AB amazon-review-intelligence-extractor
Глубокое понимание потребителей на основе более 1 миллиарда предварительно проанализированных отзывов Amazon. Извлекает болевые точки, факторы покупки, профили пользователей, модели использования и возможности дифференциации по 11 измерениям анализа. Сравнивает настроения в отзывах конкурентов и генерирует предложения по текстам для листингов. Использует все 11 конечных точек API ZooData с перекрестной проверкой. Используйте, когда пользователь спрашивает о: анализе отзывов, обратной связи с клиентами, болевых точках, что говорят клиенты, анализе отзывов, анализе настроений, понимании потребителей, улучшениях продукта, голосе клиента, сравнении отзывов, негативных отзывах, жалобах клиентов, факторах покупки, профиле пользователя. Требуется ZOODATA_API_KEY.
машинный переводПоказать оригиналСкрыть оригинал«Deep consumer insights from 1B+ pre-analyzed Amazon reviews. Extracts…»
Deep consumer insights from 1B+ pre-analyzed Amazon reviews. Extracts pain points, buying factors, user profiles, usage patterns, and differentiation opportunities across 11 analysis dimensions. Compares review sentiment across competitors and generates listing copy suggestions. Uses all 11 ZooData API endpoints with cross-validation. Use when user asks about: review analysis, customer feedback, pain points, what customers say, review insights, sentiment analysis, consumer insights, product improvements, voice of customer, review comparison, negative reviews, customer complaints, buying factors, user profile. Requires ZOODATA_API_KEY.
Глубокое понимание потребителей на основе более 1 миллиарда предварительно проанализированных отзывов Amazon.
Как процесс B 73/100 · Почти готов — слабые места: повторный запуск
Чем это грозит
Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.
Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.
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».
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
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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 · 1
✓ Критических и высоких находок нет
Средние и низкие: 1
-
средняя Утечка данных
net-redirectable-api-keyscripts/zoodata.py:74Скрипт отправляет API-ключ на хост из переменной окружения — ключ можно перенаправить на другой серверAPI key + configurable base URL from environment
Просканировано файлов: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
body-longтело SKILL.md ≈ 5586 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 73/100
- 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 70Стоимость исполнения. Тело инструкции 5586 токенов
- 100Шаги. Шагов: 52
- 100Ошибки и развилки. Развилок: 6, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
- low Разделов верхнего уровня: 15. 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)
- -283 эмодзи в инструкциях: шум для модели
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 642 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 35 заголовков
- +3Пошаговые инструкции: 52 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (12 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 2)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 82.