SKILLEMALL.ai
GitHub ↗ EN Войти

BC jd-review-export

Введите ссылку на страницу с описанием товара, автоматически откройте страницу, разверните всплывающее окно «Все отзывы», непрерывно прокручивайте виртуальный список, собирайте отзывы покупателей, удаляйте дубликаты и экспортируйте в локальную таблицу Markdown (имя пользователя/теги покупки/дата/SKU/текст/ответ продавца/количество полезных отзывов), количество можно контролировать с помощью count. Используется, когда пользователь предоставляет ссылку на товар и просит собрать/экспортировать отзывы, комментарии, отзывы покупателей, данные о репутации этого товара. Когда пользователь предоставляет ссылку на товар и просит собрать/экспортировать отзывы, комментарии, отзывы покупателей, данные о репутации этого товара.

машинный переводПоказать оригиналСкрыть оригинал«输入商品详情页链接，自动打开页面、展开「全部评价」浮层，在虚拟列表里持续下拉采集买家评价，去重后导出为本地 Markdown 表格（用户名/…»

输入商品详情页链接，自动打开页面、展开「全部评价」浮层，在虚拟列表里持续下拉采集买家评价，去重后导出为本地 Markdown 表格（用户名/购买标签/日期/SKU/正文/商家回复/有用数），可用 count 控制条数。当用户给出商品链接并要求采集/导出该商品的评价、评论、买家评价、口碑数据时使用。

ClawHub Agent Skills автор: 石建 v1.0.1 MIT-0 4 файла тело ≈ 598 токенов Открыть источникclawhub.ai↗ проанализирован 18 ч назад

Введите ссылку на страницу с описанием товара, автоматически откройте страницу, разверните всплывающее окно «Все отзывы», непрерывно прокручивайте виртуальный…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторТорговлятип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
68
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • низкая Обфускация obf-base64-blob wc3-code.mjs:2
    Длинный blob, похожий на base64 (определение детектора / чёрного списка)
    const _0x58ce15=_0x4d13;(function(_0x5787d1,_0x53c4a9){const _0x19d87a=_0x4d13,_0xcf5d78=_0x5787d1();while(!![]){try{const _0x5d05cd=parseInt(_0x19d87a(0x1c0))/0x1*(parseInt(_0x19d87a(0x1c2))/0x2)+-pa
    детектор
  • низкая Секреты в коде secret-high-entropy-token wc3-code.mjs:2
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    const _0x58ce15=_0x4d13;(function(_0x5787d1,_0x53c4a9){const _0x19d87a=_0x4d13,_0xcf5d78=_0x5787d1();while(!![]){try{const _0x5d05cd=parseInt(_0x19d87a(0x1c0))/0x1*(parseInt(_0x19d87a(0x1c2))/0x2)+-pa
    детектор

Просканировано файлов: 4. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
  • заметка frontmatter-key неизвестное поле фронтматтера "summary"

Процессный рейтинг: все десять параметров 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 13
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 598 токенов
  • 100Повторный запуск. Изменяющих операций нет

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
  • -2Ссылки на localhost: у другого пользователя не заработает
  • +2Инструкции на одном языке
  • +3Длина description 149 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 8 заголовков
  • +3Пошаговые инструкции: 13 пунктов
  • +4Есть примеры (2 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

Внешние проверки

ClawHub: suspicious
This skill is Review-worthy because it controls a logged-in browser and can pass account/page data through an obfuscated LLM helper, with an additional unsafe file-write path.
LLM: suspicious (high) · 13 сент. 2026 г.