SKILLEMALL.ai

BC geekbi-coupang-product-search-skill

Используйте JingsCloud для запроса и анализа фактических данных о товарах на Coupang Korea, включая поиск товаров, детали товаров, спецификации, цены, рейтинги, количество отзывов, просмотры и продажи за последние 28 дней, количество продавцов, метки доставки, категории и историю. Используется, когда пользователь упоминает товары Coupang, выбор товаров Coupang, популярные товары на корейском рынке, новые товары, ценовые диапазоны, списки продаж, конкуренцию по спецификациям или товары с доставкой Rocket. Основывайтесь только на данных, возвращаемых JingsCloud, не предоставляйте поиск по магазинам, поиск по изображениям, информацию о прибыли или операции WING.

машинный переводПоказать оригиналСкрыть оригинал«使用极鲸云查询和分析 Coupang 韩国站真实商品数据,包括商品搜索、商品详情、规格、价格、评分、评论数、近 28 日浏览量和销量、卖家数…»

使用极鲸云查询和分析 Coupang 韩国站真实商品数据,包括商品搜索、商品详情、规格、价格、评分、评论数、近 28 日浏览量和销量、卖家数、配送展示标记、类目和历史。用户提到 Coupang 商品、酷澎选品、韩国市场爆品、新品、价格带、销量榜、规格竞争或火箭配送商品时使用。只依据极鲸云返回数据,不提供店铺搜索、图搜、利润或 WING 操作。

ClawHub Agent Skills автор: GeekBI v0.1.0 MIT-0 15 файлов тело ≈ 240 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Используйте JingsCloud для запроса и анализа фактических данных о товарах на Coupang Korea, включая поиск товаров, детали товаров, спецификации, цены…

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

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 14. 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")

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: 16
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 240 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
  • -32 из 5 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 172 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 4 заголовков
  • +3Пошаговые инструкции: 16 пунктов
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: suspicious
The skill appears to be a real Coupang data-query tool, but it stores login tokens in too many places and allows an overly flexible API destination.
LLM: suspicious (high) · 7 сент. 2026 г.