SKILLEMALL.ai

BC Amazon Listing Auditor for Chinese Sellers

Инструмент диагностики листингов Amazon, разработанный для китайских трансграничных продавцов. Автоматически обнаруживает ошибки перевода, культурные несоответствия, проблемы с формулировками и отсутствие ключевых слов, помогая повысить конверсию среди покупателей из Европы и США. Триггеры: amazon listing audit, listing review, chinese seller amazon, listing quality, listing copy review, 亚马逊listing审核, listing诊断, 跨境电商listing, listing翻译检查

машинный переводПоказать оригиналСкрыть оригинал«专为中国跨境卖家设计的亚马逊Listing诊断工具,自动检测翻译错误、文化偏差、措辞问题和关键词缺失,帮助提升欧美买家转化率。Amazon…»

专为中国跨境卖家设计的亚马逊Listing诊断工具,自动检测翻译错误、文化偏差、措辞问题和关键词缺失,帮助提升欧美买家转化率。Amazon listing audit skill for Chinese cross-border sellers — flags translation errors, cultural misfires, keyword gaps, and awkward phrasing that kills conversions with Western buyers. Triggers: amazon listing audit, listing review, chinese seller amazon, listing quality, listing copy review, 亚马逊listing审核, listing诊断, 跨境电商listing, listing翻译检查

ClawHub Agent Skills автор: kiwi-phantomworks v1.0.5 MIT-0 2 файла тело ≈ 978 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Инструмент диагностики листингов Amazon, разработанный для китайских трансграничных продавцов.

Как процесс C 60/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, согласованность

АнализаторИнфраструктураТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
68
Прогон на моделях
не было
Процессный рейтинг
C
60/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 60/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (Amazon Listing Auditor for Chinese Sellers) не совпадает с папкой (cn-amazon-listing-auditor)
  • 55Ошибки и развилки. Развилок: 1
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 20
  • 100Стоимость исполнения. Тело инструкции 978 токенов

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)
  • -213 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 407 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 20 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (1 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

Внешние проверки

ClawHub: clean
This is a text-only Amazon listing audit skill with no code execution, persistence, credentials, or hidden data access.
LLM: benign (high) · VirusTotal: · 14 июл. 2026 г.