SKILLEMALL.ai

BC linkfox-damai-mercado-market-intelligence

Анализ рынка и поиск товаров Mercado Libre (Mercado Pago) от Dama Data, с использованием шлюза LinkFox для запроса категорий, масштабов отрасли, агрегированных данных о товарах и атрибутах, тенденций продаж товаров, похожих товаров по изображению и отзывов, охватывающих Мексику, Бразилию, Аргентину, Чили, Колумбию. Активируется, когда пользователь упоминает Dama Data, Dama MCP, подбор товаров Mercado Pago, исследование рынка Mercado Libre, анализ категорий, продажи конкурентов, поиск товаров, поиск товаров по изображению или анализ отзывов.

машинный переводПоказать оригиналСкрыть оригинал«大麦数据 Mercado Libre(美客多)市场洞察与选品查询,通过 LinkFox 网关查询类目、行业规模、商品与属性聚合、商品销量趋势…»

大麦数据 Mercado Libre(美客多)市场洞察与选品查询,通过 LinkFox 网关查询类目、行业规模、商品与属性聚合、商品销量趋势、相似图片商品和评论,覆盖墨西哥、巴西、阿根廷、智利、哥伦比亚站点。当用户提到大麦数据、大麦 MCP、美客多选品、Mercado Libre 市场调研、类目分析、竞品销量、商品搜索、图搜商品或评论分析时触发此技能。

ClawHub Agent Skills автор: linkfox-ai v1.0.0 MIT-0 6 файлов тело ≈ 2 167 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Анализ рынка и поиск товаров Mercado Libre (Mercado Pago) от Dama Data, с использованием шлюза LinkFox для запроса категорий, масштабов отрасли…

Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

ПроцедураИИ и агентыРазработкаТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
84/100
безопасность, качество, тесты
Безопасность 60%
92
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
C
52/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Утечка данных средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».

Автору

Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.

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 · 4

✓ Критических и высоких находок нет

Средние и низкие: 4
  • средняя Утечка данных net-redirectable-api-key scripts/upload_image.py:21
    Скрипт отправляет API-ключ на хост из переменной окружения — ключ можно перенаправить на другой сервер
    API key + configurable base URL from environment
  • 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:49
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    or "eyJh…iJ9")
    в кавычках

Просканировано файлов: 6. 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 52/100

  • 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: 2, без проверки текущего состояния
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 38
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2167 токенов
  • low Разделов верхнего уровня: 13. 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 3 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 177 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 38 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

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

Внешние проверки

ClawHub: suspicious
The skill mostly matches a Mercado Libre research tool, but it also includes sensitive account onboarding, payment-order creation, public image upload, automatic feedback reporting, and broad local response retention that users should review carefully.
LLM: suspicious (high) · 14 сент. 2026 г.