的七个关键词槽、商品描述和分类随书附带，按排名优化撰写，复制即可使用。
选择利基
带着自己的选题来，或从实时市场数据中浏览高需求利基。
生成并润色
引擎写出结构化、有真人语感的初稿。你拥有完全的编辑控制权。
导出并上传KDP
下载封面、书稿和元数据包，上传Amazon即可上架。
自出版的要求清单很短，而弄砸它们的方式清单很长。您需要一个形状正确的内文文件、一张按确切页数裁定的封面、一段简介、七个关键词，以及最多三个分类。少了任何一样，上传要么卡住，要么书就带着业余的样子上架了。从 BookFoundry 出来的是整整一套。书稿会导出为电子书用的 EPUB、按六乘九英寸并留四分之三英寸页边距生成的可付印 PDF，以及在还有人要动手时用的 DOCX。前置部分由我们替您搭好：书名页、版权页和目录，其中版权段落已本地化为十八种语言。商品页那一侧也随之而来，而不是事后变成您的麻烦。这些都不是出版一本书里有意思的部分，也正因如此，才值得不去手工做。
书写完后，您可以索取它的商店元数据，引擎会在写下任何一项之前先读这本书本身。给亚马逊的是一段一百八十到三百二十字之间的 HTML 简介、正好七个对应 KDP 七个栏位的长尾关键词，以及最多三条分类路径。苹果和谷歌的形状不同，各自另有一份：苹果是较短的简介搭配六到十个关键词，谷歌是较长的简介搭配十到十五个。每家商店各占一个标签页，每个字段旁都有复制按钮，还有一条直达 KDP 标题设置的链接，所以您是粘贴而不是重打一遍。生成这些不花积分。它按需运行而非自动运行，因为多数人从不出版，替所有人都生成一遍是浪费，所以在您按下按钮之前什么都不会产生。您随时可以重新生成，每个字段也始终可编辑。
这是一件小事，却悄悄耗掉很多人的整个晚上。让语言模型给出亚马逊分类，它会信心十足地产出看起来完全正确、实际并不存在的路径，因为它在生成看似合理的文字，而不是在读一套分类体系。您会在上传时发现，那个字段不肯接受；然后就得手动去 KDP 的分类树里翻找。这里的做法是：模型读完书之后提出路径，而每一条提议都会与随附的一份真实亚马逊 KDP 分类树副本比对。凡是对不上真实路径的，会在给您看到之前就被丢弃，剩下的空位由一个关键词评分器补上。三条都仍可编辑，所以如果您比机器更懂自己的市场，尽可覆盖。同一套真实分类在创建阶段就可用，深达三层，而您在那里选定的分类会作为「正在写哪一类书」的信号传给引擎。
多数出版工具默认您要在 Amazon.com 上出一本英文书，然后悄悄把其余所有人丢下自行摸索。这里，商品信息跟着书走。用法语写的书会拿到法语简介和法语关键词，亚马逊的市场也会相应设为 Amazon.fr，因为把法语简介挂在美国站对谁都没用。有一样东西刻意不翻译：分类路径保持英文。因为亚马逊的分类体系本身是英文的，而翻译过的路径是一条解析不出来的路径。这个区分比听上去更要紧。读者会看到的部分用读者的语言，而亚马逊自己的系统会读的部分则用亚马逊预期的形式。内文也是一致的，版权页和目录是用书的语言搭出来的，而不是拿英文贴上去。
利基清单读取亚马逊自己的搜索自动补全，也就是读者一边打字一边冒出来的那些建议，覆盖六个市场并保留各自的语言，再按各主题浮现的稳定程度排序。那是取自人们真正在敲的字的真实需求信号，而不是第三方对什么可能好卖的估算。浏览是免费的，也不需要账户。它刻意不做的，是给货架打分。供给是有意留作未经核实的，所以这份清单诚实的用法是当作起点，而不是当作判决：挑一个需求稳定的题目，然后自己打开亚马逊，看看那里已经有些什么。有多少本、写得多好、评论看起来多强。稳定的需求旁边配上一个稀薄或薄弱的货架，正是您要找的缺口；而这一半，没有任何工具能在您不亲自去看的情况下替您确认。任何告诉您某个利基一定赚钱的产品，都是在卖它并不拥有的确定性。
在零售商那里出版是一个选项，不是唯一的那个。一本写完的书可以直接发布到网上，成为 bookfoundry.ai 上的一个公开阅读页，附带一条您可以发给任何人的短链接，以及一个可选的公开作者页，把您发表过的东西收拢在一起。读它不需要任何人有账户。这很适合数量庞大的、本来就不为商业而写的书：给早就知道自己想要它的人看的家族史、一本公司手册、一本写给您叫得出名字的一群读者的书。它也是把一件完成品放到某人面前最快的方式。您随时可以撤下，一分钟内它就不再可达；而一次读不到这本书各章的发布，会被直接拒绝，而不是产出一条打开是空白页面的链接。
BookFoundry 的对比表现
