SKILLEMALL.ai

BD qinghu-shopee-category-bluesea

青虎AI Shopee Поиск нишевых категорий: Пошагово анализирует категории Shopee первого, второго и третьего уровня, сравнивает списки категорий, снимки трендов категорий и обзоры трендов, распределение цен по категориям, оценивает объем рынка и конкуренцию в каждой категории, чтобы определить нишевые подкатегории с высоким ростом и низкой конкуренцией. Активируется, когда пользователь хочет войти на новый рынок Shopee, открыть новый магазин и выбрать категорию, оценить объем категории, найти категорию с высоким ростом и низкой конкуренцией, просмотреть распределение цен по категориям.

машинный переводПоказать оригиналСкрыть оригинал«青虎AI Shopee 类目蓝海挖掘:逐级下钻 Shopee 一级/二级/三级类目,比对类目榜单、类目趋势快照与趋势概览、类目价格分布,评估…»

青虎AI Shopee 类目蓝海挖掘:逐级下钻 Shopee 一级/二级/三级类目,比对类目榜单、类目趋势快照与趋势概览、类目价格分布,评估各类目的市场容量与竞争激烈程度,锁定高增长低竞争的蓝海细分类目。当用户要进 Shopee 新站点、新开店选类目、评估类目容量、找高增长低竞争类目、看类目价格带分布时必须触发。关键词:青虎AI、Shopee、虾皮、类目、蓝海、细分类目、市场容量、竞争度、类目趋势、价格分布、新站点。

ClawHub Agent Skills автор: AutoAGC v0.1.3 MIT-0 2 файла тело ≈ 1 551 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

青虎AI Shopee Поиск нишевых категорий: Пошагово анализирует категории Shopee первого, второго и третьего уровня, сравнивает списки категорий, снимки трендов…

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкаДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
D
43/100
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

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: 2. 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 43/100

  • 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: 1, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 32
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1551 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 210 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 19 заголовков
  • +3Пошаговые инструкции: 32 пунктов
  • +4Есть примеры (4 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: clean
This skill is a coherent Shopee category-research helper that uses a disclosed Qinghu API token and requires user approval before paid data calls.
LLM: benign (high) · VirusTotal: · 8 сент. 2026 г.