SKILLEMALL.ai
GitHub ↗ EN Войти

CB apify-easy-competitive-intelligence

Этот навык следует использовать, когда пользователь просит "проанализировать конкурента", "сравнить цены", "конкурентный ландшафт", "маркетинговое исследование", "что думают клиенты", "обзор разведданных", "сигналы найма", "контент-стратегия", "SEO-битва", "создать батлкард", "конкурентный анализ", "кто игроки", "кто конкурирует с", "рыночная разведка", "конкурентное позиционирование", "глубокое погружение в компанию", "подготовка к совету директоров", "SWOT-анализ", "как [X] сравнивается с [Y]", или упоминает конкурентный анализ, сравнение цен, настроения клиентов или исследование рыночного ландшафта. Требуется Apify CLI или сервер Apify MCP.

машинный переводПоказать оригиналСкрыть оригинал«This skill should be used when the user asks to "analyze a competitor"…»

This skill should be used when the user asks to "analyze a competitor", "compare pricing", "competitive landscape", "market research", "what do customers think", "review intelligence", "hiring signals", "content strategy", "SEO battle", "build a battlecard", "competitive analysis", "who are the players", "who competes with", "market intelligence", "competitive positioning", "deep dive on a company", "board prep", "SWOT analysis", "how does [X] compare to [Y]", or mentions competitor analysis, pricing comparison, customer sentiment, or market landscape research. Requires Apify CLI or Apify MCP server.

Не рекомендуетсяесть критические или высокие находки безопасности
apify/awesome-skills Agent Skills автор: apify 11 файлов тело ≈ 2 267 токенов Открыть источникgithub.com↗ проанализирован 3 дн назад

Этот навык следует использовать, когда пользователь просит "проанализировать конкурента", "сравнить цены", "конкурентный ландшафт", "маркетинговое…

Как процесс B 71/100 · Почти готов — слабые места: результат и критерий готовности, повторный запуск, отчётность по ходу

АнализаторМаркетингИИ и агентыЛюди и наймтип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
C
84/100
безопасность, качество, тесты
Безопасность 60%
81
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
B
71/100
Почти готов
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Чем это грозит

Скилл содержит фрагменты, которые в чужих руках стоят денег или данных. Ниже, что рискует потерять тот, кто установит, и что должен сделать автор.

Утечка данных
Если установить

Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».

Автору

Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.

Как улучшить

  1. Разберите находки высокой серьёзности: каждая стоит 18 баллов безопасности. Если это ложное срабатывание, добавьте код правила в guard.allow в spec.yaml.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 2

  • высокая Утечка данных intent-browser-credential-store SKILL.md:21
    Доступ к хранилищу паролей / cookies браузера
    Real-time competitive intelligence powered by live web data via Apify actors. **Never answer competitive questions from training knowledge alone.** Always gather live data first, then analyze.
Средние и низкие: 1
  • низкая Утечка данных read-dotenv SKILL.md:46
    Чтение файла .env (определение детектора / чёрного списка)
    3. **From .env file:** `source .env` (if the file contains `APIFY_TOKEN=...`)
    детектор

Просканировано файлов: 11. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • заметка frontmatter-key неизвестное поле фронтматтера "author_url"

Процессный рейтинг: все десять параметров 71/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (web, python, node), но во frontmatter они не объявлены
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 39
  • 100Когда включается. Сказано, когда применять и когда не применять
  • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2267 токенов

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 19 примера фраз-триггеров в кавычках
  • +3Длина description 607 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 39 пунктов
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.