BC linkfox-amazon-opportunity-search-by-metrics
Обратный подбор товаров на Amazon: на основе пула метрик, накопленных в отчетах об анализе исторических данных, осуществляется обратный отбор ниш и ключевых слов на Amazon по более чем 30 коммерческим параметрам (объем и рост рынка, ценовой диапазон и доля, плотность конкуренции и концентрация лидеров, демографический профиль, например, возраст/пол/доход, преимущества и недостатки отзывов и т. д.). Активируется, когда пользователь упоминает обратный подбор товаров, фильтрацию метрик, обратный поиск по сегментам рынка, поиск перспективных ниш, ниши с низкой конкуренцией, ниши для новичков, рынки с раздробленным брендом, выбор ниши по болевым точкам, обратный поиск преимуществ, возможности ценовых сегментов, выбор ниши по демографии, Amazon niche reverse search, niche metrics filter, low-competition niche, blue ocean niche, demographic-based selection, pain-point niche, price tier opportunity, sweet spot pricing, brand fragmentation. Даже если пользователь явно не говорит «обратный подбор товаров», этот навык следует активировать, если его запрос заключается в фильтрации подходящих ниш на Amazon по коммерческим параметрам.
машинный переводПоказать оригиналСкрыть оригинал«亚马逊反向选品：基于历史商业洞察报告沉淀的指标数据池，按 30+ 项商业维度（市场规模与增长、价格区间与档位份额、竞争密度与头部集中度、人群…»
亚马逊反向选品：基于历史商业洞察报告沉淀的指标数据池，按 30+ 项商业维度（市场规模与增长、价格区间与档位份额、竞争密度与头部集中度、人群画像如年龄/性别/收入、评论卖点与痛点等）反向筛选亚马逊赛道与关键词。当用户提到反向选品、指标筛选、细分市场反查、蓝海赛道挖掘、低竞争赛道、新人友好赛道、品牌分散市场、痛点切入、卖点反查、定价档位机会、人群画像选品、Amazon niche reverse search, niche metrics filter, low-competition niche, blue ocean niche, demographic-based selection, pain-point niche, price tier opportunity, sweet spot pricing, brand fragmentation时触发此技能。即使用户未明确说"反向选品"，只要其需求是按商业维度筛选符合条件的亚马逊赛道，也应触发此技能。
Обратный подбор товаров на Amazon: на основе пула метрик, накопленных в отчетах об анализе исторических данных, осуществляется обратный отбор ниш и ключевых…
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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 · 4
✓ Критических и высоких находок нет
Средние и низкие: 4
-
низкая Секреты в коде
secret-high-entropy-tokenSKILL.md:24Строка, похожая на токен (может быть id, хеш или секрет) (строка таблицы в документации)| Market size & growth | `nich…Gte`, `nichePeakSearchVolumeAtLeastGte`, `nicheSearchVolumeYoyChangePctAtLeastGte`, `nichePeakMonthGte/Lte` | "Big enough market", "fast-growing"
таблица -
низкая Секреты в коде
secret-high-entropy-tokenSKILL.md:25Строка, похожая на токен (может быть id, хеш или секрет) (строка таблицы в документации)| Competition density | `nicheBrandCountLte`, `nicheBrandCountYoyChangePctAtLeastLte`, `nich…Lte`, `feat…Lte` | "Newcomer-friendly", "brands fr
таблица -
низкая Секреты в коде
secret-high-entropy-tokenSKILL.md:65Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)3. **Pair complementary signals**: Brand-level + product-level concentration (`feat…Lte` + `nich…Gte`) reveals "brands fragmented but products
в кавычках -
низкая Секреты в коде
secret-high-entropy-tokenSKILL.md:93Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда){"revi…pic": "size", "revi…Gte": 70, "limit": 25}в кавычках
Просканировано файлов: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription 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
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 55Ошибки и развилки. Развилок: 1
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 85Шаги. Шагов: 35, расплывчатых формулировок: 3
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2852 токенов
- low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
- low Ответ описан самодельной разметкой (7 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
- -31 из 2 скриптов не упомянуты в SKILL.md
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 434 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 13 заголовков
- +3Пошаговые инструкции: 35 пунктов
- +4Есть примеры (8 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 2)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.