AD amazon-review-intelligence
Сервис ARI для сбора отзывов Amazon и анализа потребителей. С помощью ARI API подписывайтесь на ASIN, собирайте отзывы, просматривайте рейтинги/ключевые слова/тренды, генерируйте отчеты VOC или подробные отчеты с инсайтами, а также получайте информацию о болевых точках, мотивах покупки, портретах пользователей, сценариях использования, возможностях улучшения и рекомендациях по листингу. **Поддерживается регулярный сбор для отслеживания новых отзывов**, отчеты можно сравнивать с предыдущими (решено/вновь появилось/ухудшается), а также доступны радар категорий (ваш продукт против конкурентов в еженедельном тренде), список популярных негативных отзывов, предупреждение об эмоциях, рейтинг категорий, рабочее место для негативных отзывов (предложения по ответам ИИ) и экспорт отзывов/отчетов. Используйте, когда пользователь спрашивает об анализе отзывов Amazon, голосе клиента, болевых точках, жалобах, настроениях, потребительских инсайтах, отзывах конкурентов, текстах листинга, оповещениях об отзывах, бенчмаркинге категорий, ответах на отзывы, экспорте отзывов, мониторинге отзывов, запланированном сборе, трендах во времени, сравнении отчетов.
машинный переводПоказать оригиналСкрыть оригинал«ARI 官方 Amazon 评论采集与消费者洞察 Skill。通过 ARI API 订阅 ASIN、采集评论、 查看星级/关键词/趋势、生成…»
ARI 官方 Amazon 评论采集与消费者洞察 Skill。通过 ARI API 订阅 ASIN、采集评论、 查看星级/关键词/趋势、生成 VOC 或深度洞察报告，并给出痛点、购买动因、用户画像、 使用场景、改进机会和 Listing 建议。**支持开启定期采集持续跟踪新评论**，报告可与上一份 做环比（已解决/新出现/持续恶化），并提供类目雷达（本品 vs 竞品周走势）、高赞差评榜、 情感预警、类目对标排行、差评工作台（AI 回复建议）与评论/报告导出。 Use when the user asks about Amazon review analysis, voice of customer, pain points, complaints, sentiment, consumer insights, competitor reviews, listing copy, review alerts, category benchmark, review reply, review export, review monitoring, scheduled collection, trend over time, report comparison, 评论分析、消费者洞察、差评、卖点、竞品对比、差评预警、行业对标、差评回复、评论导出、 评论监控、定期采集、持续跟踪、报告环比、高赞差评。 Requires an ARI API key (ari_live_*).
Сервис ARI для сбора отзывов Amazon и анализа потребителей.
Как процесс D 45/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки
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
- 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/ari.py:55Скрипт отправляет API-ключ на хост из переменной окружения — ключ можно перенаправить на другой серверAPI key + configurable base URL from environment
Просканировано файлов: 8. 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 45/100
- 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
- 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (amazon-review-intelligence) не совпадает с папкой (amazon-voc)
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Шаги. Шагов: 51
- 100Стоимость исполнения. Тело инструкции 1625 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 640 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 9 заголовков
- +3Пошаговые инструкции: 51 пунктов
- +4Есть примеры (1 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.