SKILLEMALL.ai

AB dataify-amazon-global-product

Собирайте продукты с глобальных торговых площадок Amazon по URL продукта, URL категории, ключевому слову или ключевому слову плюс бренду. Используйте, когда запрос явно касается глобальных или многорыночных данных о продуктах Amazon. Не используйте для обычных деталей ASIN одного продукта или списков продуктов по ключевым словам и доменам.

машинный переводПоказать оригиналСкрыть оригинал«Collect Amazon global-marketplace products by product URL, category UR…»

Collect Amazon global-marketplace products by product URL, category URL, keyword, or keyword plus brand. Use when the request explicitly concerns global or multi-market Amazon product data. Do not use for ordinary single-product ASIN details or keyword-and-domain product lists.

ClawHub Agent Skills автор: dataify-server v1.3.1 MIT-0 12 файлов тело ≈ 2 492 токенов Открыть источникclawhub.ai проанализирован 21 ч назад

Собирайте продукты с глобальных торговых площадок Amazon по URL продукта, URL категории, ключевому слову или ключевому слову плюс бренду.

Как процесс B 67/100 · Почти готов — слабые места: результат и критерий готовности, повторный запуск

ПроцедураМаркетингТорговлятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
B
67/100
Почти готов
Результат и критерий готовности вес 14
0
Повторный запуск вес 4
30
Когда включается вес 12
50
три самых слабых из десяти параметров · все десять

Как улучшить

    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 · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • низкая Секреты в коде secret-password-literal scripts/task_runtime.py:38
      Захардкоженный пароль / ключ (возможно, пример)
      api_key = api_key[7:].strip()

    Просканировано файлов: 12. 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

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 41
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2492 токенов
    • 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: 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
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -36 из 7 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 278 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 41 пунктов
    • +4Есть примеры (5 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.

    Внешние проверки

    ClawHub: suspicious
    The skill has a coherent Amazon collection workflow, but it needs review because it also ships broader scraping code, weak target scoping, risky credential handling, and an unreviewed adjacent-code import path.
    LLM: suspicious (high) · 8 сент. 2026 г.