SKILLEMALL.ai
GitHub ↗ EN Войти

BF geekbi-shein-research-skill

Запрашивает и анализирует данные о товарах SHEIN, поиск похожих товаров по изображению, магазинах, категориях, ключевых словах и отзывах через JING Cloud, завершает подбор товаров для трансграничной электронной коммерции, исследование рынка, анализ конкурентов, определение тенденций спроса, ценовых диапазонов, интенсивности конкуренции, болевых точек пользователей и оценку возможностей. Используется, когда пользователь упоминает подбор товаров SHEIN, поиск товаров, загрузку изображений для поиска похожих товаров, поиск по фото, поиск товаров по изображению, визуальный анализ конкурентов, бестселлеры, новые товары, рынки с низким уровнем конкуренции, эффективность товаров, полную или частичную опеку, исследование магазинов, магазины конкурентов, объем категорий, возможности категорий, тенденции ключевых слов, спрос по ключевым словам, объем рынка, отзывы о товарах, причины отрицательных отзывов, сценарии использования, отзывы пользователей или необходимость комбинировать несколько наборов данных SHEIN для принятия управленческих решений. Маршрутизирует один или несколько внутренних инструментов в соответствии с намерением пользователя, формируя выводы исключительно на основе реальных данных, возвращаемых JING Cloud.

машинный переводПоказать оригиналСкрыть оригинал«通过极鲸云查询和分析 SHEIN 商品、图搜同款、店铺、类目、关键词与评论数据，完成跨境电商选品、市场调研、竞品分析、需求趋势、价格带、竞争…»

通过极鲸云查询和分析 SHEIN 商品、图搜同款、店铺、类目、关键词与评论数据，完成跨境电商选品、市场调研、竞品分析、需求趋势、价格带、竞争强度、用户痛点和机会判断。用户提到 SHEIN 选品、找品、上传图片找同款、拍照搜款、以图搜货、视觉竞品、爆款、新品、蓝海市场、商品表现、全托管、半托管、店铺研究、竞品店铺、类目规模、品类机会、关键词趋势、搜索需求、市场容量、商品评论、差评原因、使用场景、用户反馈或需要组合多类 SHEIN 数据形成经营决策时使用。根据用户意图路由一个或多个内部能力，只依据极鲸云真实返回的数据形成结论。

ClawHub Agent Skills автор: GeekBI v0.1.0 MIT-0 34 файла тело ≈ 947 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Запрашивает и анализирует данные о товарах SHEIN, поиск похожих товаров по изображению, магазинах, категориях, ключевых словах и отзывах через JING Cloud…

Как процесс F 35/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: <linkUrl>

Процедуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
67
Прогон на моделях
не было
Процессный рейтинг
F
35/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: <linkUrl>
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 32. 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")
  • предупреждение missing-ref ссылка на отсутствующий файл: <linkUrl>

Процессный рейтинг: все десять параметров 35/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: <linkUrl>
  • 0Инструменты и файлы. Не хватает 1 файла(ов): <linkUrl>
  • 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
  • 100Шаги. Шагов: 34
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 947 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
  • -32 из 9 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 264 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 8 заголовков
  • +3Пошаговые инструкции: 34 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (17 из 18)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.

Внешние проверки

ClawHub: suspicious
The skill mostly matches its SHEIN research purpose, but it needs Review because it stores GeekBI login state under a mismatched Temu namespace and can forward user-supplied images or URLs to GeekBI without prominent consent language.
LLM: suspicious (high) · 13 авг. 2026 г.