SKILLEMALL.ai

AD amazon-bad-review-analysis

Анализ негативных отзывов Amazon: собирает отзывы для указанного ASIN, фокусируется на негативных отзывах от 1 до 3 звезд, разбирает основные причины негативных отзывов, такие как дефекты качества, повреждения при доставке, несоответствие описанию, трудности в использовании, и сортирует их по частоте появления. Предоставляет рекомендации по улучшению продукта и описания для снижения количества возвратов, а также графики распределения оценок и тенденций негативных отзывов. Используйте, когда пользователь спрашивает о негативных отзывах, жалобах на одну звезду, анализе плохих отзывов, анализе плохих отзывов, негативных отзывах, анализе жалоб, проблемах с качеством, проверке снижения рейтинга, причинах возврата. Требуется ключ ARI API (ari_live_*).

машинный переводПоказать оригиналСкрыть оригинал«亚马逊差评分析 Skill:采集指定 ASIN 的评论,聚焦 1-3 星负面反馈, 拆解质量缺陷、物流破损、描述不符、使用困惑等差评根因并按…»

亚马逊差评分析 Skill:采集指定 ASIN 的评论,聚焦 1-3 星负面反馈, 拆解质量缺陷、物流破损、描述不符、使用困惑等差评根因并按出现频次排序, 给出降低退货的产品与文案改进建议,附星级分布与差评趋势图表。 Use when the user asks about negative reviews, one-star complaints, bad review analysis, 差评分析、负面评论、投诉分析、质量问题、评分下滑排查、退货诱因。 Requires an ARI API key (ari_live_*).

ClawHub Agent Skills автор: funewa v0.1.1 MIT-0 8 файлов тело ≈ 854 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Анализ негативных отзывов Amazon: собирает отзывы для указанного ASIN, фокусируется на негативных отзывах от 1 до 3 звезд, разбирает основные причины…

Как процесс D 47/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

АнализаторПоддержка клиентовРазработкаДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
D
47/100
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
Это копия скилла из другого каталога, в рейтинге считается основная: amazon-bad-review-analysis (ClawHub)

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Утечка данных средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

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».

Автору

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

    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
    • средняя Утечка данных net-redirectable-api-key scripts/ari.py:54
      Скрипт отправляет API-ключ на хост из переменной окружения — ключ можно перенаправить на другой сервер
      API key + configurable base URL from environment

    Просканировано файлов: 8. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "display_name"
    • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

    Процессный рейтинг: все десять параметров 47/100

    • 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
    • 40Согласованность. Имя во frontmatter (amazon-bad-review-analysis) не совпадает с папкой (bad-review-1-3-0)
    • 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: 35
    • 100Стоимость исполнения. Тело инструкции 854 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
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 268 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 35 пунктов
    • +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: 85.

    Внешние проверки

    ClawHub: suspicious
    The skill is mostly coherent for Amazon review analytics, but it uses a local ARI API key with an environment-overridable service endpoint and includes account/workflow mutations that deserve review before installation.
    LLM: suspicious (high) · 3 сент. 2026 г.