SKILLEMALL.ai
GitHub ↗ EN Войти

BD linkfox-echotik-list-seller-product

Получить список товаров в магазине TikTok (продавца) по sellerId. Возвращает название товара, цену, продажи и GMV за разные периоды (1 день/7 дней/15 дней/30 дней/60 дней/90 дней/все время), рейтинг, количество отзывов, комиссию, дату размещения, способ продажи, категорию и другие метрики. Активируется, когда пользователь говорит: "Товары в магазине TikTok", "Товары в продаже в магазине TikTok", "Список товаров продавца TikTok", "Подбор товаров для магазина TikTok", "Посмотреть, что продает магазин TikTok", "Анализ товаров магазина TikTok", "Товары магазина EchoTik", "TikTok Shop seller products", "TikTok store products", "TikTok seller product list", "EchoTik store product list". Активируется, даже если пользователь не упоминает "EchoTik" или "TikTok", но его запрос касается просмотра товаров в продаже в магазине TikTok (при известном sellerId) и их показателей продаж/цены/комиссии.

машинный переводПоказать оригиналСкрыть оригинал«查询某个TikTok Shop店铺（卖家）的在售商品列表，通过sellerId获取该店铺全部商品，返回商品标题、价格、多周期(1天/7天/1…»

查询某个TikTok Shop店铺（卖家）的在售商品列表，通过sellerId获取该店铺全部商品，返回商品标题、价格、多周期(1天/7天/15天/30天/60天/90天/总)销量与销售额(GMV)、评分、评论数、佣金比例、上架时间、带货方式、品类等指标。当用户提到TikTok店铺商品、TikTok店铺在售商品、TikTok卖家商品列表、TikTok店铺选品、查看TikTok店铺卖什么、TikTok店铺商品分析、EchoTik店铺商品、TikTok Shop seller products, TikTok store products, TikTok seller product list, EchoTik store product list时触发此技能。即使用户未明确提及"EchoTik"或"TikTok"，只要其需求涉及查看某个TikTok Shop店铺（已知sellerId）的在售商品及其销量/价格/佣金表现，也应触发此技能。

ClawHub Agent Skills автор: linkfox-ai v1.0.3 MIT-0 5 файлов тело ≈ 2 157 токенов Открыть источникclawhub.ai↗ проанализирован 29 ч назад

Получить список товаров в магазине TikTok (продавца) по sellerId.

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

ПроцедураМаркетингтип 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
89/100
безопасность, качество, тесты
Безопасность 60%
97
Качество 40%
78
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: 5. 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: 32
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2157 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 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

  • +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
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 422 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 32 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: 78.

Внешние проверки

ClawHub: suspicious
The skill can list TikTok seller products, but it also includes under-scoped account login, API-key, billing, payment-order, local persistence, and silent feedback-reporting behavior.
LLM: suspicious (high) · 14 сент. 2026 г.