BC amazon-user-persona
Анализ портрета покупателя Amazon: кто реальный покупатель по отзывам — покупает для себя или в подарок, в каких сценариях использует, больше заботится о цене или качестве, от какого альтернативного товара перешел. Создает портрет аудитории для таргетинга рекламы и определения тональности текстов. Этот пакет также предоставляет полные возможности ARI для анализа отзывов: подписка на ASIN и сбор отзывов, просмотр и фильтрация отзывов, просмотр звездного рейтинга/ключевых слов/трендов и радарных диаграмм, создание отчетов VOC и глубоких инсайтов, запуск рабочих процессов управления товарами, мониторинг изменений товаров (watch), предупреждение о плохих отзывах и рабочее место для плохих отзывов, отраслевое сопоставление и ранжирование по категориям, а также экспорт отзывов в CSV и отчетов в Markdown/HTML. Используйте, когда пользователь спрашивает о портрете покупателя, целевой аудитории, профиле клиента, кто покупает этот товар, 用户画像、买家画像、人群分析、目标客户、受众定位、客群洞察. Требуется ключ ARI API (ari_live_*).
машинный переводПоказать оригиналСкрыть оригинал«亚马逊用户画像分析 Skill：从评论里还原真实买家是谁——买给自己还是送礼、 什么场景下使用、更在意价格还是品质、从哪个替代品换过来的，…»
亚马逊用户画像分析 Skill：从评论里还原真实买家是谁——买给自己还是送礼、 什么场景下使用、更在意价格还是品质、从哪个替代品换过来的， 生成可用于广告定向与文案口吻的人群画像。 本包同时提供 ARI 完整评论分析能力：订阅 ASIN 并采集评论、浏览与筛选评论、 查看星级/关键词/趋势与雷达图表、生成 VOC 与深度洞察等分析报告、 运行商品运营工作流、商品变化监控（watch）、差评预警与差评工作台、 行业对标与类目排行，并导出评论 CSV 与报告 Markdown/HTML。 Use when the user asks about buyer persona, target audience, customer profile, who buys this product, 用户画像、买家画像、 人群分析、目标客户、受众定位、客群洞察。 Requires an ARI API key (ari_live_*).
Анализ портрета покупателя Amazon: кто реальный покупатель по отзывам — покупает для себя или в подарок, в каких сценариях использует, больше заботится о цене…
Как процесс C 52/100 · Есть пробелы — 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.
Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.
Скилл просит больше прав, чем нужно для задачи: широкий доступ к инструментам, секретные переменные окружения, бинарные файлы. Каждое лишнее право расширяет ущерб при ошибке или взломе.
Сузьте allowed-tools и список переменных до минимума, замените бинарники на исходники или скрипты, которые можно прочитать.
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 · 2
✓ Критических и высоких находок нет
Средние и низкие: 2
-
средняя Утечка данных
net-redirectable-api-keyscripts/ari.py:82Скрипт отправляет API-ключ на хост из переменной окружения — ключ можно перенаправить на другой серверAPI key + configurable base URL from environment
-
средняя Широкие права
meta-broad-allowed-toolsSKILL.md:1Заранее разрешены широкие инструменты: Bashallowed-tools: Bash
Просканировано файлов: 9. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- заметка
frontmatter-keyнеизвестное поле фронтматтера "display_name" - заметка
frontmatter-keyнеизвестное поле фронтматтера "agent_created"
Процессный рейтинг: все десять параметров 52/100
- 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-user-persona) не совпадает с папкой (user-persona)
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Инструменты и файлы. Инструменты объявлены во frontmatter
- 100Шаги. Шагов: 70
- 100Стоимость исполнения. Тело инструкции 2398 токенов
- low Разделов верхнего уровня: 11. 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
- +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 416 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 12 заголовков
- +3Пошаговые инструкции: 70 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: 89.