SKILLEMALL.ai

BF linkfox-expert-amazon-multi-competitor-analysis

Ввод ASIN + сайта для комплексного отбора конкурентов (трехпутевой алгоритм: стандартный/нестандартный/смешанный) → сбор полных данных (параллельно из четырех источников: Keepa +卖家精灵 + ABA + AIGC) → 8-мерное горизонтальное сравнение (тенденции продаж/доля рынка/влияние Deal/стабильность/сезонность/импульс BSR/ценовая эластичность/функциональные параметры) → A+ и анализ изображений товара с помощью AIGC → подробный HTML-отчет из 11 глав.

машинный переводПоказать оригиналСкрыть оригинал«输入ASIN+站点,端到端完成竞品筛选(三路径算法:标品/非标品/混合)→全量数据采集(Keepa+卖家精灵+ABA+AIGC四源并行)→8…»

输入ASIN+站点,端到端完成竞品筛选(三路径算法:标品/非标品/混合)→全量数据采集(Keepa+卖家精灵+ABA+AIGC四源并行)→8维度横向对比(销量趋势/市场份额/Deal冲击/稳定性/季节性/BSR动量/价格弹性/功能参数)→A+与商品图AIGC分析→11章HTML深度报告。

ClawHub Agent Skills автор: linkfox-ai v1.0.0 MIT-0 79 файлов тело ≈ 991 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Ввод ASIN + сайта для комплексного отбора конкурентов (трехпутевой алгоритм: стандартный/нестандартный/смешанный) → сбор полных данных (параллельно из четырех…

Как процесс F 35/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/scoring-model.md

АнализаторИнфраструктураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
61
Прогон на моделях
не было
Процессный рейтинг
F
35/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: references/scoring-model.md
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 2. 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")
  • предупреждение missing-ref ссылка на отсутствующий файл: references/scoring-model.md
  • заметка frontmatter-key неизвестное поле фронтматтера "zh_name"

Процессный рейтинг: все десять параметров 35/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/scoring-model.md
  • 0Инструменты и файлы. Не хватает 1 файла(ов): references/scoring-model.md
  • 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
  • 100Шаги. Шагов: 20
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 991 токенов
  • 100Повторный запуск. Изменяющих операций нет

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
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 144 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 20 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 61.

Внешние проверки

ClawHub: suspicious
This skill fits an Amazon competitor-analysis workflow, but it adds automatic feedback reporting, remote skill-install guidance, public file upload paths, and broad local persistence that should be reviewed before use.
LLM: suspicious (high) · 21 авг. 2026 г.