AB ecommerce-reviews
Извлекает отзывы клиентов с любой страницы товара или страницы отзывов в интернет-магазине. Возвращает имя рецензента, звездный рейтинг, дату, заголовок отзыва, текст отзыва, статус подтвержденной покупки и количество полезных голосов для каждого отзыва. Работает на Amazon, WooCommerce, Shopify и любом сайте со стандартной разметкой отзывов. Поддерживает постраничную навигацию для разделов с отзывами, состоящих из нескольких страниц. Используйте для: отзывов о товарах, обратной связи от клиентов, сбора отзывов, получения отзывов, данных для анализа настроений, извлечения отзывов, оценок клиентов, извлечения мнений клиентов, отзывов о товарах, пользовательских отзывов, анализа отзывов, массового сбора отзывов, анализа отзывов, сбора оценок и комментариев, данных об отзывах в электронной коммерции.
машинный переводПоказать оригиналСкрыть оригинал«Extract customer reviews from any e-commerce product page or reviews p…»
Extract customer reviews from any e-commerce product page or reviews page. Returns reviewer name, star rating, date, review title, review body, verified purchase status, and helpful votes per review. Works on Amazon, WooCommerce, Shopify, and any site with standard review markup. Supports pagination for multi-page review sections. Use when: product reviews, customer feedback, review scraping, get reviews, sentiment analysis data, review extraction, customer ratings, extract customer opinions, product feedback, user reviews, review mining, bulk review collection, review analysis, scrape ratings and comments, ecommerce review data.
Извлекает отзывы клиентов с любой страницы товара или страницы отзывов в интернет-магазине.
Как процесс B 67/100 · Почти готов — слабые места: результат и критерий готовности, когда включается, повторный запуск
Как улучшить
- 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 · 0
✓ Критических и высоких находок нет
Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 67/100
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 40Результат и критерий готовности. Не сказано, что считать результатом
- 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 100Шаги. Шагов: 12
- 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1199 токенов
- low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
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
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 637 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 14 заголовков
- +3Пошаговые инструкции: 12 пунктов
- +4Есть примеры (3 блоков кода)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.