SKILLEMALL.ai

BD 1688-shopkeeper

Эксперт по подбору товаров и трендам на 1688. Используется для: (1) поиска товаров/подбора на 1688 (2) проверки привязанных нижестоящих магазинов (3) выгрузки товаров на платформы вроде Douyin/Pinduoduo/Xiaohongshu/Taobao (4) настройки AK-ключей 1688 (5) просмотра горячих трендов бизнеса (6) просмотра трендов категорий/отраслей и распределения цен (7) генерации ежедневных отчетов по работе магазина и рекомендаций по подбору основных товаров. Триггерные слова: помоги найти товар, ищи на 1688, подбор товара, выгрузка, размещение, проверить магазин, настроить AK, бизнес-тренды, горячие тренды, рейтинги, тренды, распределение цен, дневной отчет, отчет по магазину, анализ продаж, анализ бизнеса, рекомендации по подбору, поиск товара на 1688.

машинный переводПоказать оригиналСкрыть оригинал«1688选品铺货 + 商机趋势专家。用于:(1) 在1688搜索商品/选品找货源 (2) 查询已绑定的下游店铺 (3) 将商品铺货到抖音/拼…»

1688选品铺货 + 商机趋势专家。用于:(1) 在1688搜索商品/选品找货源 (2) 查询已绑定的下游店铺 (3) 将商品铺货到抖音/拼多多/小红书/淘宝等平台 (4) 配置1688 AK密钥 (5) 查看即时商机热榜 (6) 查看类目/行业趋势与价格分布 (7) 生成店铺经营日报并输出主营商品选品建议。 触发词:帮我找商品、在1688搜、选品、铺货、上架、查店铺、配置AK、商机、热榜、排行榜、趋势、价格分布、经营日报、店铺日报、动销分析、经营分析、选品建议、1688找货。

ClawHub Agent Skills автор: 1688AiInfra v1.0.1 MIT-0 54 файла тело ≈ 841 токенов Открыть источникclawhub.ai проанализирован 4 дн назад

Эксперт по подбору товаров и трендам на 1688.

Как процесс D 39/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
65
Прогон на моделях
не было
Процессный рейтинг
D
39/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Такой же скилл встречается ещё в 1 месте: ClawHub

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 54. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 39/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (1688-shopkeeper) не совпадает с папкой (1688-shopkeeper-official)
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 18
  • 100Стоимость исполнения. Тело инструкции 841 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

  • +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
  • +4Нет примеров входа/выхода
  • -35 из 5 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 241 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 9 заголовков
  • +3Пошаговые инструкции: 18 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.

Внешние проверки

ClawHub: suspicious
This commerce automation skill is mostly purpose-aligned, but it handles shop credentials and publishing authority in ways users should review before installing.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.