SKILLEMALL.ai

BC geekbi-mercadolibre-shop-search-skill

Используйте Jijing Cloud для запроса и анализа реальных данных магазинов Mercado Libre (Meikeduo), поддерживая фильтрацию и сортировку по сайту, названию или ID магазина, количеству товаров, количеству подписчиков, совокупным продажам, рейтингу доверия и времени открытия магазина. Используется, когда пользователь упоминает магазины Meikeduo, продавцов, конкурирующие магазины, ведущие магазины, новые магазины, доверие, Power Seller или масштаб магазина. Основывается только на данных, возвращаемых Jijing Cloud, и не представляет полные отчеты об управлении из Seller Center.

машинный переводПоказать оригиналСкрыть оригинал«使用极鲸云查询和分析 Mercado Libre(美客多)真实店铺数据,支持按站点、店铺名称或 ID、商品数、粉丝数、累计销量、信誉等级和开…»

使用极鲸云查询和分析 Mercado Libre(美客多)真实店铺数据,支持按站点、店铺名称或 ID、商品数、粉丝数、累计销量、信誉等级和开店时间筛选排序。用户提到美客多店铺、卖家、竞店、头部店铺、新店、信誉、Power Seller 或店铺规模时使用。只依据极鲸云返回数据,不代表卖家中心完整经营报表。

ClawHub Agent Skills автор: GeekBI v0.1.0 MIT-0 15 файлов тело ≈ 176 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Используйте Jijing Cloud для запроса и анализа реальных данных магазинов Mercado Libre (Meikeduo), поддерживая фильтрацию и сортировку по сайту, названию или…

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: 10
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 176 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 152 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 3 заголовков
  • +3Пошаговые инструкции: 10 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 do the advertised Mercado Libre shop research, but it needs review because its authentication code can be pointed at arbitrary API origins and stores login tokens in multiple local locations.
LLM: suspicious (high) · 7 сент. 2026 г.