SKILLEMALL.ai
GitHub ↗ EN Войти

BD linkfox-amazon-ads-sp-insights-report

Навык анализа отчетов Amazon Ads Sponsored Products (SP), унифицированно получающий данные о сегментации аудитории Audience и данные о Search Term Impression Share/Rank (доля показов/рейтинг поисковых запросов) из двух типов отчетов Amazon Ads Reporting API v1 beta. Автоматически выполняет сопоставление профиля с рекламным аккаунтом, создание отчета, опрос статуса, многосегментную загрузку CSV и сохранение в файл. Активируется только когда пользователь явно запрашивает отчет по аудитории SP, доле показов/рейтингу поисковых запросов SP; обычные отчеты по поисковым запросам SP, отчеты SB/SD/DSP не должны активировать этот навык. Этот навык зависит от linkfox-amazon-ads-auth.

машинный переводПоказать оригиналСкрыть оригинал«亚马逊广告 Sponsored Products（SP）洞察报告技能，统一获取 Audience 受众细分表现和 Search Term I…»

亚马逊广告 Sponsored Products（SP）洞察报告技能，统一获取 Audience 受众细分表现和 Search Term Impression Share/Rank 搜索词展示份额/排名两类 Amazon Ads Reporting API v1 beta 报告。自动完成 profile 到 advertiser account 映射、报告创建、状态轮询、多分片 CSV 下载和落盘。只有用户明确要求 SP 受众报告、SP 搜索词展示份额或展示份额排名时触发；普通 SP 搜索词表现报告、SB/SD/DSP 报告不得触发。本技能依赖 linkfox-amazon-ads-auth。

ClawHub Agent Skills автор: linkfox-ai v1.0.0 MIT-0 11 файлов тело ≈ 1 033 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Навык анализа отчетов Amazon Ads Sponsored Products (SP), унифицированно получающий данные о сегментации аудитории Audience и данные о Search Term Impression…

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияДанные и аналитикатип 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%
97
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
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 · 3

✓ Критических и высоких находок нет

Средние и низкие: 3
  • низкая Опасные команды cmd-shell-rc references/onboarding.md:13
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile) (в кавычках — упоминание, а не команда)
    - macOS zsh：`echo 'export LINKFOX_AGENT_API_KEY="<key>"' >> ~/.zshrc && source ~/.zshrc`
    в кавычках
  • низкая Опасные команды cmd-shell-rc references/onboarding.md:14
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile) (определение детектора / чёрного списка)
    - Linux bash：`echo 'export LINKFOX_AGENT_API_KEY="<key>"' >> ~/.bashrc && source ~/.bashrc`
    детектор
  • низкая Секреты в коде secret-high-entropy-token scripts/onboarding.py:50
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    or "eyJh…iJ9")
    в кавычках

Просканировано файлов: 11. 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 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 29
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1033 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Ответ описан самодельной разметкой (6 тегов): типизированный вызов надёжнее

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
  • -33 из 5 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 300 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 29 пунктов
  • +4Есть примеры (2 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 4)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: suspicious
The reporting feature is mostly scoped, but the package also includes account login, API-key generation, and payment flows that go beyond a simple Amazon Ads report skill.
LLM: suspicious (high) · 21 авг. 2026 г.