SKILLEMALL.ai

BD linkfox-echotik-batch-product-detail

Пакетный запрос данных о деталях товаров TikTok, включая продажи за несколько периодов и GMV (1 день/7 дней/15 дней/30 дней/60 дней/90 дней/накопительно), продажи в прямом эфире и GMV в прямом эфире, данные о продающих видео и инфлюенсерах, количество просмотров, цену, рейтинг, количество комментариев, комиссию и статус размещения/полного управления, поддерживает пакетное получение по идентификатору товара или URL товара TikTok Shop. Активируется, когда пользователь упоминает детали товаров TikTok, пакетный запрос деталей товаров TikTok, анализ продаж товаров TikTok, GMV товаров TikTok, продажи в прямом эфире TikTok, данные о продажах TikTok, пакетное получение информации о товарах TikTok, детали товаров EchoTik, TikTok product detail, batch product lookup, TikTok sales analysis, TikTok GMV, TikTok live sales, TikTok influencer data. Даже если пользователь явно не упоминает «EchoTik», этот навык следует активировать, если его запрос включает пакетное получение подробных данных о продажах и маркетинге товаров TikTok по идентификатору товара или URL товара.

машинный переводПоказать оригиналСкрыть оригинал«批量查询TikTok商品详情数据,包括多周期销量与GMV(1天/7天/15天/30天/60天/90天/累计)、直播销量与直播GMV、带货视频…»

批量查询TikTok商品详情数据,包括多周期销量与GMV(1天/7天/15天/30天/60天/90天/累计)、直播销量与直播GMV、带货视频与达人数据、播放量、价格、评分、评论数、佣金比例及上下架/全托管状态,支持通过商品ID或TikTok Shop商品URL批量获取。当用户提到TikTok商品详情、批量查询TikTok商品、TikTok商品销量分析、TikTok商品GMV、TikTok直播销量、TikTok带货数据、TikTok商品价格评分、批量获取TikTok商品信息、EchoTik商品详情、TikTok product detail, batch product lookup, TikTok sales analysis, TikTok GMV, TikTok live sales, TikTok influencer data时触发此技能。即使用户未明确提及"EchoTik",只要其需求涉及根据商品ID或商品URL批量获取TikTok商品的详细销售与营销数据,也应触发此技能。

ClawHub Agent Skills автор: linkfox-ai v1.0.6 MIT-0 7 файлов тело ≈ 1 851 токенов Открыть источникclawhub.ai проанализирован 32 ч назад

Пакетный запрос данных о деталях товаров TikTok, включая продажи за несколько периодов и GMV (1 день/7 дней/15 дней/30 дней/60 дней/90 дней/накопительно)…

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

АнализаторМаркетингтип и темы размечены автоматически по тексту скилла
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:49
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    or "eyJh…iJ9")
    в кавычках

Просканировано файлов: 7. 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 (web, python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 36
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1851 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Ответ описан самодельной разметкой (8 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
  • -32 из 3 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 448 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 36 пунктов
  • +4Есть примеры (3 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 mainly performs a paid TikTok product-detail lookup, but it also includes account login, API-key generation, payment ordering, automatic feedback reporting, and broad local persistence that deserve manual review.
LLM: suspicious (high) · 14 авг. 2026 г.